基于分形维数的镁熔液弱小气泡检测方法

针对复杂背景下镁熔液弱小气泡图像识别,提出了一种基于分形维数的弱小气泡检测方法.首先将弱小气泡析出前后两帧图像作帧差处理并灰度增强,进行粗定位,然后采用差分计盒维数法计算图像分维数,进行细定位,最后对分维像采用自适应阈值分割即可将弱小目标检测出来.实验结果表明:该方法能有效地检测出弱小气泡,且能较好地描述弱小气泡的真实形状.弱小气泡的成功检测对基于图像技术的镁熔液含氢量实时检测提供了一种有效的途径.     

基于提升小波变换的镁熔液弱目标检测方法

镁熔液表面第一气泡的识别是镁熔液含氢量快速现场检测的关键技术。由于温度和振动的影响使镁熔液图像的信噪比和对比度都较低,而且气泡目标像素少。先利用9/7提升小波进行变换,提取高频部分;再利用高频部分进行重构;然后对重构后的图像进行帧差法相减,最后进行自适应阀值处理,检测出弱目标。实验结果表明该算法能够有效地检测出复杂背景下的第一气泡。     

基于形态学和隔帧差分的镁熔液弱目标检测

针对镁熔液复杂表面背景下可视弱目标的检测,提出了一种基于形态学和隔帧差分的算法.该方法首先利用形态学白Top-Hat变换进行低频背景抑制,增强图像的对比度;然后进行隔帧差分,去除背景杂波和大量噪声,得到含有目标点及少量的嗓声点图像;最后结合数学形态学开运算去除噪声点获得真正的目标.同时比较了不同结构元素在背景抑制和运行速度方面的性能差异.仿真结果表明本方法能有效地检测出弱目标,且菱形结构元素综合性能最好.     

最小一乘和区域生长分割在镁熔液弱小气泡检测中的应用

镁熔液图像背景十分复杂,为了检测出镁熔液图像中的弱小气泡,本文提出了一种基于最小一乘准则和区域生长分割的检测算法。该算法首先运用最小一乘准则和遗传算法对镁熔液图像进行背景预处理,再运用区域生长对检测到镁熔液图像中的气泡目标进行分割。试验证明,该方法能够成功地检测出弱小气泡。     

基于支持向量机的磁流变液流变特性研究

磁流变液的力学性能受到剪切速率、外加磁场等的综合影响.利用支持向量机的两维回归方法,对小样本数据进行拟合,获得结构风险小、泛化性能好的流变特性三维关系曲面.分别用幂律模型和Bingham模型,采用切片的方法分析磁场强度、剪切速率与剪切应力三者之间的关系,根据实验数据的方差值,可知采用幂律模型的本构方程来描述该实验自行配置的磁流变液的流变特性更合理.利用被干扰的采样数据,建立零均值白噪声驱动下输出有色信号的测试系统的传递函数;根据自回归滑动平均模型的系数与对应微分方程的系数的转换关系,求解系统的无阻尼固有频率和阻尼比;分析磁场作用下测试系统的阻尼系数和弹性系数的变化,结果表明,磁场对磁流变液动态阻尼特性有显著的影响.     

基于自适应背景预测的镁熔液第一气泡检测算法

针对复杂背景下镁熔液第一气泡的图像识别,提出了一种基于自适应的背景预测算法。算法通过判断当前像素点邻域的像素点灰度之差是否大于预先设定的阀值T而自适应的选用不同的背景预测算法。若大于阀值T,采用分块权值背景预测算法;否则,采用固定权值背景预测算法。还将该算法与固定权值背景预测算法和分块权值背景预测算法作了对比试验,结果表明,该算法不但能够较准确地反映第一气泡的真实大小,还能有效地提高图像的峰值信噪比,其运算速度也更快。     

