神经网络方法在涡流无损检测定量分析中的应用

采用人工神经网络完成涡汉无损检测中的定量识别,首先,用数值方法分析了阴抗增量的幅值、相位与缺损尺度的关系,得出结论：用相位值来表征深度效果更好,精度更高,然后,应用小波边缘检测方法确定的信号特征值作为网络的输入,结果表明：计算量大为减小,网络结构得到了简化。     

发展中的涡流无损检测技术

随着涡流无损检测技术的不断发展，涡流无损检测技术在工程实际中的应用越来越广泛。本文简述涡流无损检测的原理，对目前涡流无损检测中，数值分析方法的国内外两头作了简要综述和介绍。     

BP神经网络在无损检测中的应用

应用某型工业CT机对一定数量某型铸件进行了无损检测,通过采得的两个属性值和该铸件是否合格,对BP网络进行训练,得到了较好的分类曲面,使得某型铸件无损检测精度从原来的60%左右提高到85%左右.     

基于神经网络正向模型和蚁群算法的涡流检测自然裂纹形状重构

以神经网络作为正向模型,蚁群优化算法作为反演方法,对采集的疲劳裂纹涡流检测(eddy current testing,ECT)信号进行了反演,重构了裂纹形状.研究了算法中参数的不同选择对反演结果的影响.裂纹形状重构结果表明了神经网络正向模型的有效性和蚁群反演算法的可行性.     

基于改进蚁群算法的神经网络入侵检测方法研究

提出一种改进的蚁群算法并与传统的BP神经网络相结合用于入侵检测,它既克服了BP传统神经网络的权值确定难度较大、收敛速度慢易陷入局部最小等缺陷,也通过BP神经网络的梯度信息弥补了单独使用蚁群算法所面临的不足.仿真实验结果表明,与传统方法相比,本方法步骤简化,速度及测试精度明显提高.     

蚁群神经网络在变压器故障诊断中的应用

针对蚁群算法收敛速度慢的问题, 提出了一种改进方法, 通过为蚁群算法增加一种收敛因子, 使其在信息素的全局更新中为每次迭代产生的最优路径赋予额外的信息素增量, 降低了算法陷入局部最优解的可能性。分析了改进蚁群算法的收敛性, 并对其寻优能力进行了测试, 结果表明, 改进蚁群算法具有较强的寻优能力和较快的收敛速度。用改进蚁群算法优化神经网络并将其应用于变压器的故障诊断, 与BP神经网络诊断结果对比, 蚁群算法优化神经网络具有更快的收敛速度和更高的诊断精度。     

涡流无损检测中类Sommerfeld积分的计算

对涡流无损检测中的类Ｓｏｍｍｅｒｆｅｌｄ积分给出了一种简单有效的数值积分方法。为了加速积分的收敛,导出了一个渐近项,将被积函数减去这个渐近项,从而得到了快速收敛的积分,加速了无穷积分的截断,显著提高了类Ｓｏｍｍｅｒｆｅｌｄ积分的计算效率,将几组典型数据的计算结果与ＦＥＭ－ＢＥＭ组合法计算结果的比较表明,该方法是准确和快速的,这一积分的高效率使其可以应用于涡流无损检测中缺陷的重构。     

涡流无损检测淬火钢轨踏面硬度的数值分析

详细地介绍了一种利用电磁涡流信号检测淬火钢轨硬度的新型无损检测装置 .利用该装置可连续地实现钢轨踏面硬度的检测 ,并且通过应用计算机信号处理技术和图形技术 ,使得该装置的检测精度达到了工业测量的要求 .     

蚁群算法优化RBF神经网络的网络流量预测

传统RBF神经网络在网络流量预测过程中存在收敛速度慢、极易出现局部最优等缺点,从而导致预测精度低。采用蚁群算法优化RBF神经网络参数来进行网络流量预测。利用蚁群优化算法来训练RBF神经网络的基函数宽度和中心,简化网络结构,加快收敛速度,防止局部最优的出现,改善RBF神经网络的泛化能力。实验结果表明,相对于GA-RBF以及PSO-RBF流量预测模型,模型预测准确度更高,能够很好地描述网络流的变化规律。具有泛化能力强、稳定性良好的特点,在网络流量预测中有一定的实用价值。     

