圖像處理與神經(jīng)網(wǎng)絡(luò)的鋼絲繩表面缺陷檢測(cè)

精密軸承應(yīng)用廣泛,精度要求高,軸承表面缺陷對(duì)其使用影響很大.因此,對(duì)軸承缺陷的檢測(cè)很有必要.目前的檢測(cè)以人工為主,但當(dāng)缺陷小于0.075mm時(shí)人眼就很難識(shí)別.以ccd攝像機(jī)為視覺(jué)結(jié)合圖像處理技術(shù),設(shè)計(jì)一種軸承在線(xiàn)檢測(cè)方法,能夠在很大程度上提高檢測(cè)效率和檢測(cè)精度,最后利用bp神經(jīng)網(wǎng)絡(luò)進(jìn)行缺陷分類(lèi),實(shí)驗(yàn)結(jié)果表明:分類(lèi)正確率可達(dá)92.7%,符合工業(yè)要求.

提出一種基于神經(jīng)網(wǎng)絡(luò)的雜交建模方法,并對(duì)某電子設(shè)備的鋼絲繩隔振系統(tǒng)滯后恢復(fù)力進(jìn)行建模研究。利用周期載荷試驗(yàn)數(shù)據(jù),通過(guò)參數(shù)識(shí)別確定系統(tǒng)非線(xiàn)性滯后恢復(fù)力的骨架模型。采用神經(jīng)網(wǎng)絡(luò)對(duì)系統(tǒng)恢復(fù)力中難以參數(shù)建模的特性進(jìn)行學(xué)習(xí)訓(xùn)練,從而得到系統(tǒng)恢復(fù)力的神經(jīng)網(wǎng)絡(luò)雜交模型。利用得到的雜交模型對(duì)隔振系統(tǒng)在周期載荷和寬頻隨機(jī)載荷下的響應(yīng)進(jìn)行預(yù)測(cè)分析與比較,結(jié)果顯示雜交模型具有較好的預(yù)測(cè)精度。

鋼絲繩斷絲檢測(cè)信號(hào)中存在大量的噪聲信號(hào)。在分析了鋼絲繩斷絲信號(hào)的特征后,利用小波分析算法的高分辨率特點(diǎn),對(duì)鋼絲繩斷絲檢測(cè)信號(hào)進(jìn)行分解和重構(gòu),提取斷絲特征信號(hào);并采用基于bp神經(jīng)網(wǎng)絡(luò)算法的斷絲識(shí)別,解決了斷絲識(shí)別困難的問(wèn)題。引入matlab仿真軟件對(duì)其進(jìn)行驗(yàn)證,仿真結(jié)果表明,該方法對(duì)鋼絲繩斷絲信號(hào)的檢測(cè)和識(shí)別十分有效,減小了鋼絲繩斷絲的誤判率,提高了鋼絲繩斷絲檢測(cè)的智能化程度。該方法成本低、效率高,具有一定的應(yīng)用開(kāi)發(fā)前景。

針對(duì)目前鋼絲繩斷絲檢測(cè)定量識(shí)別中存在的問(wèn)題,提出了基于bp神經(jīng)網(wǎng)絡(luò)的鋼絲繩斷絲損傷信號(hào)的模式識(shí)別方法.運(yùn)用matlab工具箱建立了鋼絲繩斷絲損傷定量識(shí)別的bp網(wǎng)絡(luò)模型,通過(guò)模擬和實(shí)際檢測(cè),斷絲損傷識(shí)別的準(zhǔn)確率達(dá)到86.9%,驗(yàn)證了網(wǎng)絡(luò)的可靠性和實(shí)用性.

采用徑向基神經(jīng)網(wǎng)絡(luò)對(duì)鋼絲繩斷絲損傷進(jìn)行定量識(shí)別。首先將影響鋼絲繩斷絲損傷定量識(shí)別的6個(gè)主要因素作為輸入?yún)?shù),某截面的斷絲數(shù)量作為輸出參數(shù)建立起徑向基神經(jīng)網(wǎng)絡(luò)模型,然后利用matlab軟件編寫(xiě)該網(wǎng)絡(luò)的程序代碼,通過(guò)有限的學(xué)習(xí)樣本對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,最后對(duì)測(cè)試樣本進(jìn)行識(shí)別。經(jīng)過(guò)確認(rèn),測(cè)試結(jié)果較好地反應(yīng)了鋼絲繩的斷絲損傷。

