曲率差型模态在压电陶瓷探伤中的分析

针对压电陶瓷片的损伤种类繁多,其他特征识别技术难以适应的问题,运用模态探伤技术对压电陶瓷片的模态参数进行分析。建立了压电陶瓷片的有限元模型,从曲率模态参数来研究其损伤特性。分析了完整压电陶瓷片与不同程度损伤压电陶瓷片之间模态参数的差别与联系,同时也说明该方法能够准确地定位损伤位置。研究证明曲率模态可以准确识别压电陶瓷片的损伤特性,为压电陶瓷片的损伤特性识别提供了参考。     

利用SegNet的非标准DM码的区域提取

位置与背景鲁棒的区域提取技术一直以来都是DM码识别技术中的关键核心.目前,已有的二维码区域提取主要是利用卷积神经网络或者BP神经网络等方法来实现的,其共同特点是基于神经网络,且有较高的准确率,但这些方法仍存在以下缺点:(1)训练过程复杂繁琐;(2)训练后仍需对图片进行特征变换或者图片重组才能达到对其进行定位识别的目的 .针对该问题,提出了一种基于语义分割技术的DM码条码区域提取方法:先采用基于深度学习的SegNet网络从图片中分割出包含二维码的最小区域,再对得到的区域进行二维码定位与解析,并进行了实验验证.实验结果表明,与已有的基于神经网络定位二维码区域的方法相比,利用SegNet的定位方法更为简洁高效,能够将准确率提高到99.5％,且具有更高的鲁棒性.     

基于人工蜂群-BP神经网络的刀具磨损监测

为了提高刀具磨损状态监测准确度,提出基于人工蜂群-BP神经网络算法的刀具磨损状态监测方法。使用力传感器和振动传感器设计了磨损状态监测平台;使用匹配追踪算法对信号进行了去噪;提取了信号时域、频域、时频域的特征参数,使用核主成分分析法对特征参数进行了降维,确定了反应刀具磨损状态的15个特征参数;提出了人工蜂群-BP神经网络算法的刀具磨损状态识别方法,使用人工蜂群算法优化BP神经网络算法参数;经实验验证,传统BP神经网络识别准确率为78.75%,优化BP神经网络算法识别准确率为100%。     

基于BP神经网络算法的电缆局部放电类型模式识别

利用计算机技术的模式识别已被运用到了局部放电分析领域。与人工识别相比,其识别结果准确,识别速度快,有很大的发展潜力。现研究了基于BP神经网络算法的电缆局部放电模式识别技术,简述了模式识别的原理,重点研究了BP神经网络的结构及算法,并利用BP神经网络对电缆典型绝缘缺陷局部放电类型进行模式识别。     

基于堆叠降噪自编码的刀具磨损状态识别

提出了一种基于堆叠降噪自编码（SDAE）的刀具磨损状态识别方法。构建了SDAE神经网络来学习声发射（AE）信号的特征,并对自编码网络进行有监督的微调,从而对刀具磨损状态进行精确识别。实验结果表明,SDAE方法能够自适应地学习,得到有效的特征表达,且刀具磨损状态识别结果精确度高,该方法能够有效地进行刀具磨损状态识别。     

基于频谱分析和卷积神经网络的高速轴向柱塞泵空化故障诊断

针对高速轴向柱塞泵不同空化故障等级诊断依赖人工特征提取、识别准确率低的问题,提出了一种融合振动信号频谱分析和卷积神经网络的诊断方法.采集不同空化等级情况下柱塞泵壳体振动信号,对连续的振动数据进行切片并作频谱分析,获得频谱图作为数据集;利用二维卷积神经网络对不同空化等级的信号频谱图进行分类.为提高所提方法的鲁棒性,采用带...     

