焊接培训过程中焊接缺陷分析

本文针对职业焊接培训过程中常见焊接缺陷的特征,产生原因及预防措施进行了详细的分析,对学员提高自己的焊接水平具有一定的参考作用。     

连续小波变换在焊接缺陷超声检测中的应用

本文研究连续小波变换方法在焊接结构超声无损检测信号处理中的应用，以压力容器的三种焊接缺陷为对象，对缺陷回波信号作连续小波变换，对小波变换尺度图采用与时间－尺度相平面相似的网格作区域平均特征提取，并对提取出的特征利用B－P型神经网络进行训练和分类，实验结果表明：连续小波变换在信号特征提取上具有优良特性。     

基于选择性集成学习的焊接缺陷识别研究

针对射线检测焊缝图像中缺陷识别正确率低的问题,提出一种选择性集成学习的焊接缺陷识别算法.算法中的个体学习器由稳定分类器和非稳定分类器组成,使用SVM-RFE算法移除集成学习器中的冗余个体学习器,保留子学习器预测输出加权作为集成学习器的输出,有效地增强了个体之间的差异性,进而提高了集成的泛化性能.结果表明：该算法充分利用更多的缺陷特征和样本数据集信息,继承了强集成学习的优点,有效地提高分类正确率.使用一对多的方法把二分类选择性集成学习器推广到多分类问题中,所提出的算法在训练精度为92.4%时;焊缝缺陷识别率提高到85.5%.     

输电线路钢管塔焊接缺陷分析

本文主要介绍了输电线路钢管塔生产制造过程中常见的焊接缺陷,根据近几年钢管塔焊接生产现状,对出现频率较高的气孔、未熔合、裂纹等焊接内部缺陷的特征,产生原因及预防措施进行了详细的分析,对钢管塔焊接质量的控制提出了一些建议。     

埋弧焊在循环水管道焊接中的应用及缺陷分析

埋弧焊(SAW)是一种重要的焊接方法,本文结合某5 x 660MW超临界机组的循环水管道的焊接,对埋弧焊的应用及焊接中存在的缺陷加以介绍.     

基于卷积神经网络的木材缺陷识别

跨层卷积神经网络模型由输入层、两个交替的卷积层、池化层、全连接层和输出层组成。池化层输出到全连接层,将网络的高层次特征和低层次特征相结合构造分类器。在网络中加入Dropout技术,以防止过拟合的发生。     

复杂支撑梁桥中缺陷与边界条件的耦合识别

对各类边界条件的局部劣化梁桥进行了结构分析,引入了弹性铰模拟局部劣化区对梁桥变形的影响,建立了含局部劣化梁的挠曲线近似表达式。在此基础上给出了局部劣化复杂支撑架的物性参数和边界条件进行耦合识别的算法,用有限元结构分析结果模拟传感器埋设占煌挠度实测值,对两端固支超静定梁的断裂参数和边界条件进行耦合识别的算例结果表明,模型构造合理,迭代过程收敛快,算法简便,精度高。     

射线检测中胶片焊缝缺陷定位与识别

针对传统焊缝射线检测中胶片数字化困难、焊缝缺陷自动定位与识别率低的问题,设计了胶片数字化系统,综合分析典型焊缝缺陷的特征,提出一种基于图像分割与二值形态学算法的胶片焊缝缺陷快速定位与缺陷类型识别的方法.可从数字化胶片图像中分割出有效焊缝区域,实现对焊缝缺陷的中心定位,并根据缺陷特征进行识别.试验结果表明该方法能够有效实现数字化胶片中的焊缝缺陷定位,对气孔、夹渣等典型焊缝缺陷定位识别率达到90%以上,提高了射线检测的效率.     

焊接缺陷的超声回波特征分析与模式识别

研究了以自回归模型谱为特征，进行焊接缺陷的超声回波模式识别的方法，根据线性判别原理建立了判别函数，利用所提取的特征值对焊接缺陷进行了模式分类，结果表明自回归模型谱在超声缺陷的模式识别中是一良好的特征量，各类目标具有比较清晰的类边界。     

一种粗糙模糊神经网络识别器及其应用

结合粗糙集和模糊神经网络提出了一种粗糙模糊神经网络识别器的模型.该模型根据粗糙集理论对训练样本进行建立决策表、离散决策表、约简决策表、提取分类规则等推理过程设计.粗糙模糊神经网络识别器的输入层、两个隐含层、输出层的神经元个数分别根据决策表的约简结果、离散结果和分类规则、决策属性决定.将该识别器用于车牌字符识别,实验表明:该方法比粗糙集规则匹配识别方法识别率提高了18%,比BP神经网络识别方法识别率提高了2.7%.     

胶合板缺陷模糊神经网络检测算法

讨论了模糊逻辑和神经网络的工作原理,笔者在神经网络中引入模糊逻辑算法,将模糊逻辑处理不精确不完备信息的能力和神经网络的自适应自学习能力相结合,提出一种模糊神经网络算法,构建出模糊神经网络分类器,并且以胶合板缺陷检测为应用背景,对其分类的实时性、准确率等指标进行了验证,得到了分类精度93 33%,和训练次数5856次的良好性能.实验结果表明:在引入模糊逻辑算法后,基于模糊逻辑的神经网络分类器在模式分类精度和实时性等方面性能指标都得到了提高.     

