基于光声光热检测的反演技术在热波成像及缺陷分析方面的应用

从样品表面光声光热信号出发,利用一种类似Newton迭代的反演算法和正则算法对内含缺陷的样品的热学参数予以深度剖面重构.引入一种简单且行之有效的数据处理方法对重构数据进行处理,最终实现对试样的热波成像和缺陷分析.数值模拟的结果证明了该方法的有效性及在噪声扰动下的稳定性和实用性.     

红外诊断技术在带电架空输电线路中的应用分析

总结了输电线路使用红外检测手段进行发热缺陷检测的经验,通过对典型发热缺陷的分析,提出了输电线路发热元件的类型和特点,阐述了热像的分析方法和使用环境。     

基于脉冲涡流热成像的铁磁性构件缺陷检测

针对铁磁性构件损伤探测问题,提出了二维大津法(Ostu)与多尺度形态学梯度边缘检测相结合的方法,该方法基于脉冲涡流热成像的缺陷无损检测技术,处理分析红外图像,得到缺陷边缘特征,用于监测铁磁性构件的健康状态。首先利用脉冲涡流热成像装置对铁磁性构件加热,并使用红外热像仪摄取红外图像;然后利用二维Ostu算法对获得的红外图像进行分割,得到二值缺陷区域,并对其进行连通性计算,从而得到涡流线圈内缺陷区域,提取裂纹缺陷;最后对所得裂纹缺陷进行多尺度形态学梯度边缘检测,并运用物象关系,测量缺陷几何尺寸。构件缺陷试验证明该方法对缺陷边缘检测效果良好,实现了铁磁性构件缺陷的无损检测。     

基于ACO-LS-SVM的漏磁信号二维轮廓重构

漏磁检测技术被广泛应用于铁磁材料的无损评估中,由漏磁信号描述缺陷的几何特征一直是漏磁检测的难点.为此提出应用LS-SVM对缺陷轮廓进行重构的新方法,利用蚁群算法优化LS-SVM及核函数的参数,并采用剪枝算法改善LS-SVM的稀疏性.支持向量机输入采用漏磁信号Bx、By分量的特征融合信号,输出是缺陷轮廓数据,建立了由缺陷...     

独立分量分析法降噪技术研究

研究了在超声检测时利用独立分量分析法对检测信号进行噪声处理技术,在试验中采用Matlab软件对人工加工的焊缝缺陷检测出来的源信号数据进行独立分量分析迭代分离后,再将所得的信号数据分离出源信号与噪声信号,经处理后恢复的缺陷图像明显可以改善之后的焊缝质量评定准确度.结果表明,采用独立分量分析法对噪声分离后更能精确识别检测信号中的缺陷信息,减少由于源信号与噪声的重叠造成了对焊缝缺陷的误判.     

小鼠视觉感受区电位信号 (LFP)的脑电波分离

为研究人（动物）的行为与脑电波之间的关系,提出了一种新的小鼠视觉感受区电位信号(LFP)与呼吸相关联的脑电波分离模型,采用盲信号分离（BSS）、独立分量分析法（ICA）对局部场电位建立线性瞬时混合信号系统数学模型,利用小波包进行LFP的分解并重构信号,对睡眠状态下小鼠视觉感受区局部场电位信号进行了15层分解和重构。实验证明,小波包分解高频分量系数cd13的解析重构信号与δ波频率吻合,小鼠睡眠状态下分离出的与呼吸相关联的脑电波信号为δ波。     

涡流检测自然裂纹与信号处理

在用涡流检测(Eddy Current Testing,ECT)法评价设备缺陷时,缺陷信号由于受到探头提离及设备结构变化引起的非缺陷信号及环境噪声的影响而恶化,直接影响到对缺陷的正确评估.采集了自然裂纹 ECT 信号并根据其特点,采用小波变换对其进行了去噪处理.首先将 ECT 信号进行小波分解,去除非缺陷信号及白噪声信号分量,然后对小波系数进行反变换,重构缺陷信号.对一维和二维 ECT 信号处理结果表明这种信号处理技术对提取湮没在非缺陷信号和自噪声中的缺陷信号非常有效.     

