轴(孔)类工件表面缺陷智能诊断及评判方法研究

文中基于三点法误差分离模型，提取出了轴（孔）类工件的表面缺陷信息，首先分析缺陷信息在频域上的分布特性，然后建立了神经网络模型对其进行了训练和测试，最后做出了评判。仿真结果表明该方法是有效和可行的。     

基于卷积神经网络的火花塞表面缺陷检测研究

以特征提取为核心，进行火花塞表面缺陷检测时，主要依托于矩不变量获取表层特征信息，使得检测结果mAP值较低。因此，应用卷积神经网络，提出一种新的火花塞表面缺陷检测方法。针对采集的火花塞表面图像，应用非下采样剪切波变换原理进行预处理。应用霍夫圆理论建立规划策略，规划表面缺陷圆形区域。依托于卷积神经网络结构，建立火花塞表面缺陷特征提取模型，提取每个规划区域包含的深层特征信息。运用RPN算法对提取特征进一步分析，输出表面缺陷检测结果。实验结果表明：所提检测方法的mAP值为0.96，与基于SVM、基于KNN、基于MLP的检测方法相比，mAP值提升了15%,21%和27%。     

基于机器视觉的梨表面缺陷检测方法研究

针对梨表面缺陷的机器视觉检测问题,在对已有研究成果的分析和研究的基础上,论文采用形态学相加的方法实现梨图像的背景去除和表面缺陷提取;提出花萼、果梗与表面缺陷的区分方法;借助Matlab软件进行仿真算法的编程,通过作者设计开发的Graphical User Interface(GUI)界面,对三个品种的梨表面进行了缺陷检测仿真实验,成功提取了其中的表面缺陷信息,实验结果表明,作者提出的方法在多种梨的缺陷提取上通用性强、准确性高.     

基于支持向量机的钢板缺陷分类问题的研究

现实工业生产中,钢板表面存在不同类型的缺陷,为了研究这些缺陷类型,需要对大量钢板进行特征提取,从缺陷中提取有价值的属性或度量。随后对提取的特征进行选择,选择降低缺陷分类错误的特征信息。在钢板表面缺陷检测系统中,缺陷识别是关键步骤之一,属于多分类问题。采用主成分分析对初始数据进行降维处理,然后采用支持向量机作为分类器,对钢板表面缺陷进行分类,以研究钢板的缺陷类型。同时采用基于Keras的神经网络进行对比分类,并优化钢板缺陷分类。     

确定RBF神经网络隐层节点数的最大矩阵元法

针对基于训练样本输入信息进行非监督聚类来确定RBF神经网络隐层节点数的方法存在利用信息不充分的缺陷,该文提出了一种新的确定RBF神经网络隐层节点数的方法。利用训练样本输入输出全部信息建立样本间的相似矩阵,然后采用最大矩阵元法来确定RBF神经网络隐层节点数。实验仿真表明,该方法是有效的。     

基于神经网络的钢材表面裂纹定量检测方法的研究

介绍基于神经网络的钢材表面裂纹定量检测原理及方法，设计了基于LabVIEW的钢杆裂纹缺陷漏磁定量检测系统，并对钢杆表面横向裂纹缺陷进行模拟实验，运用神经网络技术初步建立数学模型，通过评判Vpp得到反映裂纹状况的定量检测结果，从而验证了该方法的可行性，并得出相关的结论。     

基于BP神经网络的冷轧带钢表面缺陷分类研究

冷轧带钢表面检测系统作为带钢表面质量的检测设备,在钢铁生产中具有重大的应用价值.本文首先从冷轧带钢表面缺陷检测系统的总体结构以及神经网络在冷轧带钢表面检测系统中的应用两个方面介绍冷轧带钢表面缺陷检测系统.然后采用BP神经网络对在线冷轧带铜表面缺陷进行检测分类,结果表明检测系统总识别率达到了96%.     