提出了鋼絲繩斷絲定性和定量分級(jí)檢測(cè)的方案,并根據(jù)二者的特點(diǎn)給出了兩種小波神經(jīng)網(wǎng)絡(luò)模型和權(quán)值學(xué)習(xí)算法。對(duì)定性檢測(cè),輸入層和隱含層之間用小波函數(shù)作為權(quán)系數(shù),兩層之間無(wú)非線(xiàn)性;對(duì)定量檢測(cè),應(yīng)用小波非線(xiàn)性,神經(jīng)網(wǎng)的輸入是特征向量和小波的內(nèi)積。前者適于定性分類(lèi),后者適于特征與斷絲程度之間定量關(guān)系的逼近。實(shí)驗(yàn)結(jié)果表明:兩種小波神經(jīng)網(wǎng)絡(luò)較一般的bp網(wǎng)絡(luò)收斂速度快,外推能力強(qiáng),識(shí)別精度好,這種方法成功地區(qū)分了內(nèi)、外部斷絲,極大地提高了斷絲定量檢測(cè)的準(zhǔn)確度。

研究了鋼絲繩斷絲損傷漏磁檢測(cè)信號(hào)的采集與存儲(chǔ)方法;提出鋼絲繩斷絲損傷信號(hào)的特征值,基于labview設(shè)計(jì)了鋼絲繩斷絲損傷信號(hào)特征值提取與處理系統(tǒng);建立了鋼絲繩斷絲損傷定量識(shí)別的神經(jīng)網(wǎng)絡(luò)模型。通過(guò)鋼絲繩第1、2層斷絲檢測(cè)試驗(yàn)對(duì)研究的信號(hào)處理系統(tǒng)予以驗(yàn)證。

鋼絲繩在建筑、旅游、運(yùn)輸?shù)刃袠I(yè)中已得到了廣泛應(yīng)用,由其斷絲、磨損等缺陷所引起的安全隱患備受人們關(guān)注。采用雙探頭低頻透射式鋼絲繩電渦流無(wú)損檢測(cè)方案,選取感應(yīng)信號(hào)相對(duì)于激勵(lì)信號(hào)的峰-峰值差和相位差作為特征量,采用數(shù)字式峰-峰值算法和占空比原理計(jì)算信號(hào)特征量。應(yīng)用bp神經(jīng)網(wǎng)絡(luò)對(duì)鋼絲繩缺陷進(jìn)行自動(dòng)識(shí)別,以鋼絲繩型號(hào)及其缺陷特征量為網(wǎng)絡(luò)輸入,以是否存在斷絲及斷絲數(shù)量為網(wǎng)絡(luò)輸出,通過(guò)離線(xiàn)訓(xùn)練方法獲取神經(jīng)網(wǎng)絡(luò)辨識(shí)模型。對(duì)實(shí)驗(yàn)數(shù)據(jù)進(jìn)行識(shí)別,結(jié)果表明bp神經(jīng)網(wǎng)絡(luò)能對(duì)斷絲缺陷及其數(shù)量進(jìn)行有效的定性及定量識(shí)別。

基于神經(jīng)網(wǎng)絡(luò)理論，提出了鋼絲繩損傷定量識(shí)別的新方法，建立了相應(yīng)的ｂｐ網(wǎng)絡(luò)模型。檢測(cè)實(shí)驗(yàn)證明，運(yùn)用該方法及其模型定量識(shí)別鋼絲繩的ｌｆ型損傷，準(zhǔn)確率高，自適應(yīng)性強(qiáng)，是一種有效的實(shí)用方法。

鋼絲繩斷絲檢測(cè)儀采集到的信號(hào)有高頻低通等噪聲信號(hào)的干擾,經(jīng)過(guò)小波分解、重構(gòu)后濾出干擾信號(hào),采用bp神經(jīng)網(wǎng)絡(luò)算法設(shè)計(jì)鋼絲繩檢測(cè)信號(hào)網(wǎng)絡(luò)系統(tǒng)。實(shí)驗(yàn)結(jié)果表明,采用bp神經(jīng)網(wǎng)絡(luò)算法可以較好地解決鋼絲繩斷絲信號(hào)的定量分析,最后給出了監(jiān)測(cè)信號(hào)頻譜上斷絲信號(hào)的定量識(shí)別方法。經(jīng)反復(fù)實(shí)驗(yàn),檢測(cè)結(jié)果與實(shí)際情況基本一致,證明該檢測(cè)方法能較準(zhǔn)確地對(duì)鋼絲繩斷絲做出定量識(shí)別。