Application of neural networks and fuzzy control to the welding robot

0　ＩＮＴＲＯＤＵＣＴＩＯＮＡｒｃｗｅｌｄｉｎｇｐｒｏｃｅｓｓｐｌａｙａｎｉｍｐｏｒｔａｎｔｒｏｌｅｉｎｔｈｅｍｏｄｅｒｎｔｅｃｈｎｏｌｏｇｙｔｏｊｏｉｎｔｈｅｍｅｔａｌｐｌａｔｅｓ .Ｉｔｉｓｉｍｐｏｒｔａｎｔｔｏｒｅａｌｉｚｅｉｎｔｅｌｌｉｇｅｎｔｗｅｌｄｉｎｇｒｏｂｏｔｓｏａｓｔｏｏｂｔａｉｎａｇｏｏｄｑｕａｌｉｔｙｏｆｗｅｌｄｉｎｇｒｅｓｕｌｔｓ .Ｔｈｅｓｅａｍ ｔｒａｃｋｉｎｇｓｙｓｔｅｍｉｓａｎｉｍｐｏｒｔａｎｔｐａｒｔｏｆｔｈｅｗｅｌｄｉｎｇｒｏｂｏｔ .Ｍａｎｙｓｅａｍ ｔｒａｃｋｉｎ…     

焊接过程智能控制技术的研究现状与展望

介绍了以专家系统,模糊控制和神经网络为代表的智能控制理论及其在焊接过程控制的应用现状,分析和探讨了时接过程控制技术的发展趋势。     

TYPE—1模糊神经网络参数辨识

分析了关《关于利用ＢＰ算法的模糊神经网络模型》一文提出了ＴＹＰＥ－１模糊神经网络模型，指出该文结果不妥之处的根本原因是，所选择的前提结构空间样太少和模糊模型的指标定义值得商标榷，文中重新定义了模糊模型估计准则并指出将数据分成模型建模数据和模型校验数据是没有必要的，而检验准则更是没有价值的，采用ＧＡ算法和ＢＰ算法优化模糊神经网络模型（Ｓ型函数）的结构和参数，实现了模糊神经网络模型的高精度辨识，最后的     

An integration approach to handwritten Chinese character recognition system

ＯｆｆｌｉｎｅｈａｎｄｗｒｉｔｔｅｎＣｈｉｎｅｓｅｃｈａｒａｃｔｅｒｒｅｃｏｇｎｉｔｉｏｎ(ｒｅｆｅｒｒｅｄｔｏａｓＣｈｉｎｅｓｅｃｈａｒａｃｔｅｒｒｅｃｏｇｎｉｔｉｏｎｏｒＣＣＲｆｏｒｓｈｏｒｔｉｎｔｈｅｆｏｌｌｏｗｉｎｇ)ｉｓａｔｙｐｉｃａｌｌａｒｇｅｎｕｍｂｅｒｏｆｃｌａｓｓｅｓｐａｔｔｅｒｎｒｅｃｏｇｎｉｔｉｏｎｐｒｏｂｌｅｍ.Ｔｈｅｐｒｏｐｅｒｔｉｅｓｏｆｌａｒｇｅｖｏｃａｂｕｌａｒｙ,ｃｏｍｐｌｅｘｓｔｒｕｃｔｕｒｅａｎｄｌｏｔｓｏｆｓｉｍｉｌａｒｃｈａｒａｃｔｅｒｓｗｈｉｃｈＣｈｉｎｅ…     

基于区间值模糊的改进模糊神经网络研究

鉴于传统模糊神经网络计算繁琐、模型精度较低、难以收敛等问题,结合区间值与粗糙集理论,通过简化网络结构,改进输入条件,提出基于区间值推理的改进的模糊神经网络.通过仿真实验,验证了该方法的可行性.这一结果为研究模糊神经网络提供一种新的方法.     

基于Rough集和RBF网络的车牌字符识别方法

提出了一种基于Rough集和RBF神经网络结合的车牌字符识别方法。该方法针对车牌字符二值化图像,给出了基于粗糙集理论的知识获取方法,包括根据训练样本的特征向量建立决策表、离散决策表属性、约简决策表属性,然后由约简后的属性构造RBF网络识别器。试验表明该方法有效地减少了决策属性的个数,简化了神经网络识别器的结构,提高了泛化能力和抗噪声能力,在车牌字符识别中取得了较好的识别效果。     

基于神经网络的模式识别及其应用

神经网络系统具有自学习和自适应的能力,同时有很强的容错性和鲁棒性,善于联想、综合和推广,故特别适用于处理难于语言化的模式信息。本文简述了BP神经网络的基本原理及其在模式识别中的应用,并进行了相应的仿真。     

粗糙集理论及其应用

介绍了一种不完备信息的新颖、有效的软计算方法-粗糙集理论,阐述其基本理论框架,讨论其典型应用,描述粗糙集与神经网络、模糊集、并行算法、专家系统有机结合的条件,并介绍了几种智能处理系统的结构。