基于图像处理的焊点缺陷识别方法的研究

针对生产线上的SMT（表面贴装技术）焊点图像的特点,研究基于图像处理的焊点缺陷识别算法,采用中值滤波、迭代阈值法、Sobel算子等一系列的图像预处理方法,有效抑制了噪声干扰,提高了图像的对比度,提取出较好的图像特征。采用径向基函数（RBF）神经网络对四种焊点缺陷进行识别。仿真结果表明,RBF神经网络很好地克服BP神经网络训练过程收敛依赖于初值和可能出现局部收敛的缺陷,具有较快的运算速度和较好的检测结果,基于图像处理的焊点识别方法是有效的。     

基于改进的卷积神经网络光学薄膜缺陷识别

为对光学薄膜缺陷图像进行准确识别分类,提出一种基于改进的卷积神经网络光学薄膜缺陷图像识别方法。为突出输入图像中的缺陷信息,采用改进的LBP算法对图像进行预处理。从三个方面对传统的卷积神经网络进行改进:为了解决单通道卷积神经网络对图像特征提取不充分的问题,构建双通道卷积神经网络;改进传统的ReLU激活函数,避免模型出现欠拟合现象;使用支持向量机(SVM)代替Softmax分类器,提高计算效率和准确率。光学薄膜缺陷图像仿真识别实验表明,所提方法分类平均准确率高达93.2%,训练时间为964 s,充分验证了所提方法的鲁棒性和有效性。     

基于新型深度神经网络的民机表面缺陷识别

为解决机务人员依靠经验来对民航飞机的表面缺陷进行识别时易发生误判的问题,开发了一种用于民机表面的缺陷识别的结合Inception-net和残差模块的新型深度神经网络。首先,通过对各机场的在修飞机表面缺陷进行采样建立数据集,手段包括使用图像处理修复不合格图像、使用数据增强缓解数据类别不平衡、使用立方卷积插值法降采样保留图像特征等图像预处理操作。然后在自建的数据集上对新型深度神经网络与其他神经网络进行对比测试。实验结果表明,新型神经网络在较少的参数下能够达到最深的网络深度,且在自建数据集的测试集上的识别率和查全率分别为74.23%和62.29%,优于进行对比的其他网络。说明在一定程度上该网络能够有效用于民机表面缺陷识别工作中。     

基于整体特征神经网络数字二次识别方法

根据数字字符整体特征, 提出一种基于字符整体特征的Bp神经网络数字二次识别方法. 该方法首先根据Bp神经网络原理对数字字符进行预识别; 然后对预识别结果中存在混淆的字符按照字符整体特征进行二次识别, 从而准确获得识别结果. 该方法结合了神经网络非线性、自主学习特点和字符整体特征形状结构不变性特点, 有效的在低样本量情况下, 获得较高的字符识别精度.     

一种基于自适应遗传BP算法的神经网络目标分类器设计方法

目标分类器是水下目标识别系统的重要组成部分.本文针对线谱特征提取,提出了一种基于自适应遗传BP算法训练神经网络目标分类器的新方法.经对海上实录三类目标噪声分类识别实验结果表明采用新方法的神经网络分类器具有更优的分类效果.     

神经网络在旋转机械故障诊断中的应用

本文介绍了神经网络技术的基本原理及在旋转机械故障诊断中的应用步骤,并通过MATLAB对BP神经网络的故障诊断模型进行了仿真,结果表明,此方法比传统方法有更好的诊断准确性。     

基于MATLAB的BP神经网络在猪等级评定中的应用研究*

为了客观评估猪肉各项指标和猪肉等级,采用MATLAB神经网络工具箱中的BP人工神经网络,利用猪胴体图像特征参数和活体猪图像特征参数建立BP神经网络模型。分别用猪胴体图像特征参数样本60个和活体猪图像特征参数样本80个进行了网络训练,并采用不同的BP神经网络隐含层的传递函数和隐含层神经元数量,得到 BP神经网络模型。通过仿真,将仿真结果与人工评估结果进行对比,结果表明BP人工神经网络模型可以评估猪肉各项指标和等级识别。在猪肉胴体图像特征指标下评价猪肉等级准确率达到98%,在活体猪图像特征参数评价猪肉等级准确率达到80%。说明猪肉胴体图像特征比活体猪图像特征参数更能代表猪肉质量品质也符合客观现实;同时也表明MATLAB神经网络工具箱中的BP人工神经网络可以应用在猪的等级评定中。     