建立了鋼絲繩斷絲定量識(shí)別的bp神經(jīng)網(wǎng)絡(luò)模型,重點(diǎn)從網(wǎng)絡(luò)輸入特征值的分析與優(yōu)化、網(wǎng)絡(luò)訓(xùn)練集與測(cè)試集的合理選擇、網(wǎng)絡(luò)訓(xùn)練目標(biāo)的確定3個(gè)方面討論了優(yōu)化神經(jīng)網(wǎng)絡(luò)參數(shù)與性能的方法。經(jīng)實(shí)際網(wǎng)絡(luò)的訓(xùn)練及測(cè)試,證明了合理參數(shù)的選擇改進(jìn)了網(wǎng)絡(luò)性能,提高了鋼絲繩斷絲定量識(shí)別的精度,具有實(shí)際工程意義。

輸送帶鋼絲繩芯缺陷一般分為:內(nèi)部鋼絲繩的劃傷,鋼絲繩芯的銹蝕,斷裂,鋼絲繩芯與膠帶粘合力下降而導(dǎo)致的膠帶脫落等故障。對(duì)常見(jiàn)的劃傷和斷裂的x光圖像進(jìn)行缺陷分類(lèi)。使用機(jī)器學(xué)習(xí)方法學(xué)習(xí)圖像特征,自動(dòng)建立圖像類(lèi)的模型已成為一種有效的方法。采用支持向量機(jī)(svm)方法通過(guò)訓(xùn)練特征向量,建立模型,對(duì)劃傷和斷裂的x光缺陷圖像進(jìn)行自動(dòng)分類(lèi)。實(shí)驗(yàn)結(jié)果表明基于svm的算法適合x(chóng)光鋼絲繩芯圖像的缺陷分類(lèi)。

針對(duì)非線(xiàn)性預(yù)測(cè)問(wèn)題,提出了小波神經(jīng)網(wǎng)絡(luò)算法,建立了小波神經(jīng)網(wǎng)絡(luò)的趨勢(shì)預(yù)測(cè)模型,通過(guò)對(duì)鋼絲繩磨損度的時(shí)間序列預(yù)測(cè),實(shí)現(xiàn)了故障預(yù)報(bào)。實(shí)踐表明:小波網(wǎng)絡(luò)具有更快的收斂速度和更高的預(yù)報(bào)精度,仿真結(jié)果與實(shí)測(cè)數(shù)據(jù)相比最大相對(duì)誤差為4.23%,預(yù)報(bào)精度滿(mǎn)足要求。

基于FPGA圖像處理技術(shù)在鋼板表面缺陷檢測(cè)系統(tǒng)中的應(yīng)用

為實(shí)現(xiàn)圖像處理技術(shù)在表面缺陷檢測(cè)中的應(yīng)用,取代傳統(tǒng)人工檢測(cè)的方式,設(shè)計(jì)開(kāi)發(fā)了一套五金件表面缺陷檢測(cè)系統(tǒng),研究了鍍鎳五金件表面圖像在線(xiàn)處理算法,包括邊緣檢測(cè)算法、位置修正算法、標(biāo)定算法和檢測(cè)算法,實(shí)現(xiàn)了五金件表面缺陷視覺(jué)檢測(cè).同時(shí)提出一種閾值反饋算法,用實(shí)際缺陷值反饋驗(yàn)證理論缺陷值,最終得到可靠的缺陷閾值,判斷表面缺陷.該檢測(cè)系統(tǒng)可進(jìn)行多表面多工位的運(yùn)動(dòng)工件同步獨(dú)立檢測(cè).