基于小波分析的镁熔液第一气泡检测方法研究

由于镁合金熔液自身的特性——极易氧化与燃烧,造成气泡周围背景非常复杂。利用小波分析的多尺度分解,就能够把淹没在复杂背景中的特征量变化揭示出来。根据目标、背景干扰和噪声在图像中的差异,基于对小波分解后信号的处理,并结合数学形态学的开运算,有效地检测出第一气泡。试验证实,该方法是一种有效的第一气泡检测方法。     

基于个数判断边缘的镁熔液第一气泡图像检测

针对镁熔液表面第一气泡的图像识别,提出了基于个数判断边缘的自适应背景预测算法.该算法首先利用个数判断边缘的方法判断当前像素点所处的位置,然后对不同位置的点自适应地采用不同的预处理算法,若当前像素点处于边缘区域则进行最大化背景预测处理,若与前像素点处于非边缘区域则不做任何处理保留其原始灰度值,最后经帧间差分和阈值分割,将第一气泡检测出来,并与传统最大化背景预测预处理算法进行了对比.结果表明,该算法不仅能准确地检测到第一气泡,而且还能更有效地抑制背景,信噪比明显提高.     

基于DM642图像处理的镁熔液第一气泡检测

传统的镁熔液第一气泡检测结果存在较大滞后性,且以Matlab为代表的检测工具又受限于工程应用,本文提出一种基于DSP检测弱小目标的新思路,构建了一个以DM642为主处理器的嵌入式图像处理系统平台,并利用C语言在DSP集成开发软件Code Composer Studio 3.3上进行算法编程,实现了镁熔液第一气泡的检测。实验结果验证了镁熔液第一气泡检测方法在实际应用中的可行性。     

镁熔液第一气泡图像实时检测方法

基于第一气泡法衍生的镁熔液测氢仪精度强烈依赖于镁熔液表面析出的第一气泡来精确判别.从图像处理技术角度,提出了一种新的波动背景下第一气泡图像实时检测方法.采用小波变换进行背景抑制,利用改进的间隔差分去除不变的背景,并运用分组的自适应阈值和形态学开运算进行候选目标的分割,最后利用逻辑与运算确定真实的目标.实验结果表明:该算法能够有效克服强噪声和波动背景的干扰,目标检测概率为100％,为基于图像的镁熔液含氢量实时检测提供了一种新思路.     

基于信号分形与支持向量机的点焊检测方法

鉴于分形维数对数据样本集复杂程度的定量描述特点及支持向量机在小样本集合分类和回归方面所具有的显著优势,采用信号数据序列的分形维数作为特征值,提出一种基于信号分形维数及支持向量机的点焊信号检测方法。分别对点焊飞溅缺陷和熔核尺寸缺陷建立两类支持向量机检测模型,构成支持向量机阵列,利用该阵列模型进行点焊飞溅和小尺寸熔核两种缺陷的综合检测。结果表明,该阵列对点焊缺陷的无损检测是比较精确的,能较好地无损检测到点焊过程中飞溅及小尺寸熔核两种缺陷。为点焊的无损检测提供了一种新的方法。     

镁熔液第一气泡随机析出的图像检测方法

针对镁熔液第一气泡随机析出图像的检测问题,借助信息熵、纹理、局部信杂比等复杂度因子来定量地描述第一气泡在不同位置析出时邻域背景复杂度和全域背景复杂程度。通过分析背景复杂度高低,设计通用的图像检测方法,研究镁熔液第一气泡随机析出图像检测方法的普遍适用性。实验结果表明:第一气泡在第一位置析出时邻域背景复杂度和全域背景复杂度均最大,且背景复杂度高的图像检测方法适用于其他背景复杂度低的图像,为镁熔液第一气泡随机析出图像处理提供了一种新思路。     

基于局部熵和分形理论的镁熔液第一气泡图像检测

针对复杂背景下镁熔液第一气泡的图像检测,提出一种基于局部熵和分形理论的弱小目标检测算法。首先利用图像的局部熵粗定位弱小目标;然后利用分形理论构造区域的分形维数并对弱小目标进行细定位;最后进行自适应阈值分割处理,检测出弱小气泡。实验结果表明,利用局部熵和分形理论相结合的算法能精确地识别第一气泡,为图像处理技术应用于镁熔液测氢仪器提供了一种新方法。     

