共查询到19条相似文献,搜索用时 151 毫秒
1.
基于图像小波包信息熵和遗传神经网络的气-液两相流流型识别 总被引:1,自引:0,他引:1
根据小波包变换能够将图像信号按不同尺度进行分解的特性,提出了基于图像小波包信息熵特征和遗传神经网络相结合的气-液两相流流型识别的新方法.该方法采用高速摄影系统获取水平管道内气-液两相流的流动图像,经过处理,对图像进行多分辨率分析,提取小波包变换系数的信息熵特征,用主成分分析法降低特征维数构成特征矢量,作为流型样本对遗传神经网络进行训练,实现了对流动图像的流型智能化识别.结果表明:图像小波包信息熵特征可以很好地反映各流型之间的差异;遗传神经网络结合遗传算法和BP算法各自优点,具有收敛速度快、不易陷入局部极小的特性,网络识别率为100%. 相似文献
2.
噪声是降低超声检测可靠性的因素之一。本文利用小波分析对粗晶材料超声检测中由晶界散射引起的结构噪声进行了分析处理。和小波变换相比,小波包变换频域分辨率高,在信号的分解,降噪和重构时性能比前者好。对奥氏体不锈钢中人工缺陷的A型超声信号的处理结果表明,结果噪声被有效地滤除,且不损失缺陷信号,信噪比明显提高。 相似文献
3.
提出了一种基于小波包分解的神经网络识别γ能谱方法,该方法将γ能谱看作非平稳离散信号,对γ能谱做小波包分解得到各频带的能量,以各频带能量为元素构造特征向量作为神经网络的训练样本,利用神经网络的分类功能实现γ能谱的识别.结果表明,该方法不仅能准确地识别不同种类标准源的γ能谱,还能准确识别不同批次标准源的γ能谱,具有很好的实用价值. 相似文献
4.
为了研究垂直上升管中气液两相流的流型,利用自制的多电导探针测量系统采集了四种典型流型的电导波动信息.由于气液两相流电导波动信号的非平稳特征,提出了一种基于小波包多尺度信息熵(Wavelet Packet Multi-scal2e Information Entropy)和隐马尔可夫模型(Hidden Markov Model,HMM)的流型识别方法.该方法首先对采集到的电导波动信号进行3层小波包分解,得到了8个不同频带的信号,提取各频带信号的小波包多尺度信息熵特征作为流型的特征向量,然后将其转换为观测序列输入到各种状态的隐马尔可夫模型进行训练并识别流型.结果表明:与BP神经网络相比,采用隐马尔可夫模型进行流型识别可以获得更高的识别率,表明该方法是有效和可行的. 相似文献
5.
针对钢板/橡胶粘接结构的脱粘检测需求,利用电磁超声检测无需耦合剂的特点,搭建了电磁超声检测系统。该系统利用Ritec-SNAP 5000产生高频正弦波激励电磁超声换能器(EMAT),在试件的上表层形成超声波,避免了声波在耦合剂与高波阻介质接触界面发生的全反射,提高了声波的透射率。针对检测信号脱粘特征不明显的问题,应用小波分解法对信号进行分解、重构,提取了其功率谱估计结果作为信号脱粘特征参数进行定量分析。实验表明,该方法可有效地判断出界面是否脱粘,提高了电磁超声检测的准确性与可靠性。 相似文献
6.
两相流流型直接影响两相流的流动特性和传热传质性能。利用小波分析对气液两相流压降实验数据进行处理,提取不同频率的小波系数。以小波能量为特征,输入BP神经网络进行训练,进行流型的初步辨识。将灰色神经网络模型应用于气液两相流的辨识,同时创立将压差波动数据和小波能量数据输入Lib-SVM机分类器的方法,分别对流型进行辨识。结果显示,这三种方法均可进行流型的辨识,小波能量支持向量机的判别结果比灰色神经网络和BP神经网络的判别结果准确。支持向量机对压差信号直接进行流型辨识时准确率达到95.2%。 相似文献
7.
8.
9.
~(252)Cf裂变中子信号功率谱密度分析系统 总被引:2,自引:0,他引:2
在252Cf裂变中子信号的随机过程分析中,引入功率谱密度分析方法,利用脉冲时间序列采集器结合PC主控处理机,构建了一种针对252Cf裂变中子信号的功率谱密度分析系统。该系统采用现场可编程门阵列(FPGA)和数字信号处理器(DSP)技术实现3通道中子脉冲时间序列的高精度在线检测;在PC机端对检测到的数据进行处理、相关计算、快速付里叶变换(FFT)及功率谱密度计算;设计并验证了简化的功率谱密度估计算法流程。系统能准确、高效地进行252Cf裂变中子信号检测,并得到相关函数、功率谱密度等主要特征参数。 相似文献
10.
应力腐蚀裂纹涡流检测信号的处理及形状重构 总被引:2,自引:0,他引:2
在核电站热交换管道、压力容器等关键设备结构的无损评价中,裂纹型缺陷形状的确定非常重要.采用一种小波分析方法对采集的应力腐蚀裂纹涡流检测信号进行了预处理,减少了噪声及非缺陷信号,并提取了缺陷信号特征,然后采用神经网络方法对裂纹形状进行了重构.结果表明,该方法具有快速、精确的优点.但在数据生成及训练网络时需要花费一定的时间.另外,由于神经网络方法不能重构裂纹电导率的分布情况,因此不能保证所重构裂纹的可靠性.但从涡流检测实用性的角度出发,在不考虑多裂纹等复杂情况下,神经网络方法可以用来重构自然裂纹. 相似文献
11.