On the robustness of global exponential stability for hybrid neural networks with noise and delay perturbations

The paper is concerned with the robustness of global exponential stability of hybrid neural networks subject to noise and delay simultaneously. Given a globally exponentially stable hybrid neural network, the aim of the paper is to characterize how much delay and noise intensity hybrid neural networks can bear such that the perturbed hybrid neural network remains globally exponentially stable, in the presence of delay and noise simultaneously. Numerical examples are provided to illustrate the result.     

基于D-S理论的智能故障诊断关键技术研究与实现

以智能检测和故障诊断技术作为研究对象,分析了在智能故障诊断系统中用到的特征提取、模式识别和故障预测等关键技术,探讨了用于实现上述关键技术中的小波变换和人工神经网络算法。鉴于人工神经网络算法容易出现系统故障定位不准确性的不足,引入了D-S(Dempster Shafer)证据理论。首先用BP神经网络对故障信息进行局部诊断,然后利用D-S证据理论对局部诊断结果进行融合,进行全局诊断,得到最终的故障结果。D-S证据理论的引入,增大了诊断结果的可靠性和准确性,提高了诊断算法的适应性。在LabWindows/CVI的平台下,实现了智能故障诊断算法。     

电子电路模糊神经网络故障诊断研究及仿真

针对模拟电路的故障特点,在确定智能诊断算法的基础上,论文尝试用高级语言编程来仿真实现.论文主要讨论了故障诊断的神经网络方法和将输入模糊化后的模糊神经网络方法,该方法结合了模糊逻辑和神经网络的优缺点,对于电阻元件的软故障,用模糊神经网络得到了比较理想的结果,对于所选的电路,用模糊神经网络可以对电阻增大和减小进行识别,实现了模拟电路软故障的辨识.对于模糊规则分不开的故障,可以运用神经网络进一步细分.论文着重以具体的模拟电路为研究对象编程模拟了诊断方法,结果证明这样的诊断方法是有效的.     

PID神经网络及其非线性动态系统辨识能力分析

PID神经网络具有在线自学习能力,通过无教师的自学习方式,PID神经网络成功现了不同的系统辨识,本文在介绍PID神经网络的基础上,论述了PID神经网络进行系统辨识的理论依据,给出了PID神经网络通过自学习进行非线性动态系统的辨识的结果。     

Inferring the capacity of the vector Poisson channel with a Bernoulli model

The capacity defines the ultimate fidelity limits of information transmission by any system. We derive the capacity of parallel Poisson process channels to judge the relative effectiveness of neural population structures. Because the Poisson process is equivalent to a Bernoulli process having small event probabilities, we infer the capacity of multi-channel Poisson models from their Bernoulli surrogates. For neural populations wherein each neuron has individual innervation, inter-neuron dependencies increase capacity, the opposite behavior of populations that share a single input. We use Shannon's rate-distortion theory to show that for Gaussian stimuli, the mean-squared error of the decoded stimulus decreases exponentially in both the population size and the maximal discharge rate. Detailed analysis shows that population coding is essential for accurate stimulus reconstruction. By modeling multi-neuron recordings as a sum of a neural population, we show that the resulting capacity is much less than the population's, reducing it to a level that can be less than provided with two separated neural responses. This result suggests that attempting neural control without spike sorting greatly reduces the achievable fidelity. In contrast, single-electrode neural stimulation does not incur any capacity deficit in comparison to stimulating individual neurons.     

神经网络的BP算法在教学质量评价中的应用研究

神经网络具有很强的自学习能力和容错性,善于联想、类比和推理。该文在探讨教学质量评价指标体系构建的基础上,将神经网络的BP算法应用于教师教学质量的评价中,目的是为了准确地反映教学的实际,更科学地对教师的教学质量进行有效的评价。实验结果证明,应用神经网络BP算法的评价方法考虑了评价标准的模糊性,使教师的教学质量得到客观公正的评价。