用径向基函数网络复原超声C扫描图像

针对超声C扫描图像中存在噪声干扰和边界模糊而导致图像质量下降的问题,提出了一种基于径向基函数网络复原超声C扫描降质图像的方法.用Φ3mm平底孔的超声C扫描降质图像对网络进行训练,建立了降质图像和复原图像之间的映射关系,并用其它降质图像验证了网络.试验结果表明,该网络能有效地消除图像中的噪声和边界模糊现象,使图像中尺寸更加接近实际尺寸.同时,通过对比三种不同网络的复原效果,得到了一个最佳网络参数.     

弧形电触头超声C扫描图像校正问题的研究

通过分析弧形电触头钎焊界面的超声C扫描成像原理，发现由于弧面高度的变化引起的反射回波在传播时间上的差异，导致了对缺陷回波采样过程中叠加了表面回波分量，从而形成了在超声C扫描图像中不均匀分布的图像背帚，该背景满足二次曲面形式。根据最小二乘法原理，采用二次多项式拟合图像背景，并根据拟合结果校正超声图像。结果表明，图像背景拟合结果与理论分析一致，通过对弧形触头的超声C扫描图像进行校正，消除了不均匀背景对超声图像的影响，校正后的图像正确反映了钎焊界面缺陷信息，有效解决了弧形电触头钎焊质量超声无损评价问题。     

基于径向基函数网络的图像三维恢复技术在雕刻加工中的应用

基于图像的三维恢复技术的目的是采用单幅图像中物体表面的明暗变化来恢复其表面各点的相对高度,从而对三维物体进行曲面恢复。提出了一种基于径向基函数网络模型进行图像三维恢复的新方法,建立了径向基函数的网络模型,并构造出一个曲面公式, 其中输出对两个输入变量的偏导数满足反射函数方程,反射函数方程中的灰度值已知,利用反射函数与灰度值之间的误差作为约束条件调节网络权因子、径向基函数中心和宽度,使得构造的曲面中每一点都满足反射函数方程,从而拟合整个曲面。该方法无需光滑约束和积分约束条件,求出的解是一个连续解。通过不同方法对合成图像圆球和花瓶的实验表明,该算法恢复的曲面的高度点最大误差精度提高1倍到4倍,平均误差精度提高5倍到20倍,恢复的曲面具有良好的连续性和光滑性,它不仅可以恢复图像中各网络点的高度,而且可自动内插网络点之间任意点,适合于任意反射模型图像的曲面反求,恢复出的曲面便于进行后置处理生成刀具路径,并进行雕刻加工。     

用径向基函数网络实现光学电流传感器线性双折射效应的补偿

线性双折射效应是限制光学电流传感器实用化的关键因素。文中采用径向基函数神经网络来实现光学电流传感器线性双折射效应的补偿,介绍了网络的基本原理,论述了线性双折射效应的具体补偿方法,并将本方法与采用ＢＰ网络的方法进行了比较,结果表明用向基函数网络实现光学电流传感器性双折射效应的补偿具有速度快、精度和简便实用的特点,是行之有的。     

基于数学形态学的超声C扫描图像校正方法

通过分析表面波对超声C扫描图像的影响发现,由于超声探头纵向分辨率的限制,对缺陷回波采样过程中叠加的表面回波分量在超声C扫描图像中形成了不均匀分布的图像背景,影响了超声无损评价的准确性.针对上述问题,采用基于数学形态学的形态滤波方法对C扫描图像进行了校正.试验结果表明,通过形态滤波,超声C扫描图像中的不均匀背景得到了校正,同时保留了缺陷的结构特征,进一步对图像进行阈值分割,分割结果准确性明显提高.     

基于数学形态学的超声C扫描图像校正方法

通过分析表面波对超声C扫描图像的影响发现,由于超声探头纵向分辨率的限制,对缺陷回波采样过程中叠加的表面回波分量在超声C扫描图像中形成了不均匀分布的图像背景,影响了超声无损评价的准确性.针对上述问题,采用基于数学形态学的形态滤波方法对C扫描图像进行了校正.试验结果表明,通过形态滤波,超声C扫描图像中的不均匀背景得到了校正,同时保留了缺陷的结构特征,进一步对图像进行阈值分割,分割结果准确性明显提高.     

径向基函数神经网络的全监督算法

径向基函数神经网络的学习过程一般分为两个阶段非监督学习和监督学习阶段,分别调整网络的中心和权值.这里将网络的总体误差作为目标函数,以待求的所有参数作为变量,同时调整,构成全监督算法.为了提高收敛速度,采用共轭梯度法作为参数优化方法.通过混沌时间序列预测仿真证明,该算法具有良好的性能.     