12.
In this paper we present a novel method in fault recognition and classification in Nuclear Power Plant (NPP) using wavelet transform based Artificial Neural Network (ANN). We first simulate 10 design basis accidents (DBA) of a VVER-1000 using 15 input parameters with employing a Multilayer Perceptron (MLP) Neural Network with Resilient Backpropagation (RBP) algorithm. Afterwards we present the application of wavelet transform for its temporal shift property and multiresolution analysis characteristics to reduce disturbing perturbations in input training set data. Simulation of Artificial Neural Network and wavelet transform was performed using MATLAB software. The results show an enhanced accuracy and speed in fault recognition and high degree of robustness. 相似文献
13.
为研究核探测器的可靠性,本文提出了一种基于K近邻(KNN)算法的闪烁体探测器故障诊断方法。首先通过提取不同工况下的核脉冲信号的下降沿时间、信号幅值及能谱信号的能峰位置和低道址计数等特征参数,建立故障核信号统计特征信息库。通过修正权重因子,改变邻点距离计算方式等方法改进KNN算法建立闪烁体探测器故障诊断模型,并搭建故障数据采集验证系统,提取探测器输出信号的特征信息放入到模型中进行诊断实验。实验结果表明,该方法不仅能实现对探测器故障类别的智能诊断,而且能对不同故障的严重程度做出良好的判别。 相似文献
14.
针对采集的控制棒驱动机构(CRDM)振动信号中存在非平稳、强噪声失真信号,提出一种基于评价函数和误差反向传播(BP)网络的CRDM滚轮状态评估方法。信号经半软阈值去噪、局部均值分解(LMD)提取特征向量,特征向量组成的样本集经BP网络进行状态识别,引入评价函数对状态识别结果进行评价,依据评价结果进行失真样本剔除,保留新形成的样本集进行状态识别。结果表明,基于评价函数和BP网络的CRDM滚轮状态评估方法能有效对滚轮缺陷状态进行识别,解决了控制棒驱动机构滚轮状态难以进行准确识别的问题。 相似文献
15.
为提高小样本条件下的流型识别精度和时效性,提出了一种融合小波包分解(WPD)、主元分析(PCA)、遗传算法(GA)和支持向量机(SVM)的优化识别模型,并成功应用在竖直下降两相流流型辨识工作中。利用WPD对非平稳电导波动信号进行分解、重构,提取小波包能量构造特征向量;通过PCA对特征向量进行降维,降低特征输入的复杂性;同时采取GA全局迭代寻优的方式确定SVM的关键参数惩罚因子(C)和核函数参数(g)。对PCA-GA-SVM识别效果进行验证后与SVM、PCA-SVM、GA-SVM网络进行对比。结果表明,经过PCA和GA优化后的SVM网络在流型识别精度和时效性方面均提升显著,对泡状流、弹状流、搅拌流和环状流的总体预测精度达到了94.87%,耗时仅3.95 s,可满足在线识别需求。 相似文献
16.
针对核爆地震识别问题的特点,提出利用支持向量机(SVM)方法进行核爆地震的自动识别。该方法借助算法的内在能力来实现特征的选择变换,不必像传统方法那样将很大的精力用于特征空间的降维处理。同时,由于该方法建立在结构风险最小化准则上,而不是仅仅使经验风险最小,所以,它具有好的推广能力。实际数据处理结果表明,该方法在小样本情况下性能优于神经网络,可以很好地克服过学习问题。 相似文献
17.
18.
压水反应堆主冷却剂系统中松动部件的在线监测对核电厂的安全运行至关重要,但监测信号往往会受到流致振动和其他设备运行而产生的强背景噪声的干扰。为增强信号的冲击特征,本文提出了一种基于变分模态分解(VMD)和小波包变换(WPT)相结合的信噪分离和特征提取方法。首先,采用VMD算法将含噪声的冲击信号分解成不同频率成分的本征模态函数(IMF),并基于各模态函数间的相关系数确定分解过程的模态数量;然后,利用峭度和相关系数构建加权峭度指标,并依据加权峭度指标选取IMF,重构冲击分量较强的新信号;最后,利用WPT算法进一步对新信号进行去噪处理。采用所提出的算法对仿真模拟和冲击实验获取的信号进行特征提取,均成功分离出冲击分量,验证了该方法的有效性。 相似文献
19.
针对控制棒驱动机构滚轮振动信号采集过程受到噪声干扰的问题,提出了小波半软阈值(SWT)和Hilbert变换法相结合的去噪方法。该方法首先利用小波半软阈值算法在时频域对滚轮振动信号进行降噪处理,然后进行Hilbert变换求出其包络谱,分析寿命试验与缺陷验证试验中不同的滚轮振动信号。试验结果表明,该方法可有效消除噪声对振动信号的干扰,证明了小波半软阈值与Hilbert变换相结合的方法在驱动机构滚轮状态识别和故障诊断中的有效性,为驱动机构的状态判别提供了理论支持。 相似文献