版图分类法在带钢表面缺陷识别中的应用研究

针对现有带钢表面缺陷模式识别分类器所用算法的不足,提出了一种新型的分类算法——版图法。该算法结构简单,在时间消耗较少的情况下,具有更高的识别精度和更好的适应性。类别众多、形态复杂、类别边界交叠的带钢表面缺陷图像分类实验所得结果令人满意。     

板带材缺陷检测中的多特征优化组合方法研究

针对冷轧板带材常见表面缺陷图像识别的特点,提出了板带材表面缺陷多特征优化组合方法,该方法以直方图统计特征、小波变换特征、灰度共生矩阵特征、不变矩特征等4类特征共26维特征向量为基础,依据类间类内距离差的类别可分离性判据对特征进行优化,选出最优特征向量组合。对6类典型板带材表面缺陷进行实验,实验结果表明,采用多特征优化组合方法选择出的特征向量具有较好的分离效果,显著地提高了表面缺陷的识别率。     

基于组合特征降维聚类算法的板带材表面缺陷检测

针对现有板带材表面缺陷检测方法中存在的分类识别率不高、对误识缺陷和新缺陷类别不能有效处理等不足,提出了板带材表面缺陷组合特征的降维聚类识别算法.实验结果表明,该方法对六类典型缺陷有较好的识别效果,并能通过学习扩展识别新的缺陷类别.     

多层式智能结构中压电元件的最优配置

基于压电元件的传感和驱动特性，给出了多层式压电智能结构的受控系统模型。提出了一种模态可观测性的度量方法，基于模态可控度和模态可观测度建立了多层结构压电元件最优定位的目标函数，并采用广义遗传算法进行求解。采用子空间迭代法对振动方程进行了求解。仿真和实验结果表明最优定位结果是合理的。     

基于Matlab的RBF网络的带钢表面缺陷的识别与分类研究

采用灰度直方图特征、灰度共生矩阵特征和小波变换特征相结合的提取方法,在提取特征向量的基础上,基于Matlab6.5环境下的神经网络工具箱,应用了兼顾识别速度与分类准确性的RBF神经网络分类器对带钢表面缺陷进行识别与分类,通过试验数据的分析,证明此算法可以作为高速生产线的带钢表面缺陷的实时检测优选方案.     

基于BP神经网络的冷轧带钢表面质量检测研究

针对传统的方法在冷轧带钢表面缺陷图像模式识别中存在的问题,在小波变换提取特征的基础上,提出了基于BP神经网络的非线性模式识别方法.结合国内实例,对5种典型冷轧带钢表面缺陷图像进行了实验研究,实验结果表明,该方法能够对冷轧带钢表面缺陷图像进行有效识别,具有更好的适应性.     

基于机器视觉的织物检测方法的研究

对布匹表面质量的检测方法进行了研究,并提出了一种新的检测思路.与其它基于纹理的布匹缺陷处理算法不同,该方法的关键步骤就是采用了一种自定义的局部二值化操作,并经实验验证取得了较为理想的处理效果.它具有较为理想的缺陷参数提取效果,较低的误检率和较低的算法复杂度.     

基于Galerkin法的旋转薄壁圆柱壳非线性行波振动的数值分析

应用Donnell's简化壳理论,在考虑阻尼和几何非线性的情况下,基于Galerkin方法,对旋转的薄壁悬臂圆柱壳在法向激振力作用下的非线性行波振动进行了数值分析.在研究过程中,首先,考虑阻尼并引入几何非线性项,建立薄壁圆柱壳的非线性波动方程,然后,采用Galerkin方法对波动方程进行转换,选取不同的模态组合,得到相应模态坐标下的非线性微分方程,最后用Runge-Kutta法进行数值计算并对圆柱壳的非线性波动振动特性进行了分析.结果表明,几何非线性使圆柱壳呈现明显的硬特性,其硬特性随激振力幅值的增大而得到加强,共振区存在多值性,多模态分析表明,轴向二阶模态对主模态影响较大,计算时宜采用两个轴向模态.