基于圆锥形仿生气体室的鸡肉新鲜度电子鼻检测技术

为了快捷、无损检测鸡肉新鲜度,建立了基于圆锥形仿生气体采集室的电子鼻系统。根据鸡肉产生的气味,合理选用了气敏传感器阵列。借鉴嗅觉灵敏的犬类鼻道结构,优化设计了仿生气体采集室。采用RBF神经网络作为模式识别方法。经理化试验结果表明,系统检测鸡肉新鲜度准确率高达98.75%,因此所设计的仿生电子鼻检测鸡肉新鲜度是可行的。     

基于遗传组合网络的肉用人工嗅觉系统

根据肉的气味研制了一套适合肉品新鲜度检测的肉用人工嗅觉系统。通过分析肉品腐败机理,合理选用了气敏传感器阵列,优化设计了仿生气味收集装置及信号调理电路。依据肉气味模式,采用遗传优化的组合RBF神经网络作为模式识别方法。理化试验结果表明,肉用人工嗅觉系统检测肉新鲜度准确率达95%,优于其他通用人工嗅觉系统。     

基于人体嗅觉特征的猪肉新鲜度仿生电子鼻检测技术

借鉴成人鼻腔的特殊结构及其嗅觉原理设计出具有仿生意义的气体室。根据猪肉产生的气味和传感器实验,合理选择气敏传感器。采用支持向量机(SVM)作为模式识别方法。经理化试验证明系统检测猪肉新鲜度准确率达96.45%,结果表明设计的仿生电子鼻系统检测猪肉新鲜度是可行的。     

鸡肉的压力特性曲线与其新鲜度的关系

利用微机控制电子万能试验机测量了鸡肉的压力特性曲线,分析了肉的弹性与其新鲜度的关系以及肉的压力特性曲线中各参数与肉的弹性及其新鲜度之间的关系。结果表明,肉的压力特性曲线中多个力学参数能够反映其新鲜度。该测试方法使多年来肉的弹性测量从定性变成定量,为仿生触觉检测评价肉新鲜度技术的应用提供了参考。     

木片在线测量系统的研究

为了给木片质量在线分级,实现木片的优化管理,本文设计了木片管理系统CMS(Chip ManagementSystem).该系统采用前馈神经网络模型测得木片新鲜度和种类等级,利用近红外传感器测量木片含水率,根据多次粒度测量法获取木片尺寸信息,基于贝叶斯分类器原理利用虚拟传感器实现树皮含量的检测,最后根据以上测得的木片属性参数定义木片的质量等级.测量结果表明该系统可以准确地在线测量木片的属性参数,实现木片等级的在线预测.因此本文提出的CMS,可以根据木片质量的等级信息管理木片、监控木片的供给,从而达到制浆过程中优化精炼控制.     

鸡蛋贮藏时间和新鲜度的电子鼻检测

研制一套适合鸡蛋品质的电子鼻系统,对不同贮藏方式和时间的鸡蛋进行检测,并采用主成分分析(PCA)、线性判别函数分析(LDA)和BP神经网络(BPNN)、遗传优化神经网络(GANN)等进行模式识别.结果发现,不同贮藏时间的鸡蛋所对应的电子鼻传感器响应特性不同.PCA和LDA结果表明,两者都可以较好地区分不同贮藏方式和时间的鸡蛋,采用LDA的效果比PCA的效果好;采用BP神经网络和遗传优化神经网络方法,能较好地预测不同贮藏时间的鸡蛋,其中遗传优化神经网络的判断正确率高于标准BP网络;利用二次回归分析(QPSR)建立鸡蛋新鲜度指标的预测模型,模型的预测值和测试值的相关系数大于0.90.     

肉品气味信息采集系统的设计

针对人工评价肉品气味主观性强、重复性差的缺点,设计了肉味信息采集分析系统。该系统根据肉在存放过程中发出的主要气味,合理筛选出5种气敏传感器,构成传感器阵列;根据气味采集的特点,设计了肉品气味收集装置。通过正交试验优化了肉味收集装置参数,最佳参数为：风扇风速1.6m／s,收集箱容积为2L,传感器阵列位置100mm。通过全面试验确认了传感器阵列的电阻变化范围,设计了带有温度补偿及抗干扰的差分电桥调理电路,试验优选出最佳桥臂电阻。根据肉品气味信号特征,将提取信号曲线的峰值、平均值、稳定值、30s值、峰面积作为特征值。研究分析了模式识别方法的优劣,确定了遗传优化的组合径向基函数神经网络作为肉品气味的模式识别方法。试验证明,该肉品气味信息采集系统检测肉品新鲜度正确率达95％。     

电火花线切割故障诊断中基于神经网络的数据融合技术

在电火花切割加工的过程中,准确判断中单个放电脉冲的放电状态是十分必要的。为此提出了基于神经网络的多传感器数据融合技术用于放电状态的判断,利用模糊神经网络作为多传感器数据融合的工具,降低了检测系统的成本,提高了检测的准确性,将其应用于自行开发的电火花线切割加工放电状态的预报系统的检测部分,在SCX－Ⅱ型数控线切割机床上证明该方法是有效和可行的。     

基于神经网络的颜色检测系统的设计

针对目前在线颜色检测系统在速度和精确度上的缺陷,采用光电传感器(photo sen-sor)光电检测技术,结合基于神经网络的模数转换器和嵌入式系统,提出了一种新的检测体系结构.基于该结构设计的颜色检测装置可用于农业科学选种和精加工等行业.     

