基于动态免疫模糊聚类的金属焊缝缺陷等级磁记忆识别模型

针对焊缝应力集中及隐性损伤等级的磁记忆定量识别难题,提出一种基于免疫优化的动态模糊聚类模型。以Q235钢预制未焊透焊缝试件为试验材料,进行疲劳拉伸试验,参比X射线同步检测结果与定量标准,提取不同等级的磁记忆信号特征参数向量,考虑试验数据在焊缝缺陷各等级临界状态识别上的模糊、不确定性,引入动态模糊聚类算法,通过输出阈值λ获得初始模糊聚类划分,进一步考虑动态模糊聚类算法易陷入局部最优值等问题,采用具有全局搜索和并行能力的免疫算法进行优化,获得最优阈值λ,最终建立免疫优化的动态模糊聚类模型。验证结果表明,该模型预测损伤等级准确率达90%,为实际工程焊缝缺陷等级评定与设备安全定量评价提供新思路。     

基于熵带与DS理论的焊缝等级磁记忆量化评价

针对焊缝不同等级的磁记忆特征提取及定量评价难题,提出信息熵带与D-S理论联合的磁记忆定量评价模型。以Q235B焊接试件为实验材料,通过焊缝疲劳损伤试验,对照X射线定量评价标准,引入能够反映焊缝损伤程度的奇异谱熵、功率谱熵和小波空间能谱熵,分别提取不同损伤等级对应的这3种信息熵及其熵带的特征值,构建基于信息熵带数学期望的各等级贴近度公式,以信息熵贴近度作为证据体,建立基本可信度分配函数,通过D-S理论的证据组合原理将基本可信度进行信息融合,依据D-S诊断规则输出焊缝缺陷等级的定量识别结果,建立基于信息熵带和D-S证据理论联合的焊缝等级磁记忆评价模型。结果表明焊缝等级识别的不确定度为0.008,为实际工程中焊缝缺陷等级磁记忆定量化评定提供新的思路和方法依据。     

基于支持向量机的焊缝缺陷类型识别研究

针对焊缝的线形和圆形两种主要缺陷,提出了一种基于支持向量机的焊缝缺陷种类识别算法。首先,对焊缝X射线图像运用模糊C均值聚类、区域填充、均值滤波、边缘检测、大津阈值及谷发现图像预处理算法,获取焊缝缺陷的位置,然后通过逆表面阈值算法将缺陷从焊缝中分割出来;利用基于分段分形纹理分析算法提取焊缝缺陷的特征值;最后将特征值输入到基于支持向量机的焊缝缺陷分类器中,识别出焊缝缺陷种类。试验结果表明,通过对150张焊缝X射线图像进行训练,对80张焊缝X射线图像进行测试,平均正确识别焊缝缺陷种类的准确率达97.5%,满足工业要求。     

不同倾斜角度角焊缝磁记忆信号定量特征研究

针对实际工程中角焊缝在设备结构中位置特殊、造成采用常规无损检测无法对其评价的难题,进行了角焊缝缺陷处磁记忆检测信号定量特征提取与建模。从三维地磁场下力磁耦合的角度,考虑焊接残余应力的基础上,对不同倾斜角度相交的管道角焊缝进行力磁耦合仿真,获得不同载荷下不同角度的角焊缝磁场分布规律,提取缺陷处切向和法向磁记忆特征参数,建立不同载荷下角焊缝缺陷处应力集中程度的定量表征模型。进一步考虑到理论建模与实际检测的差异性,设计磁记忆检测试验,用实测数据对模型进行修正,并对修正模型进行了验证,验证结果表明最大误差7.117%,为工程实际中对角焊缝这类复杂焊接结构的磁记忆定量检测提供科学依据。     

