钢丝绳内外部断丝损伤识别

针对钢丝绳断丝损伤检测以外部断丝损伤检测为主,对内部断丝损伤检测的研究较少且内外部断丝识别精度不高的问题,提出了一种钢丝绳内外部断丝损伤识别方法。通过钢丝绳损伤径向漏磁检测器采集钢丝绳断丝损伤产生的漏磁信号;采用双密度双树复小波变换对漏磁信号进行降噪处理;通过设置自适应阈值提取降噪信号的时域特征,同时提取原始漏磁信号的频域特征;采用基于类间距离和互信息的方法进行特征选择,即先对所有特征进行归一化处理,剔除标准差较大及类间距离较小的特征,然后计算特征之间的互信息,排除包含损伤信息较为相似的特征,最后计算特征中区分度最差的2种损伤类型,并从剔除的特征中收回这2种类型类间距离最大的特征;将保留的特征融合作为最优特征子集并输入BP神经网络进行分类识别。测试结果表明,该方法能识别钢丝绳内外部断丝损伤且识别准确率达97.8%。     

基于决策树的钢丝绳断丝定量识别

本文从考虑钢丝绳断丝情况的纷繁复杂性出发，提出了以模型识别技术中的二叉决策树理论为基础的钢丝绳断丝定量判别，从而通过对原始波形信号的特征量的提取，充分利用各特征量阈值，有效准确地判定港口，矿山在役纲丝绳断丝根数的工作状况。     

钢丝绳断丝信号处理技术

针对目前国内各种钢丝绳检测仪器的不足之处,选定了钢丝绳断丝损伤信号识别的特征量,提出利用神经网络技术对检测信号进行分析处理,以提高检测的精度和灵敏度。并详细叙述了用BP网络建立钢丝绳断丝损伤识别模型的方法。     

钢丝绳断丝在线检测仪的设计

介绍一种单片机控制的钢丝绳断丝检测仪，并对其工作原理、硬件设计、软件设计及性能指标作了较详细的阐述。     

STD总线在钢丝绳断丝检测系统中的应用

本文研究了钢丝绳内部及外部断丝处的漏磁特性，研制了断丝信号识别传感器，并探索了随机瞬态信号的捕捉方法，并利用STD工业控制计算机实现了在线实时监测钢丝绳的损伤状态，且可以数字形式显示或打印钢丝绳出现断丝处的位置以及断丝的根数。据此可估算钢丝绳的余留强度，以确保其安全运行。     

基于高光谱的钢丝绳断丝检测系统设计研究

研究钢丝绳断丝准确性检测系统,提高检测的准确率。钢丝绳的断丝极为细微,由于数量巨大,会存在断丝局部断丝混搭,容易造成光谱图像中断丝像素的虚连接,造成图像模糊。传统的基于图像融合的钢丝绳断丝检测方式,在图像连接位置对断丝图像的连接情况检查,由于像素虚连接的存在,会出现像素重叠或者扭曲的现象,造成断丝特征检测准确率过低。为了避免上述问题,提出了一种基于高光谱图像的钢丝绳断丝检测系统。完成对图像进行初始化处理,通过改进无缝融合算法对图像连接位置差异像素进行细丝像素虚连校验处理,提高连接位置像素的精度,准确对融合像素进行断丝检测。实验证明,改进检测系统能够提高检测的准确率,为货物装卸安全性能提供了保证。     

钢丝绳断丝损伤定量识别虚拟仪器系统开发

基于LabVIEW软件平台,开发了钢丝绳断丝损伤定量识别虚拟系统.该系统包括原始断丝损伤信号的数据采集和储存、波形回放、信号处理、数据库管理几个子系统,以模块化的方式构建了整个系统,各个功能模块既可以单独作用完成特定的模块功能又可以相互关联共同实现断丝的识别.通过实验室试验表明,以软件函数编程的方式实现的钢丝绳损伤定量...     

