基于小波包分析木材声发射信号消噪处理

由于目前的滤噪技术在检测木材声发射信号时还存在一定的缺点,本文根据木材声发射信号的特征,基于小波包分析研究了利用信号的小波包分析、计算和最佳小波包基的选取.采用默认阈值方法处理小波系数,通过小波包重构得到消噪后的木材损伤声发射信号,噪声得到较好的抑制.结果表明用小波包变换进行消噪处理,噪声消除彻底,提高了损伤缺陷检测的准确性.     

煤岩声发射信号识别研究

针对煤岩破裂的声发射信号难以在复杂的噪声环境中识别的问题,提出了一种基于小波包分析和小波特征能谱系数分析的煤岩声发射信号识别方法。选取Symlets小波作为煤岩声发射信号分析的小波基函数,采用混合阈值算法对该信号进行去噪处理,提取出有用声发射信号,并采用Matlab软件分别对有用声发射信号和噪声信号的小波包分解进行仿真,得到两者的小波特征能谱系数和小波包特征向量。仿真结果表明,有用声发射信号特征向量的各级能量变化程度较大,噪声信号特征向量的能量变化较为稳定,从而可实现煤岩声发射信号的识别。     

基于小波包改进算法的管道泄漏特征信号提取

在管道泄漏检测时,标志泄漏发生的特征信号相对较弱,这为泄漏特征信号的提取带来了极大困难。首先基于有限元仿真软件ANSYS研究声发射波在管道上的传播特性,分析泄露特征信号提取算法研究的必要性;然后提出一种泄露特征信号提取的改进小波包分解与重构算法;最后基于改进后的算法对实验室里采集到的泄漏声发射信号进行泄露特征信号提取实验。实验结果表明,改进算法可以准确提取出泄漏特征信号。它克服传统小波包算法分解和重构中的上采样与下采样带来的混频,为后续的定位分析创造了良好的条件。     

小波包分析在刀具声发射信号特征提取中的应用

分析了刀具的切削状态,介绍了刀具的声发射信号检测系统和小波、小波包分析技术,以及小波包频带能量分解方法,提出了小波包分解功率监测特征量提取技术.通过在刀具声发射的一个实例信号中的应用,有效地区分了刀具的两种切削状态,验证了小波包分解功率监测特征量提取方法的可行性.     

基于CEEMD和改进小波阈值的机械密封声发射信号降噪方法

声发射作为一种无损检测结束被广泛应用于多个领域,针对声发射信号难以从背景噪声种分离的问题,提出了一种基于互补集合经验模分解（CEEMD）与改进小波阈值相结合的降噪方法。首先对声发射信号进行CEEMD分解,通过峰宽占比确定信噪分量分界点,对噪声分量进行改进的小波阈值降噪,将降噪后的分量与其余分量进行信号重构得到最终降噪结果。通过仿真信号和机械密封声发射实验信号论证了本文方法相较于传统小波降噪和CEEMD强制降噪更有效。     

碳纤维复合材料缺陷的小波包分析

利用超声相控阵检测系统对含有裂纹、夹杂、分层三种缺陷的碳纤维复合材料实验板进行检测。对采集到的缺陷信号,在计算机中利用小波包变换进行分析。提出基于距离可分性测度的小波基评估准则,以确定最优小波基。对三种缺陷信号用sym8小波进行小波包的分解和重构,用"频率-能量"的方法提取各类缺陷信号的能量特征;结果表明,该方法对碳纤维复合材料的缺陷类型的区分具有较好的效果,从而为缺陷自动识别奠定了基础。     

轴承早期故障特征提取方法研究

针对滚动轴承早期故障信号被背景噪声淹没、故障特征不明显的问题,提出一种基于小波包分解和互补集合经验模态分解(CEEMD)的轴承早期故障信号特征提取方法.利用Matlab软件对采集到的轴承振动信号进行快速谱峭度分析,根据峭度最大化原则确定带通滤波器的中心频率和带宽,设计带通滤波器;对经过带通滤波器滤波后的信号进行小波包分解和CEEMD分解,根据峭度、相关系数筛选出有效本征模态函数(IMF)分量;利用IMF分量重构小波包信号,对重构小波包信号进行包络谱分析,提取轴承早期故障信号特征频率.该方法通过谱峭度分析降低背景噪声干扰,通过小波包分解增强故障冲击信号,并将CEEMD与小波包分解相结合,解决经典EMD分解存在的模态混叠、无效分量问题.仿真结果表明,相较于传统包络解调算法,重构后信号的背景噪声得到抑制,故障特征分量突出,验证了所提方法的可行性和有效性.     

