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(jī)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(jìn)行缺陷分類,實驗結(jié)果表明:分類正確率可達(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(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(jìn)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(jìn)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(yùn)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(dá)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(jìn)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(jìn)行訓(xùn)練,最后對測試樣本進(jìn)行識別。經(jīng)過確認(rèn),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(qiáng),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(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(jìn)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(jìn)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(jìn)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(yùn)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(qiáng)，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(jìn)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(jìn)行缺陷分類。使用機(jī)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(jī)(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(jìn)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(jìn)行多表面多工位的運(yùn)動工件同步獨(dú)立檢測.

機(jī)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(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(yùn)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(jī)鋼絲繩斷絲引起的信號變化進(jìn)行了研究。設(shè)備采用強(qiáng)磁探測原理,預(yù)先磁化的導(dǎo)線首先達(dá)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(qiáng)檢測斷絲的精度。

在分析了鋼絲繩電源無損探傷技術(shù)的發(fā)展對檢測系統(tǒng)提出的新問題之后，嘗試了采用多層神經(jīng)元網(wǎng)絡(luò)改進(jìn)ｂ－ｐ算法設(shè)計鋼絲繩檢測網(wǎng)絡(luò)。討論了加快網(wǎng)絡(luò)收斂的主要措施。實驗結(jié)果表明，采用神經(jīng)元網(wǎng)絡(luò)可以較好地解決網(wǎng)絲繩斷絲信號的定性、定量分析。

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(yùn)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。