圖像處理與神經(jīng)網(wǎng)絡(luò)的鋼絲繩表面缺陷檢測

精密軸承應(yīng)用廣泛,精度要求高,軸承表面缺陷對其使用影響很大.因此,對軸承缺陷的檢測很有必要.目前的檢測以人工為主,但當(dāng)缺陷小于0.075mm時人眼就很難識別.以ccd攝像機為視覺結(jié)合圖像處理技術(shù),設(shè)計一種軸承在線檢測方法,能夠在很大程度上提高檢測效率和檢測精度,最后利用bp神經(jīng)網(wǎng)絡(luò)進行缺陷分類,實驗結(jié)果表明:分類正確率可達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,并對某電子設(shè)備的鋼絲繩隔振系統(tǒng)滯后恢復(fù)力進行建模研究。利用周期載荷試驗數(shù)據(jù),通過參數(shù)識別確定系統(tǒng)非線性滯后恢復(fù)力的骨架模型。采用神經(jīng)網(wǎng)絡(luò)對系統(tǒng)恢復(fù)力中難以參數(shù)建模的特性進行學(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隔振系統(tǒng)在周期載荷和寬頻隨機載荷下的響應(yīng)進行預(yù)測分析與比較,結(jié)果顯示雜交模型具有較好的預(yù)測精度。

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

針對目前鋼絲繩斷絲檢測定量識別中存在的問題,提出了基于bp神經(jīng)網(wǎng)絡(luò)的鋼絲繩斷絲損傷信號的模式識別方法.運用matlab工具箱建立了鋼絲繩斷絲損傷定量識別的bp網(wǎng)絡(luò)模型,通過模擬和實際檢測,斷絲損傷識別的準(zhǔn)確率達到86.9%,驗證了網(wǎng)絡(luò)的可靠性和實用性.

采用徑向基神經(jīng)網(wǎng)絡(luò)對鋼絲繩斷絲損傷進行定量識別。首先將影響鋼絲繩斷絲損傷定量識別的6個主要因素作為輸入?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軟件編寫該網(wǎng)絡(luò)的程序代碼,通過有限的學(xué)習(xí)樣本對網(wǎng)絡(luò)進行訓(xùn)練,最后對測試樣本進行識別。經(jīng)過確認,測試結(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檢測的方案,并根據(jù)二者的特點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。對定性檢測,輸入層和隱含層之間用小波函數(shù)作為權(quán)系數(shù),兩層之間無非線性;對定量檢測,應(yīng)用小波非線性,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,后者適于特征與斷絲程度之間定量關(guān)系的逼近。實驗結(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,識別精度好,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的準(zhǔn)確度。

研究了鋼絲繩斷絲損傷漏磁檢測信號的采集與存儲方法;提出鋼絲繩斷絲損傷信號的特征值,基于labview設(shè)計了鋼絲繩斷絲損傷信號特征值提取與處理系統(tǒng);建立了鋼絲繩斷絲損傷定量識別的神經(jīng)網(wǎng)絡(luò)模型。通過鋼絲繩第1、2層斷絲檢測試驗對研究的信號處理系統(tǒng)予以驗證。

鋼絲繩在建筑、旅游、運輸?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損檢測方案,選取感應(yīng)信號相對于激勵信號的峰-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算信號特征量。應(yīng)用bp神經(jīng)網(wǎng)絡(luò)對鋼絲繩缺陷進行自動識別,以鋼絲繩型號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,通過離線訓(xùn)練方法獲取神經(jīng)網(wǎng)絡(luò)辨識模型。對實驗數(shù)據(jù)進行識別,結(jié)果表明bp神經(jīng)網(wǎng)絡(luò)能對斷絲缺陷及其數(shù)量進行有效的定性及定量識別。

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

鋼絲繩斷絲檢測儀采集到的信號有高頻低通等噪聲信號的干擾,經(jīng)過小波分解、重構(gòu)后濾出干擾信號,采用bp神經(jīng)網(wǎng)絡(luò)算法設(shè)計鋼絲繩檢測信號網(wǎng)絡(luò)系統(tǒng)。實驗結(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的定量分析,最后給出了監(jiān)測信號頻譜上斷絲信號的定量識別方法。經(jīng)反復(fù)實驗,檢測結(jié)果與實際情況基本一致,證明該檢測方法能較準(zhǔn)確地對鋼絲繩斷絲做出定量識別。