基于改进梯度下降算法优化的磁梯度张量组合不变量算法的管道缺陷边缘识别模型

针对油气管道磁记忆检测受方向影响较大且缺陷边缘精确识别困难的问题，提出了一种基于改进梯度下降算法(MGD)优化的磁梯度张量组合不变量算法模型，用于管道缺陷边缘的精确识别。以L245N管线钢为试验材料，预制不同深度、不同直径的圆孔状缺陷，设计磁梯度张量测量系统，结合TSC-5M-32型磁记忆仪进行检测实验，获得管道的磁梯度张量矩阵。为克服检测方向对磁记忆信号的影响，分别提取磁梯度张量第二、第三不变量I₁、I₂,进一步考虑这两种不变量在缺陷边缘处易出现模糊，根据Cardano公式对两种不变量进行改进，并分别设置权值a、b进行叠加获得组合不变量I,利用分数阶求导改进梯度下降算法确定最优权值，建立管道缺陷边缘磁记忆识别模型。研究结果表明：该模型对缺陷边缘识别平均相对误差为3.59%,最大相对误差为6%,为实际工程中管道缺陷边缘精准识别提供了可行办法。     

模糊聚类算法综述

模糊聚类算法是近年来图像分割技术领域的研究热点之一。本文在对模糊C均值聚类算法分析的基础上,结合目前在图像分割中的应用研究,对模糊C均值聚类算法的有效性进行了比较分析。从隶属度、聚类数和其它方面,评述改进的模糊c均值聚类算法。最后讨论模糊c均值聚类算法目前存在的问题和发展方向。     

基于混合蜻蜓优化多核模糊聚类和特征子集选取的在线齿轮故障识别

对模糊C-均值聚类算法改进及在齿轮故障高效、可靠识别中的应用进行研究,提出了一种新的计及模糊聚类和特征选取的在线齿轮故障识别方法—基于混合蜻蜓优化多核模糊聚类和特征子集选取的在线齿轮故障识别算法.设计多核函数和贪婪聚类中心初始化策略,以克服模糊聚类算法对初始值敏感、高维复杂数据聚类鲁棒性差的缺陷;提出特征子集选取机制,...     

基于模糊加权马尔科夫链的焊缝隐性损伤磁记忆特征参数定量预测

针对磁记忆技术在焊缝隐性损伤状态定量评价与预测中的难题,建立基于无偏灰色模糊加权马尔科夫链的焊缝隐性损伤状态磁记忆特征参数定量预测模型。以Q235焊接试件为试验材料,拾取焊缝纵向和横向磁记忆信号分布,与同步X射线检测结果进行对比得出:在宏观损伤时满足传统的磁记忆检测判据,即切向分量Hp(x)具有极大值,法向分量Hp(y)过零值;而在隐性损伤时并没有出现传统判据特征,说明Hp(x)与Hp(y)并不能准确地判断隐性损伤状态和程度。为此引入正交矢量合成梯度比Kr,可以较为敏感地反映隐性损伤状态,但敏感性同时带来局部振荡波动性,造成对隐性损伤后续发展状态的磁记忆定量预测困难。因此,在无偏灰色预测理论和马尔科夫链的基础上,结合模糊隶属函数建立模糊加权马尔科夫链磁记忆定量预测模型,验证结果表明:无偏灰色理论结合模糊加权马尔科夫链后的定量预测模型,其最大相对误差从38.492 5%降到5.046 4%,为实际工程中焊缝隐性损伤未来发展状态的定量预测与维修策略选择提供了新的思路。     

微间隙焊缝磁光成像检测及跟踪方法

在激光对接焊过程中,必须精确检测焊缝位置并控制激光束始终对中焊缝。针对小于0.05 mm的微间隙对接焊缝,通过对焊件施加感应磁场,利用法拉第磁旋光原理构成磁光传感器,获取焊缝磁光图像。针对焊缝磁光图像,以焊缝磁光图像的灰度直方图为特征模版,研究一种基于均值漂移算法的激光焊焊缝检测与跟踪方法。通过均值漂移与粒子滤波相结合的算法,利用粒子滤波能够对图像大范围搜索目标的特点,实现焊缝全自动跟踪。同时,根据相似度Bhattacharyya系数对焊缝特征模版进行更新,提高焊缝跟踪精度。试验结果表明,利用均值漂移与粒子滤波相结合的算法能够从焊缝磁光图像中有效检测焊缝特征,实现焊缝的自动跟踪。     

