基于信号分形与支持向量机的点焊检测方法

鉴于分形维数对数据样本集复杂程度的定量描述特点及支持向量机在小样本集合分类和回归方面所具有的显著优势,采用信号数据序列的分形维数作为特征值,提出一种基于信号分形维数及支持向量机的点焊信号检测方法。分别对点焊飞溅缺陷和熔核尺寸缺陷建立两类支持向量机检测模型,构成支持向量机阵列,利用该阵列模型进行点焊飞溅和小尺寸熔核两种缺陷的综合检测。结果表明,该阵列对点焊缺陷的无损检测是比较精确的,能较好地无损检测到点焊过程中飞溅及小尺寸熔核两种缺陷。为点焊的无损检测提供了一种新的方法。     

基于多探头源数据融合的焊缝缺陷识别

当今的无损检测领域中,缺陷性质的识别是检测的难点,为此研究了一种基于多探头源数据融合的焊缝缺陷识别新方法.该方法通过对多探头信息的融合,提高了检测结果的可靠性及缺陷识别的准确性.选用两个不同入射角度的斜探头对含有气孔、夹渣、裂纹、未焊透和未熔合五类典型焊接缺陷的焊件分别进行了检测,提取缺陷的超声回波信号特征,构建基于特征层和决策层两级融合的多探头源缺陷智能识别分类器,实现五类焊缝缺陷的多源数据融合识别.在特征融合层采用了BP神经网络作为特征融合器,并利用其融合输出构建每个探头源的基本概率分布函数及其对每类缺陷的基本概率赋值.在决策融合层利用D-S证据理论,合并每个探头源的基本概率分布函数,实现缺陷的融合智能识别.结果表明,该方法融合了多探头源的互补信息,有效的提高了缺陷的识别率,有助于焊缝质量的评定.     

小径管X射线焊缝图像缺陷识别算法

针对小径管X射线焊缝图像缺陷检测精确率低的现状,通过对图像进行特征分析并结合稀疏字典学习,提出一种基于图像分割的小径管焊缝图像缺陷检测算法.首先,对小径管焊缝图像进行两步图像分割获得感兴趣区域;其次,提取焊缝缺陷,得到缺陷疑似局部图像;最后,提出以不同类型原子间相关性最小为目标的小径管焊缝缺陷字典矩阵数学模型并使用K-SVD算法进行求解,利用该字典矩阵实现圆形缺陷、线形缺陷和噪声的分类鉴别.为提高系统实时性,使用并行编程对图像分割算法进行加速.结果表明,改进后缺陷字典矩阵对圆形缺陷识别成功率为0.974,线形缺陷识别成功率为0.967,且具有较快的识别速度,实现了小径管焊缝图像缺陷的有效识别.     

基于KPCA的板坯表面缺陷识别方法

引入核方法分析研究了现有的板坯表面缺陷识别方法,提出了一种新的核函数,并将其应用到板坯表面缺陷特征提取中,用传统的支持向量机对图像进行分类,试验结果表明,新核函数提取的特征识别效果最好,识别率达到了91.55%。     

����KPCA�İ�������ȱ��ʶ�𷽷�

引入核方法分析研究了现有的板坯表面缺陷识别方法,提出了一种新的核函数,并将其应用到板坯表面缺陷特征提取中,用传统的支持向量机对图像进行分类,试验结果表明,新核函数提取的特征识别效果最好,识别率达到了91.55%。     

基于SSD的交流电磁场缺陷智能识别方法

针对传统交流电磁场检测技术中缺陷识别困难、智能化程度不高等问题,提出一种基于单次多盒检测器(SSD)的交流电磁场缺陷智能识别方法。首先通过仿真建立不同类型的缺陷可视化成像数据库,使用数据增强算法对数据库进行扩充,提高数据库的泛化能力;然后基于SSD算法建立交流电磁场缺陷智能识别方法,为缺陷智能评估与缺陷判定奠定基础;最后利用不同类型缺陷检测试验验证了该方法的缺陷识别效果。试验结果表明,基于SSD的交流电磁场缺陷智能识别方法能够正确识别不同类型缺陷,识别准确率达98%,检出缺陷的置信度均在90%以上,可为结构物缺陷的智能识别与智能评估提供方法支撑。     

基于LBP-KPCA特征提取的焊缝超声检测缺陷分类方法

焊缝缺陷影响结构安全,缺陷定性是实现结构安全评价的重要基础.研究了一种基于一维局部二元模式（one-dimensional local binary pattern,1-D LBP）算法结合核主成分分析（kernel principal component analysis,KPCA）提取焊缝缺陷回波信号特征的方法.采用1-D LBP算法提取缺陷回波信号的LBP特征,通过KPCA对此LBP特征集进行主成分分析,选取贡献率之和超过90%的前N个主成分作为缺陷分类的特征向量,利用基于径向基核函数的支持向量机（support vector machine,SVM）实现了缺陷类型的自动分类.以夹渣、气孔和未焊透三类焊缝缺陷为对象,开展了缺陷特征提取及分类试验.结果表明,使用LBP-KPCA特征进行缺陷分类时,准确率达到96.7%,优于常规特征,为焊缝缺陷分类及无损评价提供了重要参考.     

基于超声TOFD直通波及神经网络的近表面缺陷自动识别

针对超声TOFD存在近表面盲区及近表面缺陷自动识别分类的问题,提出了基于超声TOFD直通波及神经网络对近表面孔状缺陷识别分类的方法。在近表面缺陷检测信号的直通波部分选取多个关键点,揭示了各关键点幅度分布与近表面缺陷深度的关系,获得了用于近表面缺陷检测的幅度分布特征值,并将该特征值用于BP神经网络对缺陷识别分类。试验结果表明,该方法能够对铝合金板近表面孔状缺陷进行准确、有效的自动识别分类。     

基于自适应SVM决策树的焊缝缺陷类型识别

针对传统X射线焊缝缺陷检测方法普遍存在分类识别精度不高的问题,提出了一种基于分离程度的自适应SVM决策树算法。首先对滤波后的X-Ray焊缝缺陷图像进行数学形态学重建,然后根据分离程度,每次将分离程度最大的缺陷类别首先分离出来,构造自适应二叉树的SVM分类器,从而达到了减小二叉树的累积误差,得到了分类性能优良的的SVM决策树,并用其对X-Ray焊缝缺陷图像进行分类识别。实验结果表明,该算法取得了好的分类精度和识别效果。     

基于Fisher判别准则的故障分类器核函数参数优化研究

核函数选择及其参数优化对提高支持向量机分类性能是极其重要的.针对支持向量机故障分类器的核参数优化问题,讨论了以Fisher判别准则为目标函数的核函数参数优化的原理,提出了基于Fisher判别准则和固定步长优化算法相结合的核函数参数优化算法.依据该算法实现了故障分类器的核参数优化,并应用于转子试验台不平衡和不对中故障的分类器中.理论分析和实验结果表明,通过这种参数优化算法能够提高分类器的分类性能,并且具有算法简单、优化效率高等优点.