支持向量机参数优化方法在木质粉尘火花探测中的应用

为提高木质粉尘火花检测的准确性,利用基于支持向量机(SVM)的物质分类方法检测木质粉尘火花。选取马尾松和杨木粉尘为研究对象,将两种粉尘分组点燃试验,获取火花和灰分的高光谱图像,提取感兴趣区域(region of interest,ROI)内的发光度数据进行预处理。利用感兴趣区域内的数据建立SVM分类模型,分别利用网格搜索法(GS)、遗传算法(GA)以及粒子群算法(PSO)对两类树种的SVM分类模型进行参数优化,并将三种参数优选方法的分类预测准确率进行对比。结果表明,三种优化方法均能够很好地检测两种树种的木粉火花,其中网格搜索法检测准确率明显高于其余两种,更适于木质粉尘火花探测,这为人造板生产过程中能够高效检测木质粉尘火花提供了一定的理论依据。     

支持向量机和决策树算法在滚动轴承故障诊断中的应用

滚动轴承作为旋转机械中常见的部件,其发生故障轻则导致设备停工,重则造成经济损失和人员伤亡,因此滚动轴承的故障诊断在机械维护中有着重要意义。使用DC竞赛轴承故障检测数据集对滚动轴承故障诊断中常用模型进行对比分析,按照8:2的比例划分训练集与测试集,采用SMOTE过采样方法对训练集进行处理,从而解决类样本不平衡问题。将处理完后的训练集输入支持向量机(SVM)以及决策树模型,通过比较2个模型的测试集测试结果可以发现,SVM模型在滚动轴承故障诊断中更有效。     

应用红外热像技术检测木材孔洞缺陷

为了提高木材空洞缺陷的红外检测精度,采用空洞模拟手段,以6个含有不同径级的人工孔洞缺陷的色木试样为研究对象,应用人工红外灯和烘干箱法,研究孔径缺陷识别的最佳加热时间和最佳加热温度,探讨热源选择对不同孔径大小的试材检测效果的影响。研究结果表明:随着试样缺陷孔径的不断减小,最佳加热时间和最佳加热温度都逐渐减少;在一定孔径范围内热像图能较为准确的反映木材缺陷的位置及大小情况;随着试样缺陷孔径的不断减小,检测效果越来越不明显。     

基于声发射技术模拟蛀木害虫羽化孔洞缺陷检测

[目的]针对木材蛀干害虫羽化孔洞缺陷检测问题,通过对声发射信号的时频分析,研究木材蛀干害虫羽化孔洞缺陷的AE信号特征.[方法]首先,对无孔洞和3种不同尺寸的钻孔缺陷的木材试件,参照ASTM-E976标准采用铅芯折断方式产生AE源,通过采样频率为500 kHz的2通道木材声发射信号采集系统获取原始AE信号.然后,对原始A...     

模糊支持向量机与独立成分分析在木材识别中的应用

采用体视显微镜获取图片解决了图片获取时间的难题。独立成分分析与支持向量机在人工智能方面已经取得较深入的研究,本文采用基于模糊支持向量机结合独立成分分析的方法在木材体视图图像数据库中的实验中取得了很好的木材识别率。     

基于支持向量机算法的含双局部减薄缺陷弯管爆破压力预测

为实现对含双局部减薄缺陷弯管爆破压力的精确预测,以415组不同尺寸轴向双局部减薄缺陷和环向双局部减薄缺陷20钢弯管爆破压力的显式非线性有限元模拟数据作为学习样本,建立了含双局部减薄缺陷20钢弯管爆破压力预测的支持向量机(SVM)模型;利用交叉验证方法对SVM模型参数进行优选,确定了最优的惩罚因子和核函数参数;最后通过与显式非线性有限元模拟结果的对比,分析了SVM模型用于两局部减薄缺陷任意方位分布时弯管爆破压力的预测精度。结果表明：SVM模型用于双局部减薄缺陷弯管的爆破压力预测时,其预测相对误差在-4.9%～3.7%;SVM模型具有预测精度高、适用范围广,操作简单、便于工程技术人员实使用等特点。     

模态分析在板材不同位置孔洞缺陷检测中的应用

采用模态分析技术对落叶松板材试件进行振动测试,获取了试件的频响函数,并运用单模态法对频响函数进行了参数辨识,得到了试件的前四阶固有频率和前三阶模态振型.研究表明,含有孔洞试件的固有频率与标准试件相比略低一些,但差别不大.试件在含有孔洞的节点处模态振型会发生突变,因而可运用模态分析技术判定孔洞在试件上的具体位置,对板材孔洞缺陷进行定量检测.     

