共查询到18条相似文献,搜索用时 203 毫秒
1.
小波-神经网络在MDF缺陷定位检测中的应用 总被引:1,自引:0,他引:1
本文将小波和人工神经网络相结合用于中密度纤维板(MDF)不同位置鼓泡缺陷智能定位检测.首先对不同位置缺陷振动信号进行3层小波包分解,并计算信号在各频段所占的能量率,以此作为训练样本对拓扑结构不同的BP神经网络进行学习训练,最后利用训练好的网络对不同位置鼓泡缺陷进行定位识别.研究得出在MDF鼓泡缺陷的定位检测中,通过对网络的推广性能、训练特性等因素方面综合考虑,识别左端、中部和右端3种不同位置鼓泡缺陷的最好网络模型为隐层节点为8的单层网络;第1隐层节点分别为4和6、第2隐层节点为5,传递函数同时为对数Sigmoid和分别为正切和对数Sigmoid的双隐层网络.这4种网络对左端和中部鼓泡的识别率在90%以上,对右端鼓泡的识别在80%以上. 相似文献
2.
为了实现超声检测对缺陷的智能识别,引入小波包分析与人工神经网络技术。该方法利用超声信号进行三层小波包分解,提取各频率成分能量为特征值。建立并训练了一种BP缺陷识别的神经网络,该网络使用Levenberg—Marquardt算法。实验分析表明,小波包分析和人工神经网络的引用能为缺陷类型提供有效的智能识别。 相似文献
3.
利用小波分析和BP神经网络相结合的方法对旋转机械的故障进行识别.首先运用小波分析对故障信号进行降噪处理,然后运用小波包对信号进行分解和重构,提取各频带能量值,将该能量值作为BP神经网络输入端的特征向量,训练网络进行故障模式识别.实验表明,该方法在旋转机械故障诊断中切实可行. 相似文献
4.
5.
基于小波神经网络的模拟电路故障诊断 总被引:2,自引:4,他引:2
本文对模拟电路提出了一种基于小波神经网络的故障诊断方法。该法利用小波空间中函数的多分辨率分解思想,构造了一种激励函数为具有紧支撑集的尺度函数和小波函数的小波神经网络。这种小波神经网络隐层节点数的选取有理论根据,解决了传统神经网络隐层节点数难以确定的问题。分别用本文提出的小波神经网络和传统BP网络对实例电路进行故障诊断,结果发现,小波网络比传统BP网络方法不仅学习收敛速度快,而且有效地避免了局部最小值问题。 相似文献
6.
7.
以铣削难加工材料——高锰钢加工过程为研究对象。建立了以铣削力作为监测信号的铣刀磨损监测实验系统。应用小波包理论对铣削力信号进行分析和消噪处理。并提取了信号的能量特征作为神经网络的输入向量。基于神经网络极强的非线性映射能力及分类能力。选用小波包分析与BP网络结合的方式对刀具磨损状态进行识别。建立了模式识别BP网络结构,构造了网络训练样本及测试样本。对网络进行了训练、仿真及验证测试,结果表明该网络能够对刀具磨损状态进行准确的识别。对刀具的在线监测具有良好的现实意义。 相似文献
8.
9.
利用小波包分析具有提取图像时、频两域细节和局部特征的能力,提出了将字符图像的小波包分析和BP神经网络相结合以达到识别字符的新方法。该方法首先对字符图像进行小波包分解,然后对分解系数进行重构,求得重构图像的能量;然后提取了不同字符图像的能量构造成能量特征向量,作为神经网络的输入;然后通过选取初始权值、隐层节点数和权值学习算法,创建BP神经网络;最后通过神经网络模型进行训练。实验证实该方法具有识别正确率高、速度快等优点。 相似文献
10.
11.
为提高大量程六维力传感器的测量精度,提出了一种新型的六维力传感器非线性静态解耦方法,该方法结合混合递阶遗传算法和小波神经网络的优点,采用递阶遗传算法与最小二乘法分别对小波神经网络隐层结构参数以及输出层权值进行优化,再将优化后的小波神经网络模型用于六维力传感器非线性解耦.建立了基于混合递阶遗传算法和优化小波神经网络的六维力传感器非线性解耦模型,设计了基于混合递阶遗传算法的小波神经网络结构及参数优化算法,给出了六维力传感器非线性解耦的具体实现流程.以最新研制的6-UPUR大量程柔性铰六维力传感器为对象进行实验,结果表明,采用该方法六维力传感器的Ⅰ类误差和Ⅱ类误差分别为1.25%和2.59%,比采用BP和RBF神经网络方法的测量精度高. 相似文献
12.
13.
压铸成型工艺设计与缺陷分析的神经网络模拟 总被引:2,自引:0,他引:2
对于误差逆传播 (BP)神经网络标准及改进型算法中的神经元联接权更新机制进行了分析。作为实际应用 ,基于MATLAB神经网络工具箱函数 ,研究了两个例子 ,一个是不同合金种类及不同复杂程度的型腔结构下浇注温度的选择 ;另一个是压铸工艺的缺陷分析。采用的算法分别为恒定学习率 附加动量项改进型BP算法和自适应学习率 附加动量项改进型BP算法。通过在实际模拟中比较这两种算法的训练效率 ,可得到结论 :自适应学习率 附加动量项算法是精确模拟压铸工艺映射问题的较为理想的方法。基于这一方法 ,文中最后给出了网络模拟测试的结果 相似文献
14.
BP神经网络算法本质上是基于梯度下降的一种迭代学习算法,存在学习收敛速度慢、收敛精度低、易陷入局部极小、学习率难以选取、隐层数及隐层神经元个数难以确定等缺陷。为了选择出更适宜变压器DGA故障诊断的神经网络结构及算法。本文采用了常用的几种智能算法对变压器故障样本进行了诊断性能对比实验。结果得出Levenberg-Marquardt神经网络算法是收敛速度较快的算法,有动量和自适应的梯度下降法是收敛稳定性较佳的算法;网络最优结构设计过程。为用于变压器DGA故障诊断的神经网络的结构和算法提供了系统化的试验方法。 相似文献
15.
16.
17.
由于活塞敲缸响和活塞销响是两种常见的、却难以区分的柴油机异响故障,这里对EQ6BT柴油机这两种故障的缸体振动信号进行Morlet连续小波变换,作出小波变换系数的尺度-能量谱,并提取出尺度为3~20范围内的最大尺度能量作为BP神经网络的输入向量,实现了对该柴油机两种异响故障的诊断。结果表明,利用文中所设计的小波神经网络能非常准确地诊断出EQ6BT柴油机活塞敲缸响、活塞销响两种异响故障及其故障的严重程度。 相似文献
18.
研究电触头钎焊接头超声无损检测中的缺陷分类问题,提出了一种新的集成神经网络分类方法。该方法分四步:频率不变性预处理,多分辩分析,特征量预处理,集成 B P神经网络分类。使用不同中心频率探头检测得到的缺陷信号首先通过预处理变换到一个等效的参考频率上,然后利用离散小波变换提取特征量。特征量被预处理后,输入到集成 B P神经网络分类器中分类。本文用213 个超声检测信号测试了集成神经网络的性能。实验结果表明了频率不变性技术和集成 B P神经网络分类技术的有效性。 相似文献