基于神经网络的压电自感知主动控制仿真试验

由于传统的自感知电桥电路难以有效地实现自感知执行器传感与执行之间的信号分离,因此,提出了一种采用神经网络分离出压电自感知执行器传感信号的新方法,用神经网络直接估算结构的振动速度来得到振动控制时控制器的反馈信号.将嵌入在复合材料悬臂梁中的压电陶瓷片作为自感知执行器,采用基于Filter-X LMS算法的自适应滤波控制器对悬臂梁的振动进行主动控制.结果表明神经网络估算得到的振动速度和用传感器直接测得的完全吻合,将神经网络的输出作为控制器的反馈信号可以取得理想的减振效果.     

某型后处理用封装衬垫试验验证

封装衬垫是汽车尾气后处理装置中的关键零部件之一,主要作用是用包裹夹紧的方式固定催化剂,保证催化剂不发生位移失效,同时也起到保温隔热的效果。衬垫在何种工况下保持力最小及最小保持力是否可以满足催化剂不发生位移是衬垫选型应用的一个关键问题,需要对衬垫进行保持力计算及衬垫的最小保持力的试验验证;本文根据衬垫的选型匹配及应用经验,总结识别了影响衬垫性能的关键参数,并控制相关参数进行试验验证,为某型衬垫选型提供数据依据。     

高压输电线路除冰机器人障碍物识别方法研究

障碍物检测识别是高压输电线路自主除冰机器人的关键技术之一.针对220 kV输电线路特殊的机器人工作环境,提出一种基于视觉的障碍物识别方法.首先对拍摄的障碍物图像进行中值滤波、膨胀腐蚀等预处理,经OTSU阈值优化计算后,用小波模极大值算法提取图像边缘.然后计算障碍物边缘图像的联合不变矩特征,再把矩特征输入小波神经网络进行障碍物图像的分类识别.并选取防震锤、悬垂线夹、耐张线夹三类障碍物做识别试验,还把小波神经网络与普通BP神经网络识别性能进行了比较,实验表明:以联合不变矩作为障碍物识别特征具有良好的可靠性和稳定性;小波神经网络识别分类的性能良好,比普通BP神经网络具有更快的收敛速度和更高的识别精度.     

基于相关匹配的QR码识别方法

QR码图像识别是QR码应用中的关键技术.Hough变换、曲面拟合去背景、控制点变换等方法为QR码识别过程中图像预处理的基本方法,针对图像预处理后图像识别率低的缺点,提出了一种基于相关匹配法的QR码识别方法.基于曲面拟合的改进自适应阈值法分割图像.采用Hough变换和控制点变换方法校正图像的几何失真变形.利用模板对QR码进行相关匹配,对相干系数阈值处理得出取样网格.实验表明,本文算法能有效提高QR码识别效率和效果.     

陶瓷衬垫在CO2气体保护焊对接焊缝中的应用

近年来,随着陶瓷焊接衬垫技术的开发和不断成熟,陶瓷焊接衬垫作为焊接的辅助材料,被广泛应用到钢结构生产和造船业的焊接作业中。在实际的钢结构制造和造船生产中,存在大量型材和板材的对接焊,以往的传统工艺正面打底、填料、     

基于神经网络信息融合的发动机磨损磨粒识别

磨粒识别和分类是铁谱分析技术在发动机故障诊断和状态监测的关键环节.针对单一神经网络模型磨粒识别的局限性,提出了一种基于不同类型神经网络信息融合的磨粒智能识别方法.首先利用径向基函数(RBF)神经网络和反向传播(BP)神经网络对磨粒进行识别,得到2组初始识别结果, 归一化后作为2组基本概率分配函数,然后利用D-S证据理论对其融合得到最终识别结果.实例计算表明,与单一神经网络模型相比,提出的信息融合方法提高了磨粒识别的区分度和准确率,并具有良好的通用性和容错性.     

