粗晶材料缺的超声检测信号识别

对于非均匀材料，超声无损检测技术受到能否有效区分有用信号与背景噪声的限制，目前人们大多倾向使频率分隔与统计算法来提高粗晶材料中相对颗粒散射的缺陷回波比例。文中介绍一种用Ｗｉｇｎｅｒ分布作特征提取，用前馈网络自动识别超声散射回波中的缺陷信号。     

粗晶材料缺陷的超声检测信号识别

粗晶材料缺陷的超声检测信号识别刘镇清，李成林，魏墨对于非均匀材料，超声无损检测技术受到能否有效区分有用信号与背景噪声的限制，目前人们大多倾向使用频率分隔与统计算法来提高粗品材料一种非均匀材料）中相对颗粒的缺陷回波比例．本文则介绍一种用Ｗｉｇｎｅｒ分布...     

非均匀结构软组织冲激响应估计方法模拟研究

传统的超声解卷积的方法，是从测量信号中去掉测量系统冲激响应的影响，从而恢复实际回波信号．对于通过解卷恢复非均匀结构软组织深部散射源的散射信号，非均匀声程介质冲激响应的估计就成为关键．笔者从改进的传输模型出发，利用维纳逆滤波方法，逐层估计出组织中非均匀声程介质的冲激响应．计算机模拟实验证明该方法是可行的     

非均匀结构软件组织冲激响应估计方法模拟研究

传统的超声解卷积的方法，是从测量信号中去掉测量系统激响应的影响，从而恢复实际回波信号。对于通过解卷恢复复非均匀结构软组织深部散射源的散射信号，非均匀声程介质冲激响应的估计就成为关键。     

应用Chirp-Z变换频谱细化倒谱分析生物软组织散射微结构特征

从软组织散射元准周期规则分布可导致超声散射信号产生相干峰的机理出发，提出了利用Chirp—Z变换频谱细化倒谱估计散射元平均间距及其变化的新方法，并利用该方法对仿体和生物软组织的回波信号进行了分析．结果表明，该方法是软组织超声散射信号分析与软组织散射子平均间距定征的一种有效方法．     

基于归一化尺度计盒维数的超声波分形特征研究

基于归一化尺度计盒维数方法研究了超声波分形特征．提出了将时间尺度与幅值尺度归一化的计盒维数方法来快速计算超声回波分形维数；在此基础上，对管道中缺陷超声回波的分形维数进行了计算与统计分析，得到了超声回波的分形维数的统计分布规律．研究结果表明，超声回波具有分形标度不变性，计盒维数能够反映超声回波信号波形的复杂程度和不规则程度，这种方法可以在超声自动检测中用来快速判断缺陷的有无．     

金属材料内部非金属夹杂超声检测的数值模拟

在金属材料内部夹杂物的超声检测中,如何通过检测获得的回波信号辨识夹杂物的属性和位置,一直是其重点和难点问题.通过建立包含夹杂物缺陷的二维金属板模型,采用有限元数值模拟的方法,对材料内部超声波场进行计算,获得了两种最典型的夹杂物Al2O3和TiN,以及二者在材料内部不同深度时的超声回波信号.研究了夹杂物类型和夹杂物深度对超声回波时域波形以及对界面波、夹杂物缺陷回波和底面回波频谱分布的影响规律.     

基于小波包变换的超声回波信号特征提取

超声检测技术中,缺陷的定性分类这一技术难题至今尚未得以彻底解决。文章介绍了一种基于小波包变换的多尺度空间能量特征提取方法,并对实测的超声缺陷回波信号进行了特征提取;进而采用基于距离的类别可分性判据对提取结果进行了评价。结果表明:该方法提取的缺陷回波信号特征值,其可分性测度均值达91.7%,从而证明该方法对超声检测缺陷回波信号的特征提取是相当有效的。     

超声多普勒信号的谱卷积与谱组成理论

通过分析具有任意运动矢量的单散射子所产生的接收频谱，研究了超声多普勒信号的频谱卷积定理．即使在无损媒质和单频声场的假设条件下，超声散射回波信号在频域上也是一个具有一定带宽的频谱，它可以表示为４个子频谱的卷积．在此基础上，讨论了某些特定情况下，尤其是多散射子相干散射条件下的接收频谱组成．由频谱卷积定理，可以从理论上理解和分析多普勒检测信号的频谱组成情况．     

超声多普勒回波信号瞬时幅度和瞬时频率估计的新方法

对脉冲超声多普勒回波信号模型进行了改进，并在改进模型的基础上，提出了一种基于非线性能量算子ψ的检测超声多普勒回波信号瞬时幅度和瞬时频率的方法．该方法具有跟踪信号瞬态变化的能力，计算量小，很容易做到实时．仿真结果和对颈动脉超声多普勒回波信号的分析，都证明了该方法的可行性．     

偏最小二乘法与人工神经网络耦合的小流域产沙模型

针对小流域侵蚀产沙的复杂性,将偏最小二乘回归与人工神经网络耦合,建立了小流域降雨侵蚀产沙检验模型,并应用于小流域降雨侵蚀产沙预报.采用偏最小二乘法对多维自变量中的信息进行组合和提取,从而得到对因变量解释能力最强并可很好概括自变量信息的主成分,有效克服了变量之间的多重相关问题,实现了对高维数据的降维处理.把提取的主成分作为神经网络的输入,提高了网络的学习效率和稳健性.应用结果表明,偏最小二乘神经网络耦合模型的拟合和检验精度均优于偏最小二乘回归模型和人工神经网络模型精度.     

