煤礦機械焊接缺陷超聲信號智能識別技術(shù)研究.pdf_第1頁
已閱讀1頁,還剩56頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、在超聲無損檢測中,超聲檢測信號的特征提取和識別對于機械缺陷檢測,降低機械事故發(fā)生率具有重要的意義。超聲信號特征提取方法的選擇直接影響缺陷的定性、定量和定位分析。機械焊接缺陷識別本質(zhì)上是一個模式分類問題。支持向量機由于解決小樣本分類問題有著優(yōu)良的表現(xiàn),得到日益廣泛的應用。支持向量機集優(yōu)化、核、最佳推廣能力于一身,從線性可分的分類角度看,其目的是建立一個最優(yōu)決策超平面,使得該平面兩側(cè)距平面最近的兩類樣本之間的距離最大化,從而對分類問題提供良

2、好的泛化能力。對于非線性可分分類問題,根據(jù)Cover定理,可以將其先轉(zhuǎn)化為線性可分模式分類問題再進行處理。
  本文從機械焊接缺陷超聲實測信號出發(fā),結(jié)合小波分析、主成分分析和常用分類算法,開展了超聲檢測信號的特征提取和缺陷識別的嘗試性工作。主要的研究內(nèi)容包括:
  (1)介紹超聲檢測數(shù)據(jù)采集系統(tǒng),在實驗平臺上進行機械焊接缺陷采集,分析其波形特征,然后利用小波分析和主成分分析對其進行特征提取實驗研究;
  (2)利用KN

3、N、BP神經(jīng)網(wǎng)絡和SVM算法對標準數(shù)據(jù)集和提取到的機械焊接缺陷超聲信號進行分類識別研究,并進行了不同算法的比較研究;
  (3)針對SVM分類算法參數(shù)選擇難等問題,提出利用智能優(yōu)化方法優(yōu)化SVM參數(shù)選擇的算法,通過優(yōu)化懲罰因子C和RBF核函數(shù)的參數(shù)σ,進行機械焊接缺陷的超聲信號識別工作,提高缺陷識別的準確率;
  (4)利用小波分析技術(shù)和主成分分析相結(jié)合的方法對實測機械焊接缺陷超聲信號進行特征提取,并通過對比SVM、ABC-

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論