近红外光谱结合支持向量机快速识别树种

利用阿达玛变换近红外光谱结合支持向量机,对制浆造纸常用木材树种的快速识别进行研究。将各树种近红外光谱先进行多点平滑和标准正态变换预处理以消除噪音干扰和光散射导致的测量偏差,然后基于不同建模策略建立一对多和一对一两种支持向量机模型,考察这两种模型对多树种属间分类和种间分类的预测能力,并与传统的偏最小二乘判别分析分类法进行对比。结果表明,支持向量机预测模型对桉木、相思木、杨木、水杉等树种的属间分类正确率达到98%以上,种间分类正确率均达到95%以上,在处理复杂分类问题时模型稳健性明显优于传统分类方法,从方法上证明了近红外技术工业化应用的可能性,为进一步建立近红外在线检测木片材性分析系统奠定了基础。     

基于LS-SVM的木材表面缺陷网格化检测

针对图像分割的复杂性和局限性,作者提出一种基于最小二乘支持向量机(LS-SVM)的木材表面缺陷网格化检测方法。首先将木材表面图像划分成互不重叠的矩形块,然后依次计算每个矩形块图像的特征向量,用于描述各个矩形块图像,其特征向量由颜色特征和纹理特征等参数共同组成。最后将特征向量归一化后送入LS-SVM分类器,利用特征向量的相似度来进行缺陷的定位和识别。实验结果表明,该方法可有效进行木材表面缺陷检测,检测准确率超过93%。     

基于支持向量机的糖尿病诊断优化算法研究

近年来,糖尿病发病率愈发升高,糖尿病的初期诊断也变得愈发复杂.糖尿病病因和多种因素相关,具有一定的不确定性,基于此,提出一种利用机器学习(例如支持向量机SVM)来对糖尿病诊断进行辅助建模的方法,选取美国国家糖尿病数据组提供的糖尿病患者诊断数据(共计231项),对SVM和利用灰狼以及布谷鸟算法对其优化后的结果进行比较,实...     

超声波功率谱技术在木材空洞缺陷无损检测中应用

分析了不同孔径空洞的木材试件的超声波功率谱。阐述了功率谱的谱峰位置和谱峰高度与木材空洞大小之间的关系。分析认为,超声波在木材与空洞中传播时的散射不同,导致超声波在不同频率上的干涉,可能是造成上述现象的主要原因。利用该方法可实现木材空洞缺陷的无损检测。     

人工神经网络在木材缺陷检测中的应用

采用射线作为检测手段，对木材进行无损检测。在无损检测信号处理和特征构造的基础上。运用特征参数建立了缺陷识别的数学模型，针对无损检测信号的特征，构造了人工神经网络。选用反向传播神经网络模型（BP网络），网络识别所需要的特征参数能够反映木材缺陷的全部特征。     

图像分割技术在木材表面缺陷识别中的应用

阐述了图像分割技术在图像处理及分析中重要意义,以及主要的图像分割技术。以木材表面缺陷为主要研究对象,利用微分算子边缘检测、最优迭代阈值分割及形态学方法针对具有代表性缺陷死节和虫眼进行分割处理。     

木质音箱的数控加工

为充分利用木材的天然特性,科学高效地使用木质材料,提高木质产品附加值,本试验应用计算机辅助设计与制造(CAD/CAM)和数控加工技术探讨了复杂木质音箱的加工生产特性.试验根据产品结构要求,绘制三维模型,进行数控编程及数控加工,并对加工工艺进行优化设计.研究结果表明,CAD/CAM和数控加工技术可高效地生产高质量的木质产品.