函数连接型神经网络在氟化物非晶态形成条件中的应用

函数增强型神经网络(Functional Link Net,简称FLN)是一种无隐含层的新型网络,应用其三阶联合激励增强特性来对三元体系氟化物非晶态形成条件进行识别研究,识别准确率近100%.在对预测集的每一个输入信号添加10%的噪音干扰后,发现识别率依然不变.直到噪音添加到15%,仍然能准确判别.可见网络的容错能力是十分令人满意的.     

人工神经网络在钎焊材料酸洗工艺设计中的应用

本文将前向人工神经网络技术用于酸洗工艺设计过程，建立了钎焊材料的酸洗工艺设计模型，实验证明该模型能准确预测ＣｕＺｎＡｇ钎焊材料的酸洗效益、能有效设计不同前期生产条件下的酸洗工艺。     

基于均匀试验人工神经网络的实用可靠性方法

根据均匀试验的设计提出了一种全新的可靠性计算方法,它有机地综合了人工智能网络.人工神经网络弃用有限单元法（FEM）而改用该方法,一个根本原因在于它能极大地减少计算量.首先,根据随机变量分布情况,通过均匀试验提取出有限样本,将它们看作是有限元法分析的输入参数.其次,基于有限元分析结果利用这些有限的训练样本构建最优的人工神经网络.利用最优人工神经网络的泛化能力,随机得到一个有效的响应值,然后计算出结构系统的可靠性指数.最后,这一计算方法还为进行可靠性分析提供新尝试,在对复杂系统进行实际试验时该方法表现得切实可行且有效.     

一种基于Swin Transformer神经网络的低截获概率雷达信号调制类型的识别方法

本文针对低截获概率（Low Probability of Intercept, LPI）雷达信号调制类型的识别问题提出了一种基于Swin Transformer神经网络的识别方法. 该方法首先用平滑伪Wigner-Ville分布对信号进行时频变换,将一维时域信号变换为二维时频图像,然后使用Swin Transformer神经网络对图像进行特征提取及调制类型识别. 仿真结果显示,该方法具有较强的抗噪声能力,在低信噪比条件下识别准确率高,且具有较强的小样本适应能力.     

过程信号的前馈-反馈型自适应盲分离算法

利用神经网络的自学习能力实现信号的盲分离已被证明是实现信号分离的一种有效方法,不同的神经网络模型对分离算法的效能将产生极大的影响。针对化工生产过程的复杂性和在线监测控制的要求,在其他学者研究的基础上,基于前馈－反馈型神经网络模型,提出了一种自适应盲分离算法用于过程信号的分离。计算机仿真实验的结果表明了算法的有效性。     

基于RS-ANN的汽车发动机故障诊断分析

利用粗糙集理论对知识的约简能力及神经网络的分类能力,构建粗糙集-神经网络（RS-ANN）故障诊断组合模型;并将该模型应用于汽车发动机故障数据进行实例验证,该模型诊断速度快,故障诊断正确率高.     

基于深度卷积神经网络的弹道目标微动分类

针对传统弹道目标微动分类缺乏智能性及噪声条件下分类性能差的问题,利用深度学习的高维特征泛化学习能力,提出一种将深度卷积神经网络用于弹道目标微动分类的方法。首先,在建立弹道目标微动模型的基础上,分析3种微动形式下的微多普勒表示,并生成雷达回波信号的时频图,作为训练、验证及测试的数据集;然后,运用深度卷积神经网络中的迁移学习对AlexNet和GoogLeNet进行再训练;最后,利用训练后的网络实现3种微动形式下的目标分类,并研究信噪比对分类性能的影响。仿真结果表明,与传统的微动目标分类方法相比,该方法不仅智能化程度高,而且在低信噪比条件下分类准确性更强。     

基于粗集理论的神经网络

在分析了粗集理论方法和人工神经网络方法两者各自的特点与共同之处后,首先探讨粗集学习与神经网络学习的结合方法,然后提出一种基于粗集预处理的神经网络系统,最后给出一个基于粗集方法作为信息预处理的神经网络文字识别的例子,来说明基于粗集的神经网络系统的优越性     

BP网络在膨胀土判别和分类中的应用

结合膨胀土的影响指标和神经网络的特性,提出了一种针对膨胀土进行判别和分类的新方法-BP 网络方法。BP 网络是通过将网络输出误差反馈回传,来对网络参数进行修正,从而实现网络的映射能力。结果表明,用神经网络对膨胀土进行判别和分类的准确率很高,它无须在判别因子与预测目标之间建立基于某种理论的经验统计关系。