本文選題：磁瓦 + 內(nèi)部缺陷�。� 參考：《浙江大學(xué)學(xué)報(bào)(工學(xué)版)》2017年01期

【摘要】：提出結(jié)合雙樹復(fù)小波包變換(DTCWPT)、鄰域成分分析法(NCA)、最小二乘支持向量機(jī)(LSSVM)的磁瓦內(nèi)部缺陷檢測方法.通過雙樹復(fù)小波包將采集的聲音信號分解為6層,得到64個(gè)不同頻帶的子信號;求取特定頻帶信號的能量、偏度、峭度、模糊熵,并將能量、偏度、峭度、模糊熵作為分類特征;利用鄰域成分分析法對分類特征降維;將降維構(gòu)造的新特征集輸入到最小二乘支持向量機(jī),判斷磁瓦是否含有內(nèi)部缺陷.通過實(shí)驗(yàn)驗(yàn)證,對提出的檢測方法進(jìn)行可行性分析.3種不同類型磁瓦的內(nèi)部缺陷識別率均可以達(dá)到99%,與以往雙譜切片方法相比,提高了檢測識別率.試驗(yàn)結(jié)果表明,提出的方法具有檢測速度快、可靠性高、適應(yīng)性強(qiáng)等特點(diǎn),為高效、準(zhǔn)確地進(jìn)行磁瓦內(nèi)部缺陷檢測提供了有效的技術(shù)手段.
[Abstract]:In this paper, a new method for detecting internal defects of magnetic tile is proposed, which is based on double tree complex wavelet packet transform (DTCWPTT), neighborhood component analysis (NCAA) and least square support vector machine (LSSVM). The collected sound signal is decomposed into 6 layers by double tree complex wavelet packet, and 64 sub-signals in different frequency bands are obtained, and the energy, skewness, kurtosis, fuzzy entropy, energy, deviation, kurtosis of the signal are obtained, and the energy, skewness and kurtosis of the signal are obtained. Fuzzy entropy is used as the classification feature; neighborhood component analysis is used to reduce the dimension of the classification feature; and the new feature set of dimensionality reduction is input into the least squares support vector machine to determine whether the magnetic tile contains internal defects. Through the experimental verification, the feasibility of the proposed detection method is analyzed. The internal defect recognition rate of 3 different types of magnetic tile can reach 99%. Compared with the previous bispectral slice method, the detection and recognition rate is improved. The experimental results show that the proposed method has the characteristics of high detection speed, high reliability and strong adaptability, which provides an effective technical means for the efficient and accurate detection of the inner defects of the magnetic tile.
【作者單位】： 四川大學(xué)制造科學(xué)與工程學(xué)院;
【基金】：國家自然科學(xué)青年基金資助項(xiàng)目(51205265) 四川省科技計(jì)劃資助項(xiàng)目(2015ZR0018)
【分類號】：TM273

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 郝榮霞,劉彥佩,何衛(wèi)力;關(guān)于平面上雙樹梵和的一個(gè)注記[J];數(shù)學(xué)物理學(xué)報(bào);2004年03期

2 倪金霞;孫中喜;;一種雙樹復(fù)小波域最大散度差人臉識別方法[J];江蘇教育學(xué)院學(xué)報(bào)(自然科學(xué));2013年03期

3 劉金華;佘X;;基于雙樹復(fù)小波與波原子的圖像擴(kuò)散濾波[J];物理學(xué)報(bào);2011年12期

4 楊威;高協(xié)平;;基于雙樹復(fù)數(shù)小波變換的微鈣化診斷方法[J];光子學(xué)報(bào);2010年06期

5 吳石虎;余旭初;許敏;;基于雙樹復(fù)數(shù)小波的SAR圖像去噪算法[J];測繪科學(xué);2010年05期

6 李江濤;倪國強(qiáng);王強(qiáng);;基于雙樹復(fù)數(shù)小波變換和雙變量萎縮閾值圖像降噪[J];光學(xué)技術(shù);2007年05期