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

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。對常見的劃傷和斷裂的x光圖像進行缺陷分類。使用機器學(xué)習(xí)方法學(xué)習(xí)圖像特征,自動建立圖像類的模型已成為一種有效的方法。采用支持向量機(svm)方法通過訓(xùn)練特征向量,建立模型,對劃傷和斷裂的x光缺陷圖像進行自動分類。實驗結(jié)果表明基于svm的算法適合x光鋼絲繩芯圖像的缺陷分類。

針對非線性預(yù)測問題,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)的趨勢預(yù)測模型,通過對鋼絲繩磨損度的時間序列預(yù)測,實現(xiàn)了故障預(yù)報。實踐表明:小波網(wǎng)絡(luò)具有更快的收斂速度和更高的預(yù)報精度,仿真結(jié)果與實測數(shù)據(jù)相比最大相對誤差為4.23%,預(yù)報精度滿足要求。

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

為實現(xiàn)圖像處理技術(shù)在表面缺陷檢測中的應(yīng)用,取代傳統(tǒng)人工檢測的方式,設(shè)計開發(fā)了一套五金件表面缺陷檢測系統(tǒng),研究了鍍鎳五金件表面圖像在線處理算法,包括邊緣檢測算法、位置修正算法、標(biāo)定算法和檢測算法,實現(xiàn)了五金件表面缺陷視覺檢測.同時提出一種閾值反饋算法,用實際缺陷值反饋驗證理論缺陷值,最終得到可靠的缺陷閾值,判斷表面缺陷.該檢測系統(tǒng)可進行多表面多工位的運動工件同步獨立檢測.

機器視覺中自動視覺檢測是其中的一項重要應(yīng)用,目前在我國很多的瓷磚表面缺陷檢測依舊處在人工檢測水平,其工作量大,工作效率低,而檢測額精度又無法滿足實際生產(chǎn)需要,面對這種的情況,文章重點對布爾神經(jīng)網(wǎng)絡(luò)方法在瓷磚表面缺陷檢測中的運用做了闡述。

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

針對現(xiàn)階段鋼絲繩無損檢測中存在的門限值與概率模型中特征參數(shù)的選擇問題,提出運用神經(jīng)元網(wǎng)絡(luò)技術(shù)解決該問題的一個方案.并研究了神經(jīng)元網(wǎng)絡(luò)訓(xùn)練參數(shù)集的大小對門限值以及概率模型中特征參數(shù)準(zhǔn)確性的影響,還給出了實驗結(jié)果.

對一種新型的檢測和處理礦井提升機鋼絲繩斷絲引起的信號變化進行了研究。設(shè)備采用強磁探測原理,預(yù)先磁化的導(dǎo)線首先達到磁飽和。創(chuàng)新之處是安裝的漏磁通閥門的數(shù)量是鋼絲繩里線束數(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束間的漏磁場產(chǎn)生的線纜表面的干擾。采樣信號序列由斷絲生成,其線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。測試的結(jié)果表明新設(shè)備可以增強檢測斷絲的精度。

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

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

船機鋼絲繩變形問題及預(yù)防方法 論文摘要：鋼絲繩在港口機械里得到了廣泛的應(yīng)用，尤其是在卸船機機械中的應(yīng)用更為普 遍，但是也存在著很多安全問題。本文闡述了鋼絲繩的主要結(jié)構(gòu)變形（幾何失效）的種類、 失效機理及預(yù)防措施，在鋼絲繩使用過程中必須綜合考慮多種變形因素，及時杜絕鋼絲繩變 形的產(chǎn)生。 1引言 自鋼絲繩誕生之日起它就以高強度、耐磨損、抗沖擊等良好的特性在港口機械中特別是 在卸船機械中得到廣泛的應(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 物理上高強度的沖擊和磨損，以及人為的損傷和破壞。就卸船機而言，大多說鋼絲繩報廢的 原因是鋼絲繩出現(xiàn)斷絲、斷股、磨損和腐蝕。但是有時候鋼絲繩也會出現(xiàn)散股、抽絲等幾何 變形，雖然鋼絲繩出現(xiàn)此類損壞的情況相對少見，但是結(jié)構(gòu)變形同樣會帶來嚴重的經(jīng)濟損失 和安全隱患。所以分析鋼絲繩變形的機理，總結(jié)防范措施是十分必要的。 2