基于神经网络的超声无损检测缺陷定征方法的研究

针对超声无损检测中缺陷分类难、分类结果可靠性差等问题，给出了一种以神经网络为基础的缺陷特征分类方法。利用Ｆｉｓｈｅｒ线性判别方法对表征缺陷特征的时域信号的波形参数进行了选择，并将这些参数作为神经网络的输入矢量对网络进行训练，用该网络对缺陷特征进行了识别，结果表明：神经网络的识别率远大于传统的贝叶斯分类方法。     

基于改进BP神经网络算法的管道缺陷漏磁信号识别

海底管道漏磁检测信号处理的主要任务是根据霍尔传感器检测到的缺陷漏磁信号来识别缺陷的形态参数．根据漏磁检测原理设计了相关的漏磁检测电路，通过提取信号的主要特征量，利用Levenberg-Marquardt算法在对常用BP神经网络改进的基础上应用其来识别缺陷的尺寸参数，给出了BP神经网络各层数的确定及权值、学习率的调整方法和相应的漏磁信号数据处理过程．漏磁检测数据处理实验表明，该缺陷识别BP神经网络系统具有逼近精度高、收敛速度快等特点．     

一种用神经网络估计网络可靠性的方法

提出一种用神经网络估计网络系统可靠性的方法．用节点数为n的网络系统的结构参数、网络中边的可靠度以及网络可靠性的精确值对神经网络进行训练，使神经网络学习到网络结构参数、网络中边可靠度与网络可靠性之间的映射关系．并利用同样的训练数据，应用GCV方法对神经网络模型的误差进行估计．对于节点数为n的其它网络系统，只要将有关数据输入获得的神经网络，就可得到该网络可靠度的估计值．     

超声检测中裂纹型缺陷深度的智能识别

为了实现对裂纹型缺陷深度的定量识别,提高超声检测精度,引入小波分析和人工神经网络技术进行缺陷深度的智能识别,从超声检测的基本原理、缺陷深度表征量的确定、超声回波信号缺陷特征量的小波提取、神经网络的结构参数及训练和测试网络等方面,详细探讨了对裂纹型缺陷进行智能识别的方法,论证了运用神经网络进行缺陷智能定量识别的可行性,构造了智能识别实验系统,并利用该系统对所加工的含缺陷试样进行了定量识别试验与分析,结果表明,小波分析和人工神经网络技术的引入能够为超声检测缺陷的定量识别提供行之有效的途径。     

基于遗传神经网络的产品价格预测方法

应用遗传神经网络方法，建立了工业产品预测的神经网络预测模型，并运用遗传算法对建立的神经网络模型的结构和推理参数进行优化，使预测结果更加准确，为工业项目的投资评估提供了一种更为合理的预测方法．     

改进PINNs方法求解边界层对流占优扩散方程

针对物理信息神经网络(PINNs)在求解边界层附近存在剧烈梯度变化的对流占优扩散方程时无法得到足够精度的问题，本文提出一种具有参数渐进思想的神经网络求解方法。该方法首先近似大扩散参数方程的光滑解，然后逐步减小扩散参数并将大扩散参数下的网络最优参数作为小扩散参数神经网络的初始值进行训练，通过参数循环反复优化物理信息神经网络，提高神经网络的表征能力，从而提升物理信息神经网络逼近对流占优扩散问题的求解精度，最后获得小扩散参数的高精度奇异解。经过对本文方法与PINNs以及gPINNs方法在精度和收敛效率方面的对比分析表明，本文方法在未知边界层位置条件下，能够高效地近似对流占优扩散方程的大梯度解，实现10^-3量级的精度。同时，本文方法在收敛速度和稳定性方面比PINNs和gPINNs具有更好的优势和性能。     

用于脑电数据压缩的改进的BP小波神经网络

用一种改进的BP小波神经网络对脑电图(EEG)数据信号进行压缩．对小波神经网络采用最速梯度下降法优化网络参数，并对学习率采用自适应学习速率方法自动调节．利用小波神经网络的函数逼近特性，对脑电随机信号进行逼近，最终压缩比可达15以上．实验结果显示，小波神经网络在大量压缩数据的同时，能较好地恢复原有信号。     