基于正交最小二乘学习算法的径向基函数网络设计

利用正交最小二乘（ＯＬＳ）方法给出径向基函数网络（ＲＢＦＮ）中心的选择算法；用ＯＬＳ学习算法选择ＲＢＦＮ中心，基本思想是以ＯＬＳ算法导出的误差下降速率指标为依据，按照每个正交向量对误差下降速率的贡献大小，依次选取作为网络的中心向量，所得到的网络不但具有唯一性，而且还有最少的中心数目；给出应用实例，实例说明，生成的网络规模小、速度快、而且能够避免数值病态情况的发生。     

一种基于超声C扫描成像原理的图像边缘检测方法

针对超声C扫描图像中缺陷边缘的模糊问题，通过建立超声C扫描成像的数学模型，分析了异种材料结合界面超声波反射能量的分布情况。结果表明，由于聚焦探头焦点直径的存在．使得结合界面中缺陷边缘两侧反射声波能量发生变化，从而引起了超声C扫描图像中缺陷边缘的模糊现象。基如此，提出了一种快速确定C扫描图像缺陷边缘的方法。对平底孔超声C扫描图像边缘检测的试验结果表明，该方法适用于超声C扫描图像的边缘检测．明显优于Sobel算法和Canny算法，能够快速准确检测出缺陷边缘。     

基于径向基函数网络多光谱辐射测温技术理论研究

在多光谱辐射测温技术中常需要假设光谱发射率及波长之间的数学模型。文中介绍了一种基于神经网络的多光谱辐射测温数据处理方法,代替了假设发射率模型的方法。利用径向基函数网络,可由网络的输出直接得到目标的真温和光谱发射率,并分析了各种测试情形对测结果的影响。计算机仿真结构表明此方法是一种比较好的获知真温与发射率的方法．     

基于径向基神经网络的直线超声电机位置控制

针对直线超声电机的精密位置控制,提出了一种基于径向基神经网络的自适应控制机制。鉴于直线超声电机工作原理,其运行状态必然受到摩擦、强非线性和时变等不确定性因素的干扰,为了对这些不确定性因素进行有效的逼近,采用了径向基神经网络。为了提高控制机制的自适应能力,首先利用来自试验数据的训练样本按正交最小二乘算法确定径向基神经网络的隐层单元的个数和相关参数,再按递推最小二乘法在线调整隐层与输出层之间的权重。试验结果表明,基于径向基神经网络的自适应控制器的性能不仅优于传统的PID控制和误差反向传播神经网络控制,而且具有很好的抗干扰能力。     

基于动态径向基函数代理模型的优化策略

针对飞行器多学科设计优化中传统的静态代理模型方法全局近似精度难以保证与计算效率较低的问题,提出一种基于动态径向基函数代理模型的优化策略.通过Maximin拉丁超方计算试验设计在设计空间中选择初始样本点,构造径向基函数代理模型,并通过全局优化算法对当前代理模型进行优化获得原优化问题的可能最优解,根据已知信息构造重点采样空间,在优化过程中逐步更新重点采样空间并在其内部增加样本点,并更新代理模型以提高代理模型在全局最优解附近的近似精度,直至优化迭代收敛.将本优化策略应用于数学测试算例和NASA减速器优化设计中,优化结果表明,使用本优化策略可以获得分析模型的全局最优解.与直接使用遗传算法相比,计算分析模型的次数减少了95%,相比于传统的静态径向基函数代理模型方法,计算分析模型的次数减少了50%.     

径向基函数网络在液压泵故障诊断中的应用与实现

通过神经网络在故障诊断方面的应用 ,利用Matlab提供的大量径向基网络工具函数来设计网络、确定权函数、网络输出 ,采用径向基函数 (RBF)网络来有效地实现对液压泵的故障诊断。该文表明 ,对于局部逼近的RBF网络学习速度快、训练步数少 ,该网络适合用于液压泵故障诊断问题中     

超声C扫描图像的缺陷边缘提取及特征参数构建

在超声C扫描成像的基础之上，使用边缘跟踪算法对图像原始数据文件进行缺陷边缘提取，构建了表征图像缺陷的新的参数体系，并开发了相应的软件进行验证。与传统的Sobel算子和Gauss—Laplace算子边缘检测得到的结果相比，所提出算法得到的结果更加准确、有效，构建的参数也能较好地表现缺陷区域的特征，有利于进行进一步的缺陷识别。     

基于径向基函数神经网络的发动机磨损预测分析

针对BP神经网络算法的不足,利用径向基函数(RBF)神经网络建立设备的磨损预测模型,对光谱分析数据进行实例仿真,并与BP网络模型进行对比研究.仿真结果表明,该模型预测精度高,训练时间短,大大优于BP神经网络模型.     

基于RBF神经网络的三角网格曲面孔洞修补

针对由测量数据重建得到的三角网格曲面存在孔洞的问题,提出了一种基于径向基函数(RBF)神经网络的修补方法.该方法首先检测出孔洞,通过对孔洞特征多边形实施三角化获得新增三角片顶点;在孔洞边界周围采集三角片顶点,将其作为样本点集来训练RBF网络;将训练好的RBF网络用于新增三角片顶点坐标的优化,最终实现孔洞的修补.修补实例表明,该算法对流形曲面上封闭孔洞的修补精度较高,修补效果良好.