智能超声频谱分析在无损检测中的应用研究

介绍了智能超声频谱无损检测系统的设计和试验研究．该系统采用实时高速数据采集（ＡＤＣ，ＫＳＶ３２０８），与发射－接收系统及自动提取缺陷电路等一起构成了系统的硬件．将相关分析、谱估计、系统分析、模式识别与神经网络等现代数字信号处理技术应用到整个系统中，构成了系统软件．利用本系统成功地对平槽、圆孔、斜槽（样本数为３×８）进行了定性、定量分析     

蚂蚁算法在TSP问题求解的应用

蚂蚁算法是目前解决大规模复杂问题比较有效的算法。同时TSP问题是经典的NP-C问题,已被广泛应用于在VLSI芯片设计、网络路由和车辆选路等领域,对TSP问题的求解的突破意味着大量NPC问题的求解可以迎刃而解,因而有着重要的实际价值和理论意义。文章系统地介绍了TSP问题,并在此基础上对蚂蚁算法求解TSP问题做了相关探讨。实验结果表明,蚂蚁算法对参数的初始值也具有敏感性,对于一个好的初始值的确定,需要建立在大量试验的基础上。     

模糊蚁群优化算法在交通导航系统中的应用

为了能处理交通导航系统中的模糊信息,并且能快速的综合多种信息求解最优导航路径,将模糊逻辑推理技术与改进的蚁群算法相结合提出了一种新的算法——模糊蚁群混合优化算法。实验表明,该算法不仅能够处理导航系统中的各种模糊信息,并且能利用改进的蚁群算法快速求解最优导航路径。     

混沌蚁群算法在回归分析中的应用

混沌蚁群优化算法将混沌搜索与蚁群算法相结合,在蚁群搜索完成后,利用混沌进行细搜索,以提高搜索精度,避免陷入局部最小点．将其用于线性回归分析,仿真结果表明,混沌蚁群算法能够有效地解决回归分析问题,为回归问题提供了一个新的解决方法．     

基于蚁群算法的对等网搜索算法的研究

针对传统的对等网搜索方法的不足,分析了蚁群算法的优势,提出了一种基于蚁群算法的对等网搜索方法．对等网上发起结点收到查询请求后,执行消息路由搜索算法对目标结点进行搜索,在搜索过程中根据状态转移公式寻找下一跳路径．实验结果表明,基于蚁群的对等网搜索算法能够节省路由长度并且有较高的搜索准确率．     

求解TSP问题的改进蚁群算法

通过引入免疫克隆算子提出1种新的蚁群算法,并应用于TSP问题求解。结果表明：算法具有较好性能。     

用分层蚁群算法求解优化问题

提出了一种改进的群算法用于求解优化问题,首先建立N个低层子种群,用一定数量的蚂蚁在这N个解空间中先随机搜索,然后模拟蚂蚁寻食的方式通过信息素来指引搜索,得到N个结果后在用蚁群算法求解,并给出了具体的算法。     

基于蚁群优化算法的钢架结构优化设计

采用蚁群优化算法对3跨24层168杆件的钢架结构重量进行优化计算,并对此结构采用美国钢结构规范(ASCI)、英国钢结构规范(BC5990)、国标钢结构规范(GB50017)3种规范体系进行对比分析。分析结果表明,基于TSP模型的蚁群优化算法对钢框架结构优化设计具有很好的适用性,尤其是对复杂钢结构的优化设计具有更快更强的适用性。     

基于空间聚类和蚁群算法的车辆路径问题的研究

针对蚁群算法在解决车辆路径问题（VRP）上易陷入局部最优解的缺陷,首先利用加权K-means算法对客户进行区域划分,再利用蚁群算法对每个区域进行求解,实验结果表明方法具有良好的性能。     

蚁群算法求解消防站的选址问题

将消防设施选址问题抽象成集合覆盖问题。应用蚁群算法对集合覆盖问题进行了求解。并针对点的重复覆盖问题对每次迭代的结果进行了启发式改进,消除了冗余的子集。同时采用精英策略,加速了蚁群算法的收敛速度。并将用蚁群算法得到的结果与基于贪心策略得到的结果进行了比较,效果较好。     

关于蚁群算法的参数设置研究

本文重点讨论了蚁群算法,包括蚁群算法的基本原理及工作流程.为了模拟实际蚂蚁的觅食行为,设人工蚁出发点H为蚁穴位置,食物源则在最终目标点F,蚂蚁觅食过程就是从H出发,在AS范围寻找食物源的过程.经过蚂蚁群体的反复寻食,基于蚂蚁留下信息素的正反馈作用,最终绕开所有障碍物找到了一条最短路径.