基于Bandelet变换的金属断口图像识别方法

基于Bandelet变换能自适应跟踪图像几何方向的特点,将Bandelet变换引入到金属断口图像特征提取中,提出了一种基于Bandelet变换的金属断口形貌非线性识别方法。在提出的方法中,利用Bandelet变换提取金属断口图像的Bandelet熵作为特征向量,神经网络作为非线性分类器,对几种典型的金属断口图像进行了识别验证。同时,将该方法与基于传统的小波变换的金属断口图像识别方法进行了对比。结果表明,由于Bandelet变换克服了小波变换在处理金属断口图像时孤立对待边界各点的缺点,得到了比传统的小波变换方法更好的识别效果。     

疲劳断口分析的Fourier变换方法

对疲劳断口图象进行恰当的图象变换处理，可以从其丰富而复杂的图像信息中提取重要的有用特征，实现疲劳断口的定量分析，本文应用二维离散Ｆｏｕｒｉｅｒ变换对疲劳断口表面像进行分析处理后，再通过二次特征提取将二维图像分析转化为对两个一维特征波形的分析，从而有利于获得明确的有关疲劳断口的纹理特征和疲劳条纹的方向特征，研究结果表明，利用二维离散Ｆｏｕｒｉｅｒ空换在空频域上对疲劳断口图象进行分析，可以获得单纯空间     

基于小波变换的金属断口模式识别与分类

提出了一种基于小波变换的金属断口模式识别分类方法。该方法采用Daubechies四点小波和标准的金字塔结构小波变换对粘口图像进行二级小波变换，将小波变换后各个频带输出的L1范数、能量、熵作为断口分类的特征，并根据特征本身的离散程度对特征进行加权处理，采用线性最小距离分类器，对等轴塑坑、腐蚀疲劳、河流花样、拉长塑抗、韧性疲劳和韧性沿晶等六种典型的断口进行分类。实验结果表明，这种方法可以对金属断口模式进行准确的识别与分类。     

基于近似熵与支持向量机的异步电机故障诊断研究

针对异步电机故障发生率高、故障类别难以有效识别的问题,提出一种基于近似熵与支持向量机的故障诊断方法。通过构造故障再现试验,分别测取4种不同状态类别的多测点振动信号样本。利用近似熵算法计算其近似熵样本值,得到4种不同状态类别的近似熵故障特征向量。结合支持向量机算法,构建支持向量机分类模型。近似熵特征量被划分为训练样本和测试样本,经验证其故障诊断准确率达97.5%,改进BP神经网络诊断方法的准确率为92.5%,结果表明：近似熵结合支持向量机方法具有更高的诊断精度。     

基于相关向量机的故障诊断方法研究

相关向量机(RVM)是目前最受关注的新一代模式识别技术之一,阐述了基于相关向量机的故障诊断方法、应用前景等。介绍相关向量机的分类、回归模型及其国内外研究进展;对RVM提出至今在故障诊断和退化评估与寿命预测中的应用研究进行综述;最后分析在故障诊断中RVM方法存在的弊端及其未来研究趋势。     

基于支持向量机的灰铸铁强度预测模型

利用高碳当量灰铸铁组织强度试验数据,提出了一种基于支持向量机理论的灰铸铁强度预测模型。与多元线性回归、模糊回归和自适应模糊神经网络相比,该模型学习精度高且具有较好的泛化能力,能取得较好的预测效果。     

基于数字化车间的改进图像识别系统

数字化车间的主要特点是对于普通车间的重新定义,是通过虚拟的方式将传统车间构建到虚拟环境中,对整个生产过程进行虚拟仿真推进生产。针对数字化车间虚拟信息化的识别精度问题,传统的图像识别系统对于数字化车间中精密仪器的识别准确率偏低,文章中的图像识别系统是通过针对数字化车间与卷积神经网络^[1]的特点进行改进,通过将卷积神经网络与支持向量机相结合,将分类模型加入到图像识别中,最终提高识别准确率,稳定高效的帮助用户进行仿真从而推进生产。     

基于信号分形与支持向量机的点焊检测方法

鉴于分形维数对数据样本集复杂程度的定量描述特点及支持向量机在小样本集合分类和回归方面所具有的显著优势,采用信号数据序列的分形维数作为特征值,提出一种基于信号分形维数及支持向量机的点焊信号检测方法。分别对点焊飞溅缺陷和熔核尺寸缺陷建立两类支持向量机检测模型,构成支持向量机阵列,利用该阵列模型进行点焊飞溅和小尺寸熔核两种缺陷的综合检测。结果表明,该阵列对点焊缺陷的无损检测是比较精确的,能较好地无损检测到点焊过程中飞溅及小尺寸熔核两种缺陷。为点焊的无损检测提供了一种新的方法。     

基于支持向量机的加工误差预测建模方法研究

误差补偿是提高机械加工精度的有效途径,其中误差的建模是关键.在分析现有加工误差预测技术不足的基础上,提出基于支持向量机的加工误差回归建模和预测方法,并对实际应用中的问题进行了分析和总结.通过实例验证及与其它建模方法的对比,表明该方法具有优良的预测性能,为加工误差预测提供了一种新的可行方法.     