一种陶质焊接衬垫产品质量检测方法

陶质焊接衬垫是桥梁、船舶、建筑等领域焊接工艺的一种焊接材料,有助于提高焊接功效.针对流水线上人工检测陶质焊接衬垫的产品质量效率低、成本高等问题,提出一种基于改进Yolo-v3的陶质衬垫产品质量检测方法.由于Yo?lo-v3模型检测效果不佳,设计出更适应流水线检测环境的Yolo-Res模型,将精简Yolo-v3模型与Resnet50模型结合,采用多属性特征预测目标陶质衬垫,保证特征区分度的同时提高检测精度.测试结果显示,所提出Yolo-Res算法的检测准确率达到88％,检测速度达到49.4ms/张.结果表明,该方法相比Yolo-v3等已成熟算法,在陶质焊接衬垫产品质量问题上具有更佳的检测性能.     

二维小波变换在虹膜特征提取中的应用研究

本文提出了一种采用canny变换来提取虹膜特征,并用小波神经网络来进行分类的虹膜检测识别的新方法.该方法结合了小波神经网络作为一种新的分类方法,它很好地改进了识别精度,同时提高了系统的性能.一个简洁并且能快速训练的算子Adaboost也将在小波神经网络中给出介绍.实验结果表明,应用该算子进行分类识别时,识别率为100%,该方法具有很高效的可行性.     

一种新型混沌PSO算法在板形智能控制中的应用简

提出一种新型混沌PSO算法优化RBF神经网络并对板形进行识别,使用神经网络预测和效应矩阵控制器对板形进行预测控制.仿真过程表明,新型混沌PSO算法对优化神经网络的结构和参数都有明显的效果,使用板形识别模型和带预测过程的效应函数可以有效控制板形系统.     

基于神经网络分析的鲜蛋破损检测

为了提高禽蛋生产中检测自动化程度,提出一种替代人工检测鲜蛋的自动化方法。该方法根据鲜蛋受到专用仪器轻轻敲击所发出的声音的频谱谱形识别鲜蛋的状态。谱形通过本文改进的BP神经网络进行识别．测试结果表明,本方法比较可靠。     

利用BP神经网络识别图像基点

论述了运用BP神经网络对图像进行识别.介绍了BP神经网络的算法设计、隐层节点的选取等问题.结果表明,BP神经网络有很强的自适应性,对大量样本识别后,能将图像中需要的基点有效地识别出来,且达到较高的准确率.     

基于统计分析方法实现数字称重传感器故障识别

为快速识别数字传感器故障,保证称重设备正常的工作状态,针对钢卷秤四个数字传感器的输出码值进行研究,通过采集不同状态T4个传感器的输出码值,然后使用统计学分析方法中判别分析和聚类分析建立传感器故障识别模型.结果 表明,通过该两种方法可以很好地识别传感器的4种工作状态,为传感器的故障识别提供可靠的一种技术支撑.     

瓦楞纸板在冲击激励下的动态特性建模与响应分析

利用瓦楞纸板衬垫-砝码系统模拟真实的包装件。考虑了瓦楞纸板的粘弹性,对瓦楞纸板衬垫在冲击激励下的动态特性进行了建模。将系统自由响应数据表达为复指数函数叠加的形式,采用复指数法识别出自由响应数据的极点和留数。建立了瓦楞纸板衬垫冲击激励实验系统,识别出不同载荷条件下瓦楞纸板的模型参数。采用圆整冲击加速度函数模拟真实的半正弦波,分析了系统在冲击支座激励下的加速度响应。     

基于神经网络算法的故障检测技术

针对复杂的机电产品内部构件状态检测这一工程难题,本文介绍了一种自动在线检测系统.该系统采用X射线对产品成像,运用数字图像处理技术对射线图像进行预处理,由神经网络算法进行故障诊断.故障识别模型采用了改进的BP神经网络算法,以正常装配状态时的多幅图像经预处理后作为学习样本训练BP神经网络.检测时一般只需拍摄两幅不同方位的图像,经预处理后输入神经网络与样本图像进行比较判断,即可识别出关键元器件的状态.该系统将数字射线成像技术和图像处理技术相结合,并在故障识别算法中采用了神经网络算法,提高了产品故障的检测速度和可靠性,在工业无损检测领域具有一定的实用性.