模糊神经网络信息融合在管道机器人导航中的应用

考虑到石油管道的封闭性和复杂性,很难识别环境特征,将基于模糊神经网络的多传感器信息融合用于解决管道中管道机器人的导航问题。采用CCD摄像头和距离传感器来识别管道中的障碍物和弯道,并根据环境信息制定控制决策。建立了机器人物理模型和模糊神经网络拓扑结构,并对神经网络进行了学习训练。最后,对其中一种环境类型进行了仿真验证,证实了算法的有效性。     

基于神经网络的超声导波管道缺陷识别

在役石油管道的腐蚀是造成石油管线运输故障的重要原因,适时检测在役管道是否被腐蚀至关重要。研究了超声导波进行长距离在役管道检测技术,并利用人工神经网络进行管道缺陷的智能识别,通过超声导波设备进行了管道缺陷检测实验,从原始检测数据的信号处理结果中提取出了样本特征值,并建立和训练了一种用于实现管道缺陷识别的BP神经网络。实验表明:使用该网络可进行超声导波管道缺陷的自动识别。     

基于模糊神经网络的管道缺陷识别方法研究

基于模糊运算和人工神经网络在模式识别中的应用,分别对两种模式识别方法的基本原理及其在管道无损检测中的应用进行了分析。通过建立管道缺陷识别试验,根据检测信号选取适当的参数,分别用这两种方法对不同类型的缺陷进行识别。结合识别结果对其进行比较与总结,证明了两种识别方法的有效性,为识别方法的选择与应用提供了理论依据。     

基于模糊免疫算法的管道缺陷磁记忆识别

在金属管道的磁记忆检测中,管道缺陷状态的识别普遍是基于单个检测信号特征值来进行分析的。这种方法存在误检率高、可靠性低等问题。为此,构建了一个基于模糊免疫算法的智能识别模型,将磁记忆检测信号多个特征值组合为一个向量,作为识别模型的输入向量,以分析识别管道缺陷的状况。实验表明,该方法能够对管道缺陷进行准确、有效的识别。     

监控和数据采集系统在石油管道自动化中的应用

本文介绍了监控和数据采集系统在石油管道自动化中的应用，并分析了它的技术特点。     

基于支持向量机的石油管线缺陷识别方法研究

针对管道超声检测缺陷识别问题,从数据挖掘角度,提出一种基于支持向量机的石油管线缺陷自动识别新方法。通过超声石油管线缺陷大量检测实验表明:该方法具有准确率高、推广性强、容易在线实施等优点。     

基于模糊神经网络的管道泄漏检测方法研究

为了及时准确地检测管道泄漏,提出了一种基于模糊神经网络的管道泄漏检测的方法.首先以管道内流体在出口与人口之间的压力差与流量差信号作为网络输入,以泄漏的尺寸大小作为网络输出,构建了管道泄漏检测与泄漏尺寸估计的模糊神经网络结构,进而选取实际管道数据,对网络的参数进行离线训练,并得出网络权值.最后以借鉴某管道泄漏的部分先验知识建立模糊规则的基础上,通过仿真验明了方法在管道泄漏诊断中的有效性和可行性.     

管道内表面质量检测系统设计

介绍了人工神经网络技术在管道内表面质量实时检测系统中的应用，该系统采用ＢＰ神经网络作为规则检测器对被测图象进行特征提取和分类识别，并利用改进的ＢＰ算法使网络的学习过程以较快的速度收敛于全局最小点。     

计算机图像分析技术在天然气管道腐蚀检测中的应用

将计算机图像分析技术应用于天然气管道腐蚀检测之中，解决了传统检测方法不能直接反映天然气管道内壁情况的缺陷。本文介绍了这种方法的硬件组成，为了提高管道内壁图像的质量，增加图像的可观观，本文还提出了一种新型的图像模糊增强算法。     

长输油气管线缺陷识别软件系统设计与实现

为了充分发挥金属磁记忆技术在管道缺陷检测中的优势,解决磁记忆信号本身不能判断缺陷类型的问题,建立了一种管道缺陷识别分类方法,设计并开发了一套基于C#和MATLAB混合编程的长输油气管线缺陷识别软件系统。该软件利用MATLAB对长输管线金属磁记忆数据进行数据处理、特征量计算及方法建模等工作,利用C#搭建面向用户的操作界面,使用户能够快速准确地对长输油气管道中的腐蚀缺陷、焊缝应力集中区域、弯管应力集中区域进行识别定位并加以区分。     

Hybrid modeling in pattern recognition and control

Four technologies are discussed: fuzzy pattern recognition (numerical and syntactic), computational neural networks, and fuzzy control. The paper assesses the maturation of these disciplines by giving two examples of crossfertilization between control and pattern recognition. First, the use of pattern recognition (fuzzy clustering and feed forward neural networks) to help develop and represent fuzzy controllers is illustrated. Second, an example of waveform analysis by syntactic pattern recognition that uses the fuzzy control paradigm is given. The paper concludes with some ideas about what should happen next, and what may happen next, in terms of hybridization between the four disciplines.     