基于多类支持向量机的板形识别方法

提出一种基于多类支持向量机理论的板形识别分类器,通过对冷轧工序中板形仪测得的数据进行预处理,获取所需样本数据。采用“一对多”方法训练多类支持向量机分类器,最后用测试样本对训练出的分类器进行性能测试。仿真结果表明该方法在处理小样本数据时识别率非常高,泛化能力更强,为板形识别提供了新的研究方法。     

非结构环境下基于HoG与SVM的汽车油箱盖视觉检测方法

为解决在自然场景中进行汽车油箱盖定位的问题,提出一种非结构环境下基于HoG与SVM的汽车油箱盖视觉检测方法。对汽车图像进行预处理并采用多尺度底帽变换提取图像暗细节特征;利用改进的最大熵阈值分割法分割图像;采用连通区域标记法对二值图进行统计,并在原图中确定目标候选区域;采用HoG特征和支持向量机对候选区域进行分类判决,从而定位汽车油箱盖。结果表明：该方法可以准确地检测出油箱盖位置,即使图像存在光照不均匀、汽车覆盖件表面灰尘、细节模糊等情况,也有较好的定位效果。     

基于小波变换的发动机表面缺陷图像去噪方法的研究

目的 滤除发动机表面缺陷图像上的噪声,使发动机表面缺陷信息得以更好地呈现。方法 首先利用小波变换将发动机表面缺陷含噪图像进行系数分解,获取不同的小波系数;接着利用支持向量机对小波分解系数进行分类,以达到将噪声信号与非噪声信号进行分离的效果;最后利用插值运算对硬阀值函数进行优化,以克服函数不连续性引起的振铃效应等弊端,使得去噪后图像能够保持更多的细节信息。通过实验仿真将所提方法以及中值滤波、双边滤波方法的去噪效果进行对比。结果 所提方法去噪后图像与中值滤波以及双边滤波方法去噪后图像相比,具有更高的PSNR值以及SSIM值。测试图像噪声强度为25%时,所提方法去噪后图像的PSNR值以及SSIM值较中值滤波方法去噪分别提高了20.66%以及11.89%,较双边滤波方法去噪分别提高了10.30%以及5.48%。结论 所提方法比中值滤波、双边滤波方法具有更好的去噪效果,能够对发动机表面缺陷图像的噪声进行去除,并较好地保留图像的细节信息。     

基于改进小波阈值-SVM的齿轮故障信号识别

针对在齿轮疲劳试验中需要多次停机拍照的问题,提出基于改进的小波域阈值降噪方法,对采集的齿轮啮合的声发射信号分析,并提取特征矢量作为支持向量机的输入特征向量,识别出故障信号,根据齿轮旋转周期,确定缺陷轮齿。与开箱拍照的记录进行对比,计算得出的问题轮齿和照片记录吻合。该方法减少了因停机拍照造成的齿轮工作数据采集不准确的问题,同时也减少了工作人员的工作量,在后续的实验中该方法得到了有效的应用。     

最小二乘支持向量机在电梯故障诊断中的应用(英文)

针对电梯故障诊断中特征提取困难和故障样本数量少问题,提出了应用小波包分解和最小支持向量机( LS-SVM) 相结合进行电梯急停智能故障诊断的方法。借助小波包分解,该方法首先提取电梯轿厢振动信号作为特征向量,然后利用 LS-SVM 分类模型对故障进行辨识。实验证明,小波包与 LS-SVM 相融合的故障诊断与识别技术可发挥两者的优势,该方法对电梯急停故障的诊断具有较好的诊断效果。     

基于不确定性纹理谱的金属断口形貌识别

应用不确定性纹理谱进行金属断口形貌的识别；采用最小距离分类器，对等轴韧窝、拉长韧窝、解理、疲劳和沿晶等典型断口进行分类．分析结果表明，这种方法具有较好的分类效果。     

基于机器视觉的轴承字符识别技术的研究

针对轴承上字符的特点,提出了一种基于机器视觉的轴承字符自动识别方法,并利用C++和OpenCV计算机视觉库开发了识别软件。对轴承字符图像进行阈值分割,使用Sobel算子提取边缘轮廓,然后使用改进的圆检测算法定位环形字符区域,在经过极坐标变换后进行字符分割。最后提取改进的字符特征,使用支持向量机分类器进行字符识别。试验结果表明:该方法能有效识别轴承字符,而且识别率达到了95%以上,具有广阔的应用前景。     

基于图的混合加工特征识别方法

针对传统的基于图的特征识别方法难以识别相交特征和拓扑不固定特征的问题,提出了一种基于图的混合加工特征识别方法.该方法首先利用插入分割线分割贴合的面的方法拆分相交特征,然后重构扩展属性邻接图,从中分解出最小条件子图,最后根据二次曲面特征、由平面组成的特征的边界模式,分别建立相应的特征识别知识库,并应用知识树通过推理识别特征.验证结果表明该方法能合理地拆分相交特征,有效地识别常见的加工特征.     

����KPCA�İ�������ȱ��ʶ�𷽷�

引入核方法分析研究了现有的板坯表面缺陷识别方法,提出了一种新的核函数,并将其应用到板坯表面缺陷特征提取中,用传统的支持向量机对图像进行分类,试验结果表明,新核函数提取的特征识别效果最好,识别率达到了91.55%。     

基于模式识别的零件表面瑕疵图像提取的设计与实现

针对精密零件表面瑕疵处理问题,将计算机视觉技术用于精密零件表面瑕疵图像的提取和分析,提高了生产中机械零件自动识别的实时性和分拣的准确率,并结合嵌入式系统进行控制。设计了一个基于机器视觉的零件表面瑕疵图像自动识别系统,采用图像处理及模式匹配的方法,实现了零件表面瑕疵图像的提取,为零件表面瑕疵的处理做好了准备工作,达到了对许多加工件和产品表面质量进行快速检测的目的。