基于小波包与模糊聚类算法的声波法检测流化床内颗粒的平均粒度

平均粒径是气固流化床反应器运行时需要监控的重要参数之一,利用声波信号检测床内颗粒平均粒度的方法能克服传统方法不能实时在线测量的缺陷,安全环保不侵入流场.先用Db5小波包将声发射信号3尺度分解,求出各细节信号小波系数的绝对值加和,构成声信号的能量模式,标准化之后经主成分分析得出主成分,再用模糊均值聚类方法分类.由于不同粒度的声波信号经小波包分解后,其小波系数绝对值加和具有特定的模式,因而,这种方法分类准确性达98%以上.     

单向阀的小波包核主元分析故障检测

高压活塞隔膜泵是管道输送的最重要动力源,为了解决其内部单向阀故障的在线监测问题,提出一种基于声发射信号的小波包时频及核主元分析(KPCA)的检测方法。首先采用小波包对声发射数据进行处理,求出信号各频率段的能量值;然后采用KPCA方法对能量值在高维空间进行分解建立特征模型,利用特征模型中的SPE和T2统计量对故障信号进行检测;最后对GEHO型隔膜泵单向阀的声发射数据进行实验验证。通过与主元分析方法的比对,表明所提方法能够快速、准确地对单向阀故障进行在线检测,在高压活塞隔膜泵无损故障检测领域具有良好的应用前景。     

基于小波与数学形态学的木材缺陷检测

木材缺陷检测是木材加工中的重要步骤,为了实现木材缺陷自动检测,提出了一种基于小波与数学形态学的缺陷检测方法。首先用多尺度小波对缺陷图像进行分解,滤除缺陷图像中的干扰信息,然后进行小波重构,在重构图像上进行形态学bottom-hat变换,结合阈值处理和区域生长检测出各种木材缺陷。实验表明,该方法具有高效准确的特点,能够满足木材加工过程缺陷检测的实际需求。     

基于Lab VIEW的多通道木材声发射信号采集系统

为采集木材在长时间载荷作用下的声发射信号,设计了一种多通道的高速数据采集系统.首先,利用NI USB-6336高速采集卡和声发射传感器等硬件搭建4通道声发射信号硬件采集平台;其次,基于Lab VIEW设计人机界面及软件控制系统;最后,通过木材三点弯曲试验来验证该采集系统的效用.试验结果表明,该4通道的信号采集系统能有效地采集与自动存储木材在损伤过程中的声发射信号.作为一种木材声发射信号采集平台,该系统能够为木材声发射信号的采集与分析提供基本保障.     

智能声发射仪的研究

针对现有的声发射仪仅具有声发射数据采集功能,而无数据分析处理功能的问题,提出了一种智能声发射仪的设计方案。该声发射仪在数字式声发射仪的基础上,通过建立已知缺陷模式库,采用模糊识别模式对活动缺陷进行类型判定并作出等级评估。下一步工作重点是建立一个比较完善的标准声发射源数据库,为仪器的智能化实现打下基础。     

基于改进YOLOv3的木结缺陷检测方法研究

针对木条表面死结和活结缺陷在检测过程中定位困难、平均识别精确度较低、检测速度较慢的问题,在分析木结缺陷特点和改进深度学习YOLOv3模型的基础上,研究其应用于改善木结缺陷检测时的精确度和速度。首先,对活结缺陷图像进行数据扩增,以解决类别不平衡问题。然后,改进k-means++算法,提升木结缺陷目标框的维度聚类效果,得到更合适的初始目标框个数与尺寸;通过缩减YOLOv3中多尺度检测网络、改进损失函数,以减少检测时间和提高目标识别精确度。最后,对木结缺陷进行拼接得出位置坐标。试验结果表明,较改进前YOLOv3算法,mAP值提升7.47%,检测速度提高35%;较Faster R-CNN算法mAP值提升11.68%,检测速度提高约15倍,改进后模型能精确地检测出死结和活结缺陷。因此,在后续研究中,可考虑以YOLOv3算法作为检测木结缺陷模型,进一步改进YOLOv3网络,以提高检测实时性和精确度。     