基于模糊集隶属度特征和贴近度的徽标识别

模糊信息理论是一种基于模糊集理论的信息科学,模糊集理论在模式识别中表现出很好的性能,两者相结合形成了模糊模式识别.针对图像智能处理中对徽标识别的应用需求,提出了一种基于模糊集隶属度特征和贴近度的徽标识别算法.该算法通过把徽标网格特征映射转化成模糊集的隶属度特征并根据贴近度进行识别,显著增强了对质量不佳图像的适应性和抗干扰性,有效提高了徽标识别系统的柔性处理能力.实验表明,使用该徽标识别算法的识别率能达到94.5%.     

基于表格查寻学习算法的自适应模糊分类器

以手写体数字识别问题为背景,提出了一种基于表格查寻学习算法的自适应模糊分类 器,并用Matlab给出了自适应模糊分类器的实现,进而对其进行了仿真。仿真结果表明,该自适应模 糊分类器在手写体数字识别的识别性能、利用语言信息、计算复杂性等方面均优于采用BP算法的三 层前馈分类器,体现了自适应模糊处理技术用于模式识别的优越性和潜力。     

基于模糊模式识别的瓦斯预测报警系统

利用凌阳16位单片机（SPCE061A）语音识别的功能,同时结合模糊模式识别的理论,设计出了一个带有模糊模式识别算法的瓦斯预测报警系统.实验结果表明,该系统具有实现简单、操作灵活、运行可靠等特点.     

A hybrid immune model for unsupervised structural damage pattern recognition

This paper presents an unsupervised structural damage pattern recognition approach based on the fuzzy clustering and the artificial immune pattern recognition (AIPR). The fuzzy clustering technique is used to initialize the pattern representative (memory cell) for each data pattern and cluster training data into a specified number of patterns. To improve the quality of memory cells, the artificial immune pattern recognition method based on immune learning mechanisms is employed to evolve memory cells. The presented hybrid immune model (combined with fuzzy clustering and the artificial immune pattern recognition) has been tested using a benchmark structure proposed by the IASC–ASCE (International Association for Structural Control–American Society of Civil Engineers) Structural Health Monitoring Task Group. The test results show the feasibility of using the hybrid AIPR (HAIPR) method for the unsupervised structural damage pattern recognition.     

模糊模式识别技术在水电仿真考核系统中的应用

提出了一种新的基于模糊模式识别的信息融合方法,即针对传统的确定性数学模型解决不确定问题存在的困难,建立了模糊模式识别的模型,并把此模型应用于吉林丰满水电数字仿真系统的成绩考核系统中,将参数的模糊集与正确等级模糊集进行匹配,降低了系统中1确定因素对考核系统的影响.经实验表明,此模型能正确解决不确定问题.     

模糊情感分析及其在E-learning系统中的应用

摘基于模糊数学,本文提出了用模糊数学的评价集方法对学习者进行综合评价,是模糊模式识别的一种新的扩展和应用,为拟人化和情感识别提供了一种新的研究思路。同时本文设计了一个具有情绪反应的智能Agent助理。根据以上提出的模糊情感识别,我们将模糊情感识别的结果应用于E-learning系统,从而实现了教学系统的人性化和智能化。     

基于模糊模式识别的巴布剂均匀度检测系统

为实现对巴布剂涂布过程中均匀度的检测,提出一种基于模糊模式识别的检测方法。根据采集图像像素点之间的空间和时间相关性及其特征界限的模糊性,引入模糊集理论,运用模糊算法对像素点的灰度值进行识别分类。检测系统采用基于CycloneⅡ系列的FPGA技术,运用Verilog HDL硬件语言对系统完成建模与实现,并且通过了仿真和验证。通过在线测试,对视频数据流进行分析、处理和识别,实现对涂布过程中巴布剂均匀度的检测,根据统计结果,正确率达到95%。检测结果证明了模糊模式识别算法的可行性和检测系统的可靠性。     

不确定信息条件下的灰色模式识别

为了解决工程中存在的由不确定信息引起的灰色模式识别问题,首先定义了区间灰数,建立了区间灰数的距离计算公式;然后将灰色关联理论与模糊集理论相结合,提出一种基于区间灰数模糊灰关联分析的灰色模式识别方法,并给出了这种灰色模式识别结果的可信度。最后通过工程实例说明了该方法的正确性和有效性。     

基于视觉传达的多维彩色图像模糊区域特征识别方法

为了提高多维彩色图像的检测识别能力,提出一种基于视觉传达的多维彩色图像模糊区域特征识别方法。构建多维彩色图像模糊区域特征匹配模型,采用模板匹配方法进行多维彩色图像的多尺度结构二值模式分割处理,对分割后的彩色图像利用视觉传达方法进行模糊区域特征提取,获得适应于图像识别表达的像素特征集,采用零均值化的图像滤波方法进行多维彩色图像降噪处理,提高多维彩色图像模糊区域特征检测和识别能力,结合图像的旋转不变性和灰度不变性,实现多维彩色图像模糊区域特征识别。仿真结果表明,采用该方法进行多维彩色图像模糊区域特征识别的准确性较高,特征匹配能力较强。