基于加权灰色关联分析与模糊C-均值聚类的柴油机磨损模式识别

将加权灰色关联分析与模糊C-均值聚类(fuzzy center-means clusteving)算法相结合应用到柴油机磨损模式评价体系中,以Bezdek准则和模糊熵值为度量指标加强全局搜索能力并确定了加权指数m值,通过聚类中心和归一化的标准向量建立了磨损模式的模糊分析模型.对实际采集的20个样本进行模糊聚类分析,并与贴近度算法所得结果相比较,证明加权模糊C-均值聚类算法对柴油机磨损模式的识别是准确、有效的.     

基于模糊C-均值聚类算法的柴油机磨损模式识别

将模糊C-均值聚类算法应用到柴油机磨损模式评价体系中,通过聚类中心和归一化的标准向量建立了磨损模式的模糊分析模型.对实际采集的20个样本进行模糊聚类分析,并与贴近度算法所得结果进行比较,证明模糊C-均值聚类算法对柴油机磨损模式的识别是准确、有效的.     

基于双正交法的焊缝早期隐性损伤临界状态磁记忆特征

针对焊缝早期隐性损伤临界状态磁记忆特征提取及评价难题,在大量试验基础上提出双正交法:即焊缝检测路径的正交性和磁场矢量分析的正交性。以Q235B焊接试件为试验材料,通过测量焊缝纵向和横向磁记忆信号分布,引入磁场正交矢量空间图和李萨如图,研究疲劳载荷下焊缝隐性损伤演化的磁记忆表征规律,对比扫描电镜和X射线检测结果,获得焊缝早期隐性损伤临界状态磁记忆特征:隐性损伤出现时李萨如图会产生涡动性的局部闭合,随着损伤的扩展涡动性局部闭合的面积越来越大直至断裂时完全闭合。在此基础上提出正交矢量梯度积分S(K)和正交矢量合成梯度比Kr的概念,建立Kr与剩余寿命Nr定量关系模型,为焊缝早期隐性损伤临界状态的定量研究提供一种新的思路。     

基于模糊C-均值聚类算法的柴油机磨损状态评判

论述了模糊C-均值聚类算法的原理与步骤，选取光谱分析中磨损元素的含量和3个定量铁谱参数作为特征参数，将模糊C-均值聚类算法应用到柴油机磨损状态评判体系中，可以得到聚类中心和用于分类的标准向量。对聚类结果进行了验证，表明应用模糊聚类的方法评判柴油机的磨损状态是可信的和准确的。     

基于粒子群模糊聚类算法的电机故障诊断方法

针对模糊C均值聚类算法（FCM）对于异常点较为敏感和对高维数据处理效果较差的缺陷,利用PSO算法较强的全局搜索能力和高效的优化性能,提出了一种新的以采用隶属度作为粒子编码为基础的基于粒子群的模糊聚类算法。该算法中粒子根据模糊聚类中的隶属度进行编码,采用了一种新的约束策略用于保证FCM的约束条件,从而优化了FCM 算法的聚类结果。将该算法应用于电机故障诊断中,实验表明,该算法弥补了FCM 算法的缺陷,提高了聚类的效率和准确性,改善了故障诊断结果。     

基于LabWindows／CVI的模糊聚类分析仪在裂纹识别中的应用

当生锈的铁磁材料的表面微裂纹深度与表面腐蚀深度接近时，表面腐蚀凹陷所造成的噪声几乎淹没裂纹信号，造成深度在0．6mm以下的微裂纹检测数据相互覆盖。基于LabWindows／CVI的模糊聚类分析仪，利用三种模糊聚类算法（模糊C-均值聚类算法、“max—min”准则下的模糊聚类算法和基于遗传算法的模糊C-均值算法）对采样数据进行分类，成功地对0．4～0．6mm不同深度的裂纹进行分类识别，从而改善了硬件检测系统对这种极微裂纹的分辨率，提前了材料寿命的预报时机。     