基于深度置信网络的实木板材缺陷及纹理识别研究

针对在现代木材加工企业中,实木板材以缺陷及纹理为主要品质分级要素的需求,提出利用基于局部二值模式、自学习的深度置信网络与softmax分类器组合的深度学习算法,实现对实木板材缺陷及纹理的分类。首先提取实木板材的缺陷及纹理特征,在此基础上利用深度置信网络对经过局部二值化处理的特征进行训练学习,并采用可自学习的学习率算法优化收敛速度、减少训练时间,最后使用softmax分类器获取常见缺陷及直纹、花纹的分类结果。通过与BP神经网络、支持向量机、极限学习机等几种经典算法的比较,采用深度置信网络得到的实木板材缺陷及纹理识别的误差率在3.59%左右,在实木板材缺陷和纹理上取得了更好的识别效果。     

基于纹理提取和SVM技术的自动木材缺陷识别

要：支持向量机（SVM）是一种新的模式识别方法,有较好的泛化能力和推广能力。研究了基于纹理提取和支持向量机的自动木材表面缺陷的识别问题,借助LBP纹理特征提取技术实现对木材图像数据降维处理,并研究了木材表面不同类型缺陷的分布规律。利用支持向量机分类算法对木材表面有无缺陷进行了快速准确的自动识别,实现了木材表面缺陷的自动定位。多次交叉实验表明,SVM分类算法对木材表面缺陷具有较好的识别能力,识别率可达96％以上。     

基于改进的狼群算法的新型广义熵图像分割

为了更准确地分割出图像中需提取的目标,提出改进的狼群算法与新型广义熵结合实现图像分割。在狼群算法游走行为中引入周期性随机扰动策略动态调整算法权重,并在狼群算法攻击行为中引入混沌全局搜索,将此改进的狼群算法与新型广义熵结合完成图像分割,用峰值信噪比作为图像分割评价指标对结果进行验证。结果表明,该算法能更准确地分割出图像中需提取的目标,比基本狼群算法与新型广义熵结合的分割结果更准确清晰。     

基于PSO的SVM的煤岩声发射源定位研究

为了准确的预测采空区煤矿煤岩破裂与失稳前岩石所释放出来的声发射信息的位置,并且根据山西焦煤的官地矿16403工作面获得的声发射事件的数据,因为该数据是一个非线性、高维的问题,提出了用PSO和SVM算法相结合的方法在煤矿煤岩声发射定位中的应用进行了研究。以往的方法只是单纯的收集煤岩或岩石声发射信息,以至于定位会出现失准、精度低和误差大的缺点。文章提出了“1+1=1”的定位方法,既收集同一位置的岩石和煤岩体的声发射信号,分析处理后,得到其位置。在煤岩失稳前两者都会发出强烈的信号。仿真结果表明：应用PSO和SVM理论结合的方法进行煤矿煤岩声发射定位的预测,在提高准确性和精确度的同时,也大大的提高了泛化的能力,该方法也大大减小定位失准的误差。     

基于遗传算法和数学形态学的木材分选图像分割研究

在木材分选过程中,能否精确提取缺陷轮廓是提高分选准确率的重要因素。本文讨论了提取木材缺陷轮廓的疗法,应用了遗传算法与数学形态学4相结合的方法对缺陷图像进行图像分割,最终提取出缺陷边缘,开与使用他统方法进行图像分割后提取出来的缺陷边缘结果相对比。对比结果显示,经过遗传算法和数学形态学进行图像分割,最后得到的小材缺陷轮廓更加消晰,连贯,易于识别。     

人工神经网络在木材损伤识别中的应用

利用人工神经网络(ANN)对含有不同缺陷程度的木材进行了定性和定量解析.通过选择合理的神经网络结构,建立有效的训练样本集,确定合理的参数及训练方法,对3种不同缺陷类型木材进行了解析,考察了网络的泛化能力.结果表明:该网络能够对不同缺陷程度的木材进行准确地识别,而且本研究为人工神经网络在木材缺陷损伤的定性和定量分析方面提供了一种有效的方法.