小波分析与神经网络在钢丝绳断丝处理中的应用

钢丝绳断丝检测信号中存在大量的噪声信号。在分析了钢丝绳断丝信号的特征后,利用小波分析算法的高分辨率特点,对钢丝绳断丝检测信号进行分解和重构,提取断丝特征信号;并采用基于BP神经网络算法的断丝识别,解决了断丝识别困难的问题。引入Matlab仿真软件对其进行验证,仿真结果表明,该方法对钢丝绳断丝信号的检测和识别十分有效,减小了钢丝绳断丝的误判率,提高了钢丝绳断丝检测的智能化程度。该方法成本低、效率高,具有一定的应用开发前景。     

钢丝绳定量检测系统的研制

介绍了钢丝绳损伤定量检测系统的组成及检测原理，对损伤检测信号处理电路及随机瞬态信号的捕捉方法进行了探讨，实现了对钢丝绳损伤的在线、实时、无损定量检测。     

基于BP神经网络的入侵检测系统设计

传统的入侵检测技术在建立统计模型、规则库管理和检测性能等方面存在着缺陷和不足,影响了入侵检测系统的实际应用效果。本文提出并利用Matlab神经网络工具箱建立一个基于BP神经网络的入侵检测系统。实验结果表明,该算法在提高入侵检测系统的检测准确率、降低误报率和漏报率等方面具有一定的优越性,收敛速度较快。     

基于图像处理与神经网络的钢丝绳表面缺陷检测

提出了一种基于纹理特征提取的图像处理技术和神经网络结合进行钢丝绳检测的新方法.首先利用图像处理的方法对在役钢丝绳图像进行预处理,以减小或消除噪声的影响,然后提取图像的纹理特征值--熵和平滑度,通过神经网络来判断钢丝绳表面是否有断丝或锈蚀等缺陷.实验结果证明,该检测方法在实际应用中能代替人工目测,使用方便,能够满足实时要求,具有一定的理论和实践意义.     

基于Matlab的BP神经网络应用

BP学习算法是一种单向传播的多层前向网络,Matlab中的神经网络工具箱是以人工神经网络理论为基础,基于Matlab的工具箱,结合西瓜仁重的预测,验证了BP神经网络预测西瓜仁重的可行性,且BP算法收敛速度快,误差小,值得在预测作物生长中推广。     

基于Matlab的BP神经网络应用

BP学习算法是一种单向传播的多层前向网络,Matlab中的神经网络工具箱是以人工神经网络理论为基础,基于Matlab的工具箱,结合西瓜仁重的预测,验证了BP神经网络预测西瓜仁重的可行性,且BP算法收敛速度快,误差小,值得在预测作物生长中推广。     

钢丝绳在线智能检测系统的设计与实现

钢丝绳的完好程度直接关系到人身和设备安全。针对目前钢丝绳检测中自动化程度低及安全性评估较为薄弱的状况,采用霍尔元件阵列检测钢丝绳表面漏磁场,以数字信号处理器TMS320F2812为控制核心,设计并实现了钢丝绳在线智能检测系统。试验及应用表明:该系统性能稳定可靠,适应较为恶劣的现场检测环境,能够在线自动识别钢丝绳缺陷,并对钢丝绳状况做出定量评估。     

基于BP神经网络的矿井提升机故障诊断研究

介绍了一种采用BP神经网络故障诊断法对矿井提升机进行故障诊断分析的方法;以提升机运行状态为例,建立了BP神经网络故障诊断模型,并在Matlab环境下进行了仿真训练。仿真结果表明,基于BP神经网络的矿井提升机故障诊断模型收敛速度快,能够很好地预测提升机的故障类型及位置。     

基于BP神经网络的图像压缩的Matlab实现

BP网络是目前最常用的一种人工神经网络模型,它利用多层前馈网络的模式变换能力实现数据编码,直接提供数据压缩能力.在介绍BP网络图像压缩机原理及算法的基础上,通过计算机Matlab仿真实验实现数字图像压缩,并分析了各种参数对重建图像性能的影响.