轮式机器人遗传模糊神经网络转向控制

针对数学模型复杂的轮式机器人的转向控制问题，使用基于遗传算法的模糊神经网络转向控制方法．首先建立车辆的神经网络模型，然后构造模糊神经网络控制器，再用遗传算法寻找模糊神经网络控制器的参数，最后提高控制器对速度变化的适应性．仿真表明，该方法可以对机器人的转向进行有效控制，效果良好，能适应各种不同速度变化，是一种有实用意义的控制方法．     

基于卷积神经网络的磁瓦缺陷检测研究

针对磁瓦缺陷种类多样性及无法准确描述其缺陷的问题,提出一种基于卷积神经网络的缺陷检测方法。构建缺陷类型的数据集,并对数据集中的图像进行预处理;设置卷积神经网络模型参数,训练缺陷分类器;通过训练结果完成对缺陷图像的识别并标注缺陷类型。实验结果表明,该方法检测的准确性和实时性均优于传统检测方法,具有非常好的鲁棒性,为工业生产的实际应用提供了可靠的依据。     

识别混凝土板内部缺陷的人工神经网络算法

以一维有缺陷混凝土板为研究对象，分别采用Leverberg-Marcluardt和径向基神经网络算法，对缺陷的深度与厚度进行识别，从而实现对混凝土板内部缺陷的三维重构，称为红外CT模拟．两类神经网络算法的识别结果表明：Leverberg-Marcluardt神经网络较径向基神经网络具有更好的收敛精度与计算效率．     

Ultrasonic flaw detection using EMD-based signal processing

The precise detection of flaw echoes buried in backscattefing noise caused by material microstructure is a problem of great importance in uhrasonic non-destructive testing （NDT）. In this work, empirical mode decomposition （EMD） is proposed to deal with ultrasonic signal. A time-frequency filtering method based on EMD is designed to suppress noise and enhance flaw signals. Simulated results are presented, showing that the proposed method has an excellent performance even for a very low signal-to-noise ratio （SNR）. The improvement in flaw detection was experimentally verified using stainless steel pipe sample with artificial flaws.     

一种改进的特征面积和特征能量计算方法及其应用

特征面积、特征能量算法是时域分析方法中识别信号局部突变的有效手段 ,但传统算法在用于含有低频或直流干扰信号的场合时具有局限性。分析了无缝钢管在线漏磁检测原理 ,对钢管缺陷识别技术中的特征面积、特征能量算法进行了改进 ,提出了新的算法。结果表明 ,利用改进后的算法对有缺陷区域的特征面积、特征能量进行计算的结果与无缺陷区域的计算结果差别明显 ,二者之比有大幅度提高。有外伤与无伤特征面积之比值大于 2 8,特征能量之比值大于 90 0 ,有内伤与无伤特征面积之比值大于 10 ,特征能量之比值大于 90。以此特征面积和特征能量作为特征量识别钢管缺陷及判断内、外伤的类型 ,效果良好。该方法容易实现 ,适于生产过程中进行实时监测     

基于深层卷积网络的单幅图像超分辨率重建模型

【目的】针对Mean squared error(MSE)作为损失函数在人眼感知方面存在局限性,以及基于卷积神经网络的图像超分辨率(Super-resolution,SR)算法生成的图像存在参数较多、计算量较大、训练时间较长、纹理模糊等问题,设计基于深层卷积神经网络的单幅图像超分辨率重建模型。【方法】使用ImageNet预先训练的大型卷积神经网络Visual geometry group(VGG)模型提取图像特征,利用该特征设计视觉感知损失函数进行训练学习,引入亚像素卷积层(Sub-pixel convolution)替换上采样层,缓解生成图像的棋盘效应。【结果】设计的模型对放大两倍的图像进行超分辨率修复,与其他4种超分辨率重建模型的Peak signal to noise ratio(PSNR)值接近,且生成图像的视觉效果更加清晰逼真,细节更加细腻。【结论】该模型可以实现输入不同大小的低分辨率图像而不必多次训练学习不同比例的放大模型,可以实现对不同放大倍数图像的训练和预测,在保持一定PSNR正确率的前提下,放大后的超分辨率图像能够恢复更多纹理细节和更佳视觉效果。     