激光诱导红外辐射线检测技术的理论与应用研究

利用黑体辐射理论和光声光热理论研究了：（1）激光诱导红外辐射线频谱信号的理论模型和数值模拟以及与实测信号的验证性比对;（2）红外辐射线频谱信号依层状样品夹层的不同位置及光学性质的演化规律,将其结果用于材料夹层或缺陷的定位;（3）利用红外辐射线频谱信号实现不均匀材料光学参数分布重构．结果表明：所建模型能够可靠地模拟红外频谱信号,并利用模拟信号训练神经网络有效地实施参数预测．     

视觉感受区电位信号(LFP)的脑电波分离

为研究人(动物)的行为与脑电波之间的关系,提出了一种新的小鼠视觉感受区电位信号(LFP)与呼吸相关联的脑电波分离模型。采用盲信号分离(BSS)、独立分量分析法(ICA)对局部场电位建立线性瞬时混合信号系统数学模型;利用小波包进行LFP的分解并重构信号,对睡眠状态下小鼠视觉感受区局部场电位信号进行了15层分解和重构。实验证明,小波包分解高频分量系数cd13的解析重构信号与δ波频率吻合,小鼠睡眠状态下分离出的与呼吸相关联的脑电波信号为δ波。     

废纸脱墨热分散系统垢物化学成分及成因分析

废纸脱墨产新闻纸系统中热分散的结垢会较大地影响设备生产效率、能耗和产品质量,为了对热分散系统的垢物进行有效控制,对热分散系统垢物进行采样,用热解气质联用色谱(Py-GC/MS)、红外光谱(IR)、离子色谱(IC)、X射线衍射(XRD)等方法研究垢物的化学成分,并分析了有机垢、无机垢的形成原因。研究表明:脱墨线垢物以钙垢和硅垢等无机垢为主,其中SiO2质量分数为35.2%,CaSiO3质量分数为21.2%,CaCO3质量分数为11.2%;热分散盘齿有机胶黏垢来源于废纸原料,或由系统白水回用将施胶部胶黏物带入。加强废纸原料的筛选与洗涤是控制垢物生成的根本,此外,在不影响成纸质量的情况下尽量减少化学品的添加量。     

基于独立分量分析的热波检测图像增强

热波检测中直接获取的原始热图序列存在"高噪声、低对比度"等问题。为了抑制噪声的不良影响,提高热波方法检测缺陷的能力,基于独立分量分析方法对试验获取的热波图像进行增强去噪处理,采用性能指数对图像的增强效果进行评价。图像增强结果表明该算法较好地保留了原图像的信息,获得了较好的去噪效果。     

基于形态学方法的工件表面缺陷红外热像检测技术

提出一种基于形态学理论的红外热像分割方法,用于工件表面缺陷的自动检测。首先在含缺陷钢制试件红外热成像检测试验的基础上,对工件的红外热像进行灰度化、高斯高通滤波、对数变换和二值化等方法相结合的增强处理;然后采用形态学方法,基于缺陷的空间连续性和缺陷与噪声的尺寸差别,设定连通分量所含像素数的阈值,最终实现红外热像的有效分割。结果表明,新的红外热像处理方法可以实现缺陷位置和形状的精确检测,可作为含缺陷部件的红外检测和自动识别手段。     

基于主成分分析的光伏热斑红外图像混合噪声去噪方法

为了解决光伏板热斑故障检测时受噪声影响的红外图像分辨率低而导致热斑区域难以识别的问题,提出一 种基于主成分分析的红外图像混合噪声自适应去噪方法。 该方法通过自适应窗口预处理算法将获取的热斑红外 图像进行初步去噪,滤除图像中的低密度椒盐噪声,减小噪声信号对后续选取降噪训练集时所造成的影响;然后, 采用基于块匹配的主成分分析法对预处理后的图像信息进行降维处理,提取信号的主要特征,降低噪声滤除时的 计算复杂度;最后,使用线性最小均方误差估计对图像进行二次去噪处理,滤除残余噪声;此外,在二次去噪之前重 新计算图像噪声水平,使最终的去噪图片获得了更好的视觉效果。 实验结果表明:该方法能够有效去除光伏热斑 红外图像中的混合噪声,客观评价指标显示噪声较小时,图像结构相似性可保持在 0. 9,在高密度噪声影响下,峰值 信噪比相较于修正的阿尔法均值滤波算法平均提高 2 dB,实际视觉效果中保留了图像细节特征,可以明显观测到 热斑区域。     