基于改进密度峰值聚类的航空发动机故障诊断

针对快速搜索发现密度峰值聚类(CFSFDP)算法存在的密度中心选择不方便、聚类精度不高的问题,提出基于马氏距离的自动搜索发现密度峰值的聚类算法。该算法将马氏距离引入距离测定中,提高了聚类精度;提出聚类中心判定参数γ,自动获得了聚类中心。采集航空发动机转子模拟振动信号实验数据,分别采用传统CFSFDP算法、改进后的CFSFDP算法、K均值聚类和模糊C均值聚类进行分析,结果表明,所提算法能够很好地改善聚类精度,其聚类精度相比K均值聚类和模糊C均值聚类有很大优势,且在故障特征的分类与识别上均优于其他两种算法。     

焊接缺陷磁光成像动态检测与识别

为了实现焊接缺陷的自动检测,研究一种交变磁场激励下焊缝表面及亚表面缺陷的磁光成像动态无损检测方法。分析了基于法拉第磁致旋光效应的焊接缺陷磁光成像机理,并结合交变磁场原理推导出励磁变化与动态磁光成像的关系。探索低碳钢板的亚表面焊缝磁光成像特征试验,验证了所提方法可用于检测焊缝亚表面的未熔合缺陷。最后对高强钢焊缝特征的动态磁光图像进行分析,采用主成分分析法和支持向量机(PCA-SVM)模式识别方法建立了焊接缺陷分类模型。试验结果表明,所提方法可以识别高强钢焊件中的焊缝特征(未熔透、裂纹、凹坑和无缺陷),缺陷分类模型的整体识别率达到92.6%,能够实现焊缝表面及亚表面缺陷的自动检测。     

基于混沌与模糊聚类的机械故障自动识别

针对大型设备旋转部件故障模式复杂难以识别的特点,给出一种基于混沌与模糊最大似然估计(Fuzzy maximum likelihood estimates,FMLE)聚类相结合的机械故障自动识别方法。利用混沌振子在非平衡相变对小信号非常敏感,而对噪声和高频信号具有强免疫力的特点,可检测出微弱的周期故障特征信号的频率信息,并将其作为故障特征矢量输入模糊聚类分类器进行聚类分析。同时针对传统的模糊C均值(Fuzzy center means,FCM)聚类算法只适用于球形或者类球形数集分布的缺陷,将基于最大似然估计的距离测度引入故障特征聚类中,实现对不同形状、大小和密度的故障数据集模糊聚类,达到对机械故障自动识别的效果。试验及工程实例结果证明了方法的有效性,同时证明FMLE聚类具有更好的聚类效果。     

基于模块性准则函数的模糊免疫网络聚类算法及其在故障诊断中的应用

为了改善免疫网络聚类算法的效果,进一步提高算法的数据浓缩率和分类正确率,设计新的抗体变异策略和独特型网络调整机制,提出免疫网络聚类新算法。首先,借鉴Timmis的人工识别球概念,结合模糊理论,构造独特型模糊免疫识别超球对抗体网络实现更新,并利用复杂网络中反映社群结构特征的模块性指标,构造模块性聚类准则函数,提出基于模块合并的记忆抗体提取算法,实现抗体网络的自适应压缩;其次,基于免疫网络聚类策略,提出基于模块性准则函数的模糊免疫网络聚类算法,UCI数据集的试验分析表明,该算法能够获取合理的记忆抗体网络,提高了算法的数据浓缩率和分类正确率;最后,将算法应用于一个四级往复式压缩机的故障诊断中,与aiNet等免疫网络聚类算法相比,获取较高正确率的同时大大提高了浓缩率,对故障诊断具有重要意义。     

基于聚类与 ANFIS 的磨削工艺环境影响评价方法

针对磨削加工环境影响的客观评价问题,提出一种具有自我学习能力的综合评价方法。首先采用减法聚类初始聚类中心并确定聚类数,然后建立基于自适应神经模糊推理的评价模型,并应用模糊C均值与最小均方的混合算法对评价模型的参数进行优化修正。最后以凸轮轴工件的磨削加工为例,通过仿真试验进行检测,结果表明该方法具有良好的有效性和实用性。