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。     

基于经验模态分解去噪的粗晶材料超声检测

粗晶材料超声检测中,结构噪声严重降低了检测信号的信噪比,缺陷反射难以识别.为了增强检测信号信噪比,提高粗晶材料超声检测的可靠性,采用经验模态分解(EMD)技术对检测信号进行去噪处理,通过3次样条插值形成波形包络,并利用信号的特征时间尺度将非线性、非平稳检测信号自适应的分解成多个本征模态函数(IMF)之和,从而获得信号高阶成份和趋势.利用EMD的这种特性对低信噪比模拟信号进行处理,并将处理结果与小波去噪结果进行对比,信噪比获得更大提高.通过对粗晶材料实测信号进行去噪实验,结果表明EMD去噪具有更强的自适应能力,且需知的原信号先验信息更少.     

浅表层及粗晶材料缺陷超声诊断方法

针对浅表层及粗晶材料,提出一种用小波变换与广义相关倒频谱分析相结合的缺陷诊断方法.该方法利用小波多分辨特性去除白噪声,利用广义相关倒频谱剔除始脉冲及材料散射噪声.实验结果表明:该方法提高了对浅表层及低信噪比缺陷的分辨力,缺陷诊断结果与实际结果相吻合,可用于浅表层及粗晶材料缺陷的诊断.     

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...     

超声波透射技术无损评价粗晶材料平均晶粒尺寸

利用超声波透射波对粗晶材料的平均晶粒尺寸Ｄ进行了评定。研究结果表明,用超声波衰减变化Δα能够对材料的平均晶粒尺寸的波动进行无损评价,计算机处理曲线的变化特征与样品金相分析的结果符合得很好。     

Hilbert-Huang变换在非线性超声无损检测中的应用

为了提高非线性超声无损检测方法对缺陷位置和相对大小的表征能力,该文将H ilbert-Huang变换方法用于非线性超声无损检测信号的处理。粗晶奥氏体不锈钢材料的非线性超声无损检测信号具有非线性、非稳态和低信噪比的特性,H ilbert-Huang变换对此类信号的特征提取具有独特的优势。实验结果表明:通过H ilbert-Huang变换的瞬时频率能够确定缺陷位置,瞬时幅度可表征缺陷的相对大小;该方法达到了对0.6mm晶粒平均直径的粗晶奥氏体不锈钢中65 mm深、0.8 mm平底孔的小缺陷检出能力,说明H ilbert-Huang变换有效提高了非线性超声无损检测的缺陷表征能力。     

基于特征的超声信号分类检测方法

超声检测技术在工业和科研领域得到广泛的应用。在恶劣的条件下,超声信号受到混响的干扰。传统的匹配滤波方法在这种情况下检测性能不理想。该文提出一种基于特征的检测方法,对接收信号进行分类再进行检测。该方法基于模式识别来区分是否存在回波。先利用Wigner-Ville分布和双谱提取信号的特征,然后进行主成分分析降低特征的维数,降维的特征向量送入有监督学习的分类器。实验表明,与传统的匹配滤波方法相比,该方法在-5dB的信混比时具有较好的检测性能。     

含缺陷管道超声导波检测信号的相关性分析

提出一种基于相关性分析的管道缺陷检测方法.该方法通过截取入射信号作为主动检测信号,将实测信号作为被检测信号.借助于合适的窗函数计算检测信号和不同时刻测试信号的相关系数,通过相关系数的峰值点判断波到时刻.从而提高识别精度.为了消除来源于模式转换和噪声的杂波信号,设置阈值可达到滤波效果.利用该方法,对单位置腐蚀和双位置腐蚀,在不同噪声水平下的测试信号进行相关性分析.结果表明,阈值法可以较好地抑制噪声和模式转换对识别结果的影响,且具有较高的识别精度.该方法原理简单,操作简便,可用于管道腐蚀检测的在线检测.     