基于WPNN与数据融合的损伤检测方法

目的 为了有效利用结构健康监测系统中的多源传感器数据信息，对复杂结构的健康状况进行诊断进而提高确诊率．方法 利用概率神经网络(PNN)的贝叶斯推理与诊断能力及多传感器数据融合原理，将神经网络与数据融合有机结合，使两者优势互补，提出了复杂结构损伤检测技术及其在多层框架结构中损伤检测及诊断中的应用．结果 提出了基于小波概率神经网络(WPNN)与数据融合的损伤检测方法．结论 基于WPNN与数据融合的损伤检测方法是可行的、有效的．     

一种羊肉品质无损检测方法的研究

对反映羊肉品质的气味、pH值、表面纹理色泽等信息进行了检测,通过人工神经网络建立了多数据融合检测模型,检测结果与肉类新鲜度国家标准TVB-N值相对应,实现对羊肉新鲜度的快速、无损检测.     

一种特定问题多目标识别系统的设计

在图像多目标实时跟踪系统中,多目标的快速识别是至关重要的．采用多帧相差,将运动目标与静态背景分离;根据图像中亮度不同的区域,采用动态查表法选择阈值,进行二值化;对各个目标提取复杂度、长宽比、紧凑度、复数矩等具有良好不变性的特征;利用神经网络对多目标快速有效的识别．经过实践证明该方法识别准确,速度快,效率高．     

油气管道缺陷漏磁在线检测定量识别技术

用有限元软件建模研究了管道缺陷的特征参数与漏磁信号的关系.对漏磁信号进行预处理以消除传感器提离值不同带来的影响,用BP神经网络进行了管道缺陷的定量识别,识别结果的误差<10%.将轴向和径向漏磁信号分别用加权平均和自适应加权平均两种方法进行信号级融合,数据融合后缺陷定量识别的精度和可靠性得到了提高.     

小波与BP神经网络在零件识别应用中的研究

针对目前在线零件识别系统在速度和精确度上存在的缺陷,采用小波多尺度边缘检测技术,结合BP神经网络的识别系统,提出了一种新的基于小波和BP神经网络的零件识别技术.实验结果表明,该方法不仅提高了识别准确率,还使目标识别具有更好的抗噪能力.     

基于平稳小波与BP神经网络的换相失败检测算法

针对高压直流输电系统中换相失败检测问题,提出了一种采用平稳小波分析和BP神经网络的换相失败检测算法.通过平稳小波提取换相失败信号不同尺度的小波能量,作为特征向量输入神经网络中进行训练,并得到能够进行自动化识别的分类模型.在实际采集得到的200组数据集上进行了算法验证,结果表明,文中算法可以有效地区分直流输电系统中的换相失败和正常信号,其平均检测精确度达到95%以上,为进一步系统准确无功补偿提供保障.     

Research on fault mode and diagnosis of methane sensor

To improve the reliability of coal mine safety monitoring systems we have analyzed the characteristics of a methane sensor, an important component of the monitoring system of production safety in a coal mine and studied the main type and mode of faults when the sensor was used on-line. We introduced a new method based on artificial neural network to detect faults of me-thane sensors. In addition, using the output information of a single methane sensor, we established a sensor output model of a dy-namic non-linear neural network for on-line fault detection. Finally, the fault of the heating wire of the sensor was simulated, indi-cating that, when the methane sensor had a fault, the predicted output of the neural network clearly deviated from the actual output,exceeding the pre-set threshold and showing that a fault had occurred in the methane sensor. The result shows that the model has good convergence and stability, and is quite capable of meeting the requirements for on-line fault detection of methane sensors.     

基于小波神经网络的调制信号识别方法

为了克服神经网络识别类别较多时构建网络复杂、训练速度低的缺点,提出了一种小波变换和阵列式RBF网络结合的方法实现无线通信信号调制类别检测.利用小波变换对常用3种模拟信号和6种数字信号进行多层分解和特征提取,然后利用特征参数通过阵列式RBF网络进行信号调制类别检测.仿真结果表明,小波分析和阵列式神经网络相结合的设计,使无线通信信号调制类型的检测系统在信噪比为-10 dB达到平均辨识率90％以上的性能,同时提高了多类别情况下的检测率.