7 王蘭;吳彬;韓強(qiáng)雷;晉克宇;;基于雙樹復(fù)數(shù)小波變換的特征點(diǎn)水印算法[J];海洋測繪;2011年01期

8 石霏;;各向異性雙樹復(fù)小波包變換[J];應(yīng)用科學(xué)學(xué)報(bào);2008年04期

9 羅鵬;高協(xié)平;;基于雙樹復(fù)數(shù)小波變換的圖像去噪方法[J];光子學(xué)報(bào);2008年03期

10 宋向;袁紅穎;耿則勛;趙振磊;;基于雙樹復(fù)數(shù)小波變換的多幀迭代盲解卷積算法[J];遙感信息;2011年02期

相關(guān)會(huì)議論文 前2條

1 王亞君;劉曉冬;戴瓊海;李俊;;一種基于雙樹小波的去棋盤效應(yīng)的方法[A];第一屆建立和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2005）論文集[C];2005年

2 劉曉山;曾春艷;杜明輝;;雙樹復(fù)小波各子帶系數(shù)在人臉識別中的性能研究[A];第十五屆全國圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2010年

相關(guān)重要報(bào)紙文章 前10條

1 本報(bào)通訊員 高俊;建市場 分樓房 辦保險(xiǎn) 雙樹村讓農(nóng)民變居民[N];呼和浩特日報(bào)(漢);2007年

2 劉春芳邋皇甫秀玲 孟祥華;雙樹村有了大市場[N];內(nèi)蒙古日報(bào)(漢);2007年

3 藁城市委書記、市人民政府市長 王普增;推進(jìn)“雙創(chuàng)雙樹”要堅(jiān)持四個(gè)必須[N];石家莊日報(bào);2008年

4 李云萍;助力“三年大變樣”[N];石家莊日報(bào);2008年

5 畢云芳;井陘典型示范推動(dòng)雙創(chuàng)雙樹活動(dòng)[N];石家莊日報(bào);2008年

6 記者 楊鴻恩邋通訊員 默萌;新樂市中醫(yī)院深入開展“雙創(chuàng)雙樹”活動(dòng)[N];中國中醫(yī)藥報(bào);2008年

7 本報(bào)記者 崔小紅;雙樹村：發(fā)展壯大集體經(jīng)濟(jì) 保障村民生活無慮[N];呼和浩特日報(bào)(漢);2006年

8 實(shí)習(xí)記者 馬宏亮;賽罕區(qū)雙樹村230名“村民員工”進(jìn)行在崗培訓(xùn)[N];呼和浩特日報(bào)(漢);2007年

9 記者 李云萍;市委“雙創(chuàng)雙樹”活動(dòng)辦公室召開調(diào)度會(huì)[N];石家莊日報(bào);2008年

10 元氏縣委書記 李義增;做到“四個(gè)結(jié)合” 助力“三年大變樣”[N];石家莊日報(bào);2008年

相關(guān)博士學(xué)位論文 前1條

1 曾文涵;雙樹復(fù)小波表面分析模型及加工過程形貌辨識方法研究[D];華中科技大學(xué);2005年

相關(guān)碩士學(xué)位論文 前6條

1 張婷;基于定子電流雙樹復(fù)小波分析的牽引電機(jī)故障診斷[D];北京交通大學(xué);2016年

2 袁力;基于雙樹復(fù)小波域統(tǒng)計(jì)模型的地震信號噪聲壓制[D];合肥工業(yè)大學(xué);2016年

3 孟志鵬;基于雙樹復(fù)小波的機(jī)電設(shè)備故障診斷方法及應(yīng)用[D];北京工業(yè)大學(xué);2014年

4 馮宏臣;基于雙樹復(fù)小波域的紅外和可見光圖像融合[D];長春理工大學(xué);2013年

5 高彥彥;基于雙樹復(fù)數(shù)小波的壓縮傳感圖像重構(gòu)算法研究[D];燕山大學(xué);2009年

6 蘇顯濤;基于雙樹M帶小波變換的圖像融合研究[D];汕頭大學(xué);2010年

，

本文編號：1943395