機(jī)器視覺(jué)中自動(dòng)視覺(jué)檢測(cè)是其中的一項(xiàng)重要應(yīng)用,目前在我國(guó)很多的瓷磚表面缺陷檢測(cè)依舊處在人工檢測(cè)水平,其工作量大,工作效率低,而檢測(cè)額精度又無(wú)法滿(mǎn)足實(shí)際生產(chǎn)需要,面對(duì)這種的情況,文章重點(diǎn)對(duì)布爾神經(jīng)網(wǎng)絡(luò)方法在瓷磚表面缺陷檢測(cè)中的運(yùn)用做了闡述。

神經(jīng)元網(wǎng)絡(luò)及其參數(shù)訓(xùn)練用于鋼絲繩無(wú)損檢測(cè)

針對(duì)現(xiàn)階段鋼絲繩無(wú)損檢測(cè)中存在的門(mén)限值與概率模型中特征參數(shù)的選擇問(wèn)題,提出運(yùn)用神經(jīng)元網(wǎng)絡(luò)技術(shù)解決該問(wèn)題的一個(gè)方案.并研究了神經(jīng)元網(wǎng)絡(luò)訓(xùn)練參數(shù)集的大小對(duì)門(mén)限值以及概率模型中特征參數(shù)準(zhǔn)確性的影響,還給出了實(shí)驗(yàn)結(jié)果.

對(duì)一種新型的檢測(cè)和處理礦井提升機(jī)鋼絲繩斷絲引起的信號(hào)變化進(jìn)行了研究。設(shè)備采用強(qiáng)磁探測(cè)原理,預(yù)先磁化的導(dǎo)線(xiàn)首先達(dá)到磁飽和。創(chuàng)新之處是安裝的漏磁通閥門(mén)的數(shù)量是鋼絲繩里線(xiàn)束數(shù)量的兩倍。周邊元件以串聯(lián)的形式連接,可以有效地濾除由線(xiàn)束間的漏磁場(chǎng)產(chǎn)生的線(xiàn)纜表面的干擾。采樣信號(hào)序列由斷絲生成,其線(xiàn)纜表面的漏磁通呈三維分布,能壓縮提取。建立bp神經(jīng)網(wǎng)絡(luò)模型,bp神經(jīng)網(wǎng)絡(luò)算法用于定量鑒別斷絲的數(shù)量。測(cè)試的結(jié)果表明新設(shè)備可以增強(qiáng)檢測(cè)斷絲的精度。

本文闡述了鋼絲繩檢驗(yàn)的重要性及現(xiàn)階段檢驗(yàn)方法的缺陷。提出了一種易于被接受的鋼絲繩成像檢測(cè)儀的軟硬件基本方案。

主要介紹了mtc鋼絲繩安全檢測(cè)儀的技術(shù)原理、性能特點(diǎn)和現(xiàn)場(chǎng)實(shí)際應(yīng)用情況,通過(guò)在線(xiàn)檢測(cè),解決了煤礦提升鋼絲繩的安全運(yùn)行這一煤炭行業(yè)長(zhǎng)期困惑的難題,為預(yù)防和減少煤礦事故的發(fā)生提供了有力的手段。

船機(jī)鋼絲繩變形問(wèn)題及預(yù)防方法 論文摘要：鋼絲繩在港口機(jī)械里得到了廣泛的應(yīng)用，尤其是在卸船機(jī)機(jī)械中的應(yīng)用更為普 遍，但是也存在著很多安全問(wèn)題。本文闡述了鋼絲繩的主要結(jié)構(gòu)變形（幾何失效）的種類(lèi)、 失效機(jī)理及預(yù)防措施，在鋼絲繩使用過(guò)程中必須綜合考慮多種變形因素，及時(shí)杜絕鋼絲繩變 形的產(chǎn)生。 1引言 自鋼絲繩誕生之日起它就以高強(qiáng)度、耐磨損、抗沖擊等良好的特性在港口機(jī)械中特別是 在卸船機(jī)械中得到廣泛的應(yīng)用。但由于鋼絲繩工作環(huán)境惡劣，它常常受到化學(xué)物質(zhì)的腐蝕和 物理上高強(qiáng)度的沖擊和磨損，以及人為的損傷和破壞。就卸船機(jī)而言，大多說(shuō)鋼絲繩報(bào)廢的 原因是鋼絲繩出現(xiàn)斷絲、斷股、磨損和腐蝕。但是有時(shí)候鋼絲繩也會(huì)出現(xiàn)散股、抽絲等幾何 變形，雖然鋼絲繩出現(xiàn)此類(lèi)損壞的情況相對(duì)少見(jiàn)，但是結(jié)構(gòu)變形同樣會(huì)帶來(lái)嚴(yán)重的經(jīng)濟(jì)損失 和安全隱患。所以分析鋼絲繩變形的機(jī)理，總結(jié)防范措施是十分必要的。 2