刀具破损状态声发射信号的多分辨率分析

刀具状态监控对保障生产安全和产品质量具有重要意义。采用声发射(AE)传感器来采集切削过程中发出的AE信号,采用多分辨率分忻法对正常切削、刀具破损、断屑时发出的AE信号进行分析,并提取出反映刀具破损状态的特征量;最后采用BP神经网络实现了刀具破损状态的自动识别。     

基于小波多分辨率分析和RBF神经网络的刀具磨损状态识别

刀具磨损监测对于提高加工过程的精度和自动化程度具有重要意义。本文提出一种基于RBF函数神经网络的刀具磨损状态监测模式。该系统利用声发射传感器对切削过程进行监测,采用多分辨率小波分解技术从声发射信号中提取反映刀具磨损的特征向量,并输入RBF神经网络,实现了刀具磨损的自动识别。     

基于水体衰减系数反演的水下图像复原方法

光在水中传输时容易受到水体和水中微粒的吸收和散射作用,造成成像模糊和颜色失真,导致水下图像质量有待提高。提出一种基于水体衰减系数反演的图像复原新方法,不预设水体类型和波长值,而是通过图像反演求得最符合图像特征的衰减系数。对图像去除垂直衰减色差,使描述水下图像强度规律的先验信息能更准确地反映水平方向的光传输特性,提升背景光估计和场景深度估计的准确性。利用水下图像的雾化模糊特征、红通道分量衰减特征以及通道间衰减差异特征得到水下图像场景深度的融合估计结果,依据像素场景深度与水下成像模型,通过非线性拟合直接反演出水下图像的衰减系数,并基于灰度世界假设对衰减系数进行优化,以完成传输率求解,实现图像复原。最后,使用非锐化掩膜增强图像,凸显细节信息,提升视觉效果。实验结果表明,与SMBOT、IBLA、ULAP、UDCP方法相比,该方法在RUIE数据集上的复原图像信息熵平均值分别提升了4.9%、5.4%、9.2%、17.9%,能较好地提升图像整体视觉效果。