准晶材料的研究进展

准晶材料由于其特殊的晶体结构,使得它拥有一些普通材料所不具备的优异性能,能满足一些传统材料所不能满足的要求。同时,它对传统晶体学科的发展具有划时代的意义。本文综述了准晶材料的发展历程、研究现状及应用前景。     

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。     

冷轧带钢板形检测信号模式识别方法的进展

结合板形控制技术的发展，阐述了板形检测信号模式识别方法的发展过程。分析比较了各主要模式识别方法的特点。对板形模式识别方法的发展趋势进行了讨论。     

一种基于稀疏指数联想记忆神经网络的图像识别方法

区别于一般的图像识别方法,指数联想记忆模型(EAM)是一种对数据分布无任何要求的非线性技术,具有指数级的存储容量和良好的容噪性能.随着实际的需求和被处理问题规模的扩大,EAM所采用的全互连结构将导致布线工艺上的困难而难以克服,限制了模型的VLSI(超大规模集成电路)硬件实现.通过在EAM中引入社会领域中广泛存在的"六度分离"现象,借鉴Watts和Strogatz提出的"小世界网络"理论对EAM进行了稀疏化改造.改造后的稀疏指数联想记忆模型(SEAM)不仅结构相对简单、易于硬件实现,而且仿真结果表明在灰度图像加噪和部分缺失的情况下,SEAM识别性能和全互连的EAM相当,表现出了较强的鲁棒性.     

基于模式识别的智能入侵检测系统

文章分析了入侵检测的基本理论和技术,结合模式识别的原理及其与入侵检测的相似性,论证了将模式识别方法应用于入侵检测的可行性,同时,运用近邻法、K-近邻法和K-均值法等关键技术设计了基于模式识别的智能入侵检测系统,仿真实验表明,该系统具备较高的检测率和较低的误警率。     

基于神经网络的激光超声探伤表面波的分类

利用3种神经网络即自组织竞争神经网络、学习向量量化神经网络和概率神经网络对激光超声探伤缺陷表面波进行分类.讨论了3种网络在不同输入情况下的分类效果.实验结果表明,这3种神经网络都可以取得良好的分类效果.     

一种新的神经网络畸变不变模式识别方法

本文以Ｗｉｄｒｏｗ等人的方法为基础，提出一种新的神经网络畸变不模式识别方法－－最小距离畸变不变模式识别网络。数值模拟显示，新方法具有完全的畸变不变性，相当高的识别精度、实时的识别速度、强大的抗噪能力、极短的自适应时间以及显著降低的运算量。     

一种应用于模式识别的神经网络模型

本文首先引入了感知神经元，建立了一种应用于模式识别的三层神经网络模型．对于任一组二元标准模式（二元图象或特征值序集），我们根据给定模式及要求设计神经网络，使之对输入模式进行识别．这种神经网络结构明确，易于实现，其实施有助于提高模式识别系统的执行速度与识别能力．     

人工神经网络在汽轮发电机局部放电模式识别中的应用

阐述了局部放电测量对大型汽轮发电机定子绝缘状况诊断的重要性。针对大型汽轮发电机定子绝缘中３种主要放电形式，进行了大量模拟试验，获得了３种放电的相位Φ、放电量ｑ及放电次数ｎ的三维特征谱图。采用多层前馈神经网络来分析局部放电三维特征谱图的统计数据，以实现电机中局部放电的模式识别，取得了很好的效果。     

一种新的协同模式识别学习算法

在协同模式识别中，学习可以归结为求原型向量和伴随向量．文中提出了一种基于核函数映射的学习算法，输入向量被隐式地映射到一个可分性有所提高的向量空间，然后计算变换后的原型向量．对伴随向量增加一个附加的约束以避免它的范数超过一定值，从而改善伴随向量的性能，减少误识别．通过对数字、英文字母和汉字等的训练实验表明，这种算法得到的伴随向量能更好地表示样本的特征，计算所得的初始序参量能更好地反映测试图像与训练样本之间的相似程度．     

统计模式识别的研究

模式识别的基本目标就是在有监督和无监督的情况下进行分类,在模式识别的各种模型中,基于统计的方法已经被广泛的研究并应用于实际.一些新的技术和方法的引入（神经网络和支持向量机方法）也促进了该领域发展,文章研究了基于统计的模式识别的进展情况,给出了模式识别的概念、原理、方法并对各种方法进行了相关的评述.     

基于神经网络的几种控制图表模式的识别研究

建立一个复合的神经网络模型,使其可以更精确的判断输入的控制图模式,同时利用该网络模型的再分类功能,可以减少判断不同模式时所造成的误判断.通过对各种模式的训练和仿真,表明该方法相对于传统方法有较大的优势.