基于涡流C扫描成像的缺陷量化检测技术研究

提出了基于涡流C扫描成像的缺陷检测方法,以直观准确地识别与量化缺陷参数。首先搭建涡流C扫描成像检测装置,用以测量不同尺寸和深度的裂纹试件,得到目标区域的C扫描图像;然后利用主成分分析方法提取缺陷的位置信号特征;最后在位置识别的基础上,采用Sobel算子获取缺陷轮廓,并应用污染区域与裂纹实际长度值之间的线性关系对参数估计值进行修正,提高缺陷尺寸检测精度。实验结果表明,所提出的方法可以快速识别缺陷位置、缺陷轮廓,识别精度在5%以内。     

基于GA-BP神经网络的ACFM实时高精度裂纹反演算法

针对传统交流电磁场检测(ACFM)特征信号难以实现缺陷高精度实时反演的问题,在电磁耦合ACFM探头有限元模型分析的基础上,引入能量谱和相位阈值判定方法实时获取裂纹特征信号,建立裂纹实时反演实验系统并进行裂纹检测实验,基于加入遗传算法的BP神经网络(GA-BP)建立的ACFM实时高精度裂纹反演算法对实验得到的裂纹特征信号进行长度和深度的反演。结果表明:电磁耦合ACFM探头有限元模型可较好地仿真裂纹特征信号;采用能量谱和相位阈值判定方法能够实时获取裂纹特征信号;GA-BP神经网络能够实现裂纹长度和深度的反演,反演精度误差不超过10%。     

基于图像型的火灾烟雾检测技术研究

为了提高基于图像型火灾烟雾检测的准确性和实时性,提出了一种基于支持向量机的火灾烟雾检测方法。首先对图像进行增强处理,再通过累积差分法对运动区域进行检测,再基于烟雾的扩散性,对烟雾和干扰源进行初判,然后对提取的目标区域进行特征提取,最后基于支持向量机对烟雾和干扰源进行分类检测。仿真实验结果表明,该方法具有较好的鲁棒性和较高的识别率。     

基于支持向量机的文本分类技术

在文本分类过程中,影响分类准确率的两个重要因素是特征权重的计算方法,以及机器学习算法的准确率。针对传统基于支持向量机的文本分类准确率不高的问题,本文提出修正权重计算公式和采用调整支持向量机核函数参数的方法,使文本的分类准确率提高了近3个百分点。实验结果表明这两种方法的结合,确实可以提高文本分类的准确率。     

低照度室内烟雾的计算机视觉检测方法

为实现低照度室内火灾的早期预警,提出一种计算机视觉检测方法。通过摄像头获取图像,采用自适应中值滤波对图像进行去噪,采用直方图均衡化进行增强,并采用基于改进学习率的混合高斯模型提取烟雾区域,对所提取烟雾的纹理特征、运动方向特征以及面积特征进行融合,采用基于支持向量机的识别算法对烟雾与干扰物进行分类检测。实验结果表明,该算法可以有效区分烟雾与干扰物,有较高的识别率与鲁棒性。     

蒸汽发生器传热管电涡流检测探头响应的理论建模与仿真

为了研究蒸汽发生器传热管缺陷与探头信号的定量关系以实现缺陷的自动定量检测,利用有限元方法建立了蒸汽发生器传热管电涡流检测探头响应的理论模型。通过仿真和实验研究环形槽和腐蚀坑两种典型缺陷的探头响应信号,发现仿真与实验结果的规律一致,验证了所建模型的正确性。随后,应用本文所建理论模型仿真研究了缺陷位置和大小对探头信号的影响规律。结果表明:在优化工作频率的前提下,内壁缺陷和外壁缺陷的信号相位差异显著,探头信号的强弱主要取决于缺陷大小。据此,可根据探头信号的相位识别缺陷位置,根据探头信号的大小量化缺陷参数。该研究成果可为蒸汽发生器传热管电涡流检测探头信号的自动分析提供理论依据。     

基于TSP203系统和GA-SVM的围岩超前分类预测

 为有效地进行隧道围岩类别超前分类,提出基于TSP203系统和遗传–支持向量机的围岩类别超前分类方法。以TSP203系统为基础,从探测结果中提取有用信息,建立围岩类别超前分类指标体系,并采用支持向量机进行围岩超前分类预测。建立围岩类别超前分类指标体系时,采用TSP203中可有效识别的围岩分类参数来实现：岩体完整性系数、泊松比、静态扬氏模量、主要结构面与洞轴线的夹角、不连续结构面状态和地下水发育情况。确定支持向量机参数时,采用遗传算法在解空间里进行全局搜索,以改善支持向量机在围岩分类中的识别精度。最后将该方法应用于实际工程,结果表明该方法实际可行,在围岩类别超前分类中具有较高的准确性,为围岩类别超前分类提供了一种新思路。     

基于支持向量机的基因剪接位点研究

只要将内含子识别出来就可以得到准确的剪接位点。所以在此使用识别内含子的方法来获得剪接位点。首先利用支持向量机算法,分析供体位点和受体位点之间的内含子两端序列对于基因剪接的影响,并对内含子两端序列的长度与剪接的关联性进行了深入的研究。研究发现,内含子区别于伪内含子的特征信息同时存在于内含子两端大约各70个碱基。由于标准支持向量机受类别差异影响和噪声、野值数据干扰较重,使得分类能力不高,所以提出将一种改进的支持向量机算法……加权近似支持向量机应用于剪接位点的识别中,结果表明加权近似支持向量机在识别内含子的准确率方面要优于标准支持向量机。     

基于自适应最稀疏时频分析的电力线线夹段缺陷检测研究

电力钢绞线是电能输送的载体,电塔上的悬垂线夹是提拉电力钢绞线的关键部件。悬垂线夹结构具有半封闭特点,导致线夹内的钢绞线在受到风载、雨水侵蚀或雷击等外部作用后,更易产生较为隐蔽的缺陷。为有效检测线夹段架空线缆的状态,根据线缆的常见缺陷特征及导波特性,提出了一种基于ASTFA和信号时频熵的损伤识别方法。首先,对GJ100型钢绞线中的导波传播特性进行分析;其次,引入自适应最稀疏时频分析算法和时频熵构建损伤评估指标,并对有限元仿真信号进行指标计算,初步验证该指标的有效性;最后,实验室及现场的实验证明了该方法具有可行性。结果表明：（1）低频低阶纵向导波更适用于钢绞线检测,本文选取64 kHz的L(0,1)模态;（2）随着损伤程度的增加,损伤评估指标的值上升,且导波频率对指标值的影响有限;（3）根据实验划分了损伤程度评价范围,现场试验证明该指标较为可靠。     

基于有限元法的管子缺陷涡流检测的可靠性研究

将有限元分析方法用于涡流定量检测的可靠性研究中,涡流探头采用一对差动式轴绕线圈,通过对管子缺陷进行模拟和分析,获得了管子缺陷在不同深度和宽度条件下的定量偏差范围和定性关系,证明了可靠性定量分析在缺陷宽度很小时具有更大的实用性,从而提高涡流检测的效果与精度。