基于支持向量机的高速电火花小孔加工穿透检测技术

为解决高速电火花小孔加工穿透检测技术的难题,分析并提出采用支持向量机分类算法对穿透检测特征量进行处理,将小孔穿透检测看作数据分类问题,利用支持向量机构建穿透检测的SVC模型。通过实验分析和数据处理,选择脉冲宽度、脉冲间隔、加工电流、有效放电频率和电极进给速度作为SVC模型的五个输入量,输出为是否发生穿透。穿透检测的SVC模型采用径向基核函数,通过对样本的训练学习,实现了对小孔穿透瞬间的可靠辨识。实验结果表明:在正常加工情况下,支持向量机辨识模型对不同的工件厚度均能在电极穿透工件瞬间进行有效辨别。     

基于支持向量机的齿轮故障分类

齿轮是旋转机械中的关键元件。提出了一个基于支持向量机的齿轮多故障分类方法。齿轮状态被划分为正常、齿轮磨损和断齿状态。振动信号的均方根和小波包能量被选作为分类器的特征参数。分类器选用支持向量机（SVM）。SVM具有良好的实用性及多分类能力。实验结果表明：提出的方法能很好地区分齿轮故障。     

基于支持向量机的灰铸铁强度预测模型

利用高碳当量灰铸铁组织强度试验数据,提出了一种基于支持向量机理论的灰铸铁强度预测模型。与多元线性回归、模糊回归和自适应模糊神经网络相比,该模型学习精度高且具有较好的泛化能力,能取得较好的预测效果。     

基于支持向量机的点焊质量分类

以点焊质量监控为目的,通过对点焊过程电极位移信号、动态电阻信号的同步采集和信号分析,从2种信号中提取12个有效的特征分量,构造点焊过程的监测数据集,以焊点的抗剪强度为指标,利用支持向量机(SVM)和RBF神经网络对焊点质量进行分类.测试结果表明,2种信号特征向量作为SVM的输入向量,在参数匹配的情况下,使用不同的核函数对喷溅和焊点质量分类均能取得较好的分类结果,分类器性能明显优于RBF神经网络模型.小样本情况下SVM具有较好的泛化能力,正确率仍保持在80%以上,据此认为提取电极位移和动态电阻的特征向量构筑输入向量,建立的SVM动态模型对点焊接头进行质量分类是可行的.     

基于支持向量机的铣削力预测

针对小样本、低泛化、过拟合和局部极小等问题,建立基于支持向量机(SVM)的铣削力预测模型,对铣削力进行预测,将其预测结果与试验值、BP神经网络预测值进行对比分析。结果表明:在训练样本较小情况下,得到的预测值与试验值吻合较好,且相对于BP神经网络预测模型的预测精度高。     

基于支持向量机的火车滚轴故障诊断

火车故障的60%都是由于滚轴问题引起的,现在的诊断方法都是基于知识的,但故障样本的不足从一定程度上制约了基于知识的方法在实际中的应用,针对这一问题,利用支持向量机在小样本情况下具有较强分类能力的特点,本文提出了一种基于支持向量机的滚轴故障诊断方法.该方法采用小波变换对齿轮的震动信号进行处理来构造特征向量,然后输入到支持向量机分类器中进行模式识别.     

基于支持向量机的焊缝尺寸预测

焊缝尺寸是决定焊接接头强度及有关性能的重要因素,因此也是焊接质量控制的重要内容.分别以焊接电流、电弧电压以及焊接速度作为输入向量构造样本集,建立CO2焊接焊缝尺寸支持向量机模型,分别运用线性核函数,多项式核函数、高斯径向基核函数以及指数径向基核函数对焊缝熔宽、焊缝熔深以及焊缝余高进行预测.结果表明,采用指数径向基核函数所建立的支持向量机模型可以有效地对焊缝尺寸进行预测,为进一步实现焊缝质量的在线控制提供依据.