计算机有限元仿真在缺陷漏磁定量检测中的应用

介绍了有限元基本理论,采用有限元方法分析了棒材表面有无缺陷以及缺陷尺寸变化时的缺陷磁场的分布。仿真结果表明,采用有限元方法可以非常好的对缺陷漏磁场进行分析,分析结果揭示了缺陷尺寸与漏磁场分布之间的关系,为缺陷的定量检测提供了很好的依据。     

含裂隙类岩石试样单轴抗压强度特征及裂纹演化规律

通过研究含复杂裂隙岩体性质，甄别岩体中关键裂隙，进而简化裂隙网络.基于3D打印技术制备含裂隙类岩石试样，利用数字图像相关(DIC)技术和颗粒流软件PFC研究了试样应变场变化、试样内局部应力分布状态和破裂模式.研究结果表明:1)相较于完整试样，含水平裂隙试样的峰值强度降低了20.9%，含垂直裂隙试样的峰值强度仅降低3%左右，水平裂隙对试样的劣化效果更显著;2)水平裂隙中部拉应力远超垂直裂隙端部应力，因此含水平裂隙试样更易且更早产生拉伸裂纹，导致含水平裂隙试样强度低于含垂直裂隙试样强度;3)当十字交叉裂隙中垂直裂隙长度为水平裂隙长度的1~2倍时，十字交叉裂隙中的水平裂隙是控制试样裂纹演化及强度特征的关键裂隙，因此十字交叉裂隙可简化为水平裂隙.     

基于过程神经网络与气动热力参数的航空发动机状态监视

采用前馈过程神经网络方法预测发动机排气温度，讨论了网络输入输出参数的选择问题，基于正交基函数简化了前馈过程神经网络的聚合运算，提出了从前馈过程神经网络向传统前馈神经网络网络模型的转化方法，基于传统前馈神经网络先验知识给出了学习算法，进行了网络训练及仿真，取得了满意的结果。     

基于混沌模糊神经网络方法的短期负荷预测

针对模糊神经网络的BP学习算法提出改进,引入全局性较强的混沌搜索算法,提出一种基于混沌搜索学习算法的模糊神经网络模型.将改进的模型应用于短期负荷预测建模,应用我国南方某市电网的实际负荷数据进行实证研究.仿真结果显示改进后的模糊神经网络较改进前在同一样本预测中精确度提高了2.5%,增加算法运行时间仅为3.1 s,说明本文提出的新的负荷预测建模方法具有更好的预测效果.     

基于Volterra基函数网络的自适应逆控制方法

提出了一种基于Ｖｏｌｔｅｒｒａ基函数（ＶＰＢＦ）网络的非线性系统自适应逆控制方法。对象和逆控制器各用一个ＶＰＢＦ网络表示,应用正交最小二乘算法进行离线网络结构确定和权值初始化,构造了一种动态归一化非线性最小均方（ＤＮＮＬＭＳ）权值更新算法,以进行网络权值的在线学习。仿真结果表明,该方法具有算法简单、学习速度快、鲁棒性能好等优点。     

基于小波特征提取和概率神经网络的机械故障诊断

论述了基于离散小波变换系数的特征提取和概率神经网络在机械故障诊断中的应用。该方法利用离散小波获取振动信号各有效频带的能量作为故障参数,用概率神经网络构建设备运行状态模型,根据历史数据确定故障值并设置故障参数。实验结果从应用程序对轴承故障诊断表明,相比传统方法,该方法能够有效地提取测试信号内在的重要信息内容,并增加机械整体故障诊断的准确性,在机械设备故障处理系统中有良好的应用前景。