脉冲热源激励金属板材缺陷的红外热波检测

以含有盲孔缺陷的金属板材试件为研究对象,在闪光灯脉冲热源激励下对试件内部热流的传递过程进行了有限元仿真。在检测参数和分析参数给定条件下,利用脉冲红外热波检测系统测得试件表面最大对比度原始热图,应用FFT变换方法分析了原始热图序列的幅值图和相位图。结果表明,试件表面的最大温差越大,缺陷越容易检测,幅值图的信噪比较大而相位图的探测深度较深。该方法提高了脉冲红外热波检测技术的探测能力。     

改进的基于PCA的软件缺陷预测方法

为了避免在变量多重情况下基于PCA的软件缺陷预测出现明显失误,对传统PCA方法的缺陷加以改进,利用UML软件工程组织网站上公布的某中等规模软件公司项目功能点数据,采用改进的PCA方法对项目综合性能进行软件缺陷预测,并与传统PCA方法的预测结果进行了对比．结果表明,改进的PCA方法对软件系统的综合性能有较好的预测能力．     

基于相空间重构和核主分量的水声信号增强

多径衰落是水声信道的主要特征,利用多径衰落信道具有的混沌行为,提出一种新的抗多径干扰的方法.建立基于混沌相空间的水声信道模型,利用核技巧φ(x)·φ(y)=k(x,y),通过核主分量分析提取相空间数据中累积贡献率达到90%的非线性核主分量,然后利用核主分量逆向投影回原相空间,通过去掉噪声干扰等次分量,提高水声衰落信号的信噪比.基于实测水声数据的仿真实验结果表明,该方法能将chirp水声信号信噪比提高7.76 dB,达到对多径衰落水声信号增强的目的.      

基于PCA和DWT的强鲁棒数字水印算法

针对传统离散小波变换(DWT)数字水印算法抗几何攻击能力较弱的问题,提出一种基于主成分分析(PCA)和DWT的新的数字水印算法。新算法对载体图像进行一级小波分解,在低频子带上用主成分分析提取出既含有高频又含有低频成分的主成分系数,将水印嵌入到提取出的主成分系数中。实验结果表明,与传统DWT水印算法相比,该算法不仅明显提高了抗剪裁、旋转等抗几何攻击能力,对加噪、图像灰度值变化等攻击也表现出了很强的鲁棒性。     

利用主成分分析法提取水体信息

以陕北农牧交错带为试验区,采用主成分分析法对TM图像进行增强,然后应用最大似然分类法提取水体信息,并将提取的结果与单纯依靠最大似然分类法得到的结果进行了对比.试验结果表明,主成分分析法应用于水体信息提取中,可明显增强水体光谱特征,主成分分析法与最大似然分类法结合得到的提取精度高于直接采用最大释然分类法提取的精度.     

结合Gabor滤波和同质性判定的高光谱图像分类

针对传统高光谱图像分类算法多利用目标类别光谱信息而忽略空间信息的问题,提出了一种综合利用空间信息与光谱信息的分类算法．首先,利用主成分分析（PCA）和无参数加权特征提取（NWFE）分别对高光谱数据进行特征提取;然后,在PCA第一主成分的基础上进行二维Gabor滤波得到像元纹理特征,结合纹理信息与光谱信息利用支持向量机对图像分类;最后利用多尺度区域同质性判定进一步改进图像分类精度．实验表明,该算法能够消除“噪声”像元,有效地提高图像分类精度．     

基于BP网络的同面多电极技术图像重构算法

为实现同面多电极技术对飞机用复合材料损伤区域和大小的识别,采用BP神经网络算法建立采样电容值与检测区域介电常数分布的非线性映射,利用输出灰度值实现损伤区域的图像重构.利用主元分析法对输入电容值进行降维处理.采用自适应调整学习率与动量因子方法加快了BP网络训练的收敛速度.仿真结果表明,该算法重构的损伤区域图像成像速度较快,准确度满足实现同面多电极技术对复合材料损伤区域大小和位置识别的要求.