基于信号谱熵的模糊Hamming网络缺陷识别

无缝钢管损伤监测和诊断的关键在于缺陷信号特征的提取和识别，作者研究了无缝钢管内伤、外伤及孔洞等缺陷信号的频域特征，提取信号二维谱熵指标作为特征指标，运用改进的模糊Hamming神经网络识别方法，对无缝钢管的缺陷进行识别，结果表明，该方法具有很高的识别精度，实例中识别准确率达100％，由于该识别方法不需要示教学习过程，因此能够应用于实时在线缺陷识别。     

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     

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28，特征能量之比值大于900，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。     

谱熵分析方法在漏磁信号特征提取中的应用

为了研究谱熵分析方法在漏磁无损检测中的应用，将信息熵理论引入缺陷漏磁信号的特征提取工作中．通过试验分析证明一维谱熵、二维谱熵在缺陷类别辨识中的可行性，并指出其存在的局限性．提出了集能量集中程度、谱线的重心位置和能量大小3种指标于一身的适于缺陷定量分析、识别的谱熵三维向量的概念，并在室内实验台架上实际测得的不同尺寸矩形槽类内、外缺陷信号分析中进行了应用．实验结果表明，对于矩形槽外缺陷而言．谱熵三维向量中的三维向量指标与二维谱熵和一维谱熵相比，在漏磁检测缺陷定量化方面具有很大的优越性。为缺陷识别定量化提供了一条途径．