声发射衰减特性管道泄漏定位方法

声发射技术具有灵敏度高、实时性强、覆盖范围大等优点.泄漏产生的声发射波沿管壁传播会发生衰减,通过研究衰减系数与金属晶粒散射和热流损失的关系,建立准确的声发射能量衰减模型.在此基础上,针对声发射频带宽的特点对传统衰减定位模型进行改进,提出宽频带声发射源定位模型,该方法先通过实验确定泄漏信号频带,再将滤波后的信号经过小波包...     

炉内管道泄漏声检测与定位系统的研究现状

电站锅炉管道泄漏的声检测与定位系统,已经越来越广泛地应用于电站锅炉。该系统主要利用声学技术检测炉内管道的泄漏状态,并利用多传声器定位机理对泄漏点进行定位,有效地减少了由管道泄漏引起的非计划停炉,这对电站锅炉来说意义尤为重要。本文分析了炉内管道泄漏声检测与定位系统的关键技术,介绍了该系统的发展概况及应用现状,并提出了改进方向。     

基于卷积神经网络的焊缝缺陷图像分类研究

为有效地对焊缝缺陷进行分类,从而判断焊接质量的等级,对传统卷积神经网络进行改进,提出一种多尺度压缩激励网络模型（SINet）。将4组两两串联的3×3卷积模块与Inception模块、压缩激励模块（SE block）相结合。通过多尺度压缩激励模块（SI module）将卷积层中的特征进行多尺度融合和特征重标定以提高分类准确率,并用全局平均池化层代替全连接层减少模型参数。此外考虑到焊接缺陷数量不平衡对准确率的影响,采用深度卷积对抗生成网络（DCGAN）进行数据集的平衡处理,并在该数据集上验证模型的有效性。与传统卷积神经网络相比,该模型具有良好的性能,在测试集上准确率达到96.77%,同时模型的参数个数也明显减少。结果表明该方法对焊缝缺陷图像能进行有效地分类。     

基于Sagnac光纤干涉仪的管道泄漏检测和定位技术

研制了一种基于Sagnac干涉仪的分布式光纤传感器,可实时进行管道泄漏检测与定位.阐述了该传感技术的工作原理和泄漏点定位方法,并推导了泄漏引起的光信号相位变化表达式。管道泄漏实验结果表明,水压为0.3MPa时,该技术能有效地检测到管道泄漏的发生并准确定位。     

基于反贝叶斯学习的WDMS光谱自动识别研究

天体光谱是天体物理学重要的研究对象,通过光谱可以获取天体的许多物理、化学参数如有效温度、金属丰度、表面重力加速度和视向速度等。白矮主序双星是一类致密的双星系统,对研究致密双星的演化特别是公共包层的演化有着重要的意义。国内外的大型巡天望远镜如美国斯隆望远镜以及中国的郭守敬望远镜,每天都产生大量光谱数据。如此海量的光谱数据无法完全用人工进行分析。因此,使用机器学习方法从海量的天体光谱中自动搜索白矮主序双星光谱,有着非常现实的意义。目前的光谱自动识别方法主要通过对已有的标签样本进行分析,通过训练得到分类器,再对未知目标进行识别。这类方法对样本的数量有明确的要求。白矮主序双星的实测光谱数量有限。若要通过有限的样本集准确学习白矮主序双星的光谱特征,不仅需要扩大样本数量,还需要提高特征提取和分类算法的精度。在前期工作中,通过机器学习等方法在海量巡天数据中识别了一批白矮主序双星的光谱,为该实验提供了数据源。使用对抗神经网络生成新的白矮主序双星光谱,扩大训练数据量至原数据集约两倍的数量,增强了分类模型的泛化能力。通过反贝叶斯学习修正损失函数,将损失函数的大小与样本的方差相关联,抑制了异常数据对模型造成的影响,提升了模型的鲁棒性,解决了由于训练样本集偏差带来的梯度消失以及训练陷入局部最优解等问题。该实验基于Tensorflow深度学习库。使用Tensorflow搭建的生成对抗网络具有较好的鲁棒性,并且封装了内部实现细节,使得算法得以更好地实现。除此之外,由Tensorflow搭建的卷积神经网络在该实验中用于分类准确度测试。实验结果表明,二维卷积神经网络能够利用卷积核有效地提取白矮主序双星的卷积特征并进行分类。基于反贝叶斯学习策略的卷积神经网络分类器在白矮主序双星原始数据及对抗神经网络生成光谱的识别任务中达到了约98.3%的准确率。该方法也可用于在巡天望远镜的海量光谱中搜索其他特殊和稀少天体如激变变星、超新星等。     

基于拉曼光谱和DCGAN数据增强的珍珠粉掺伪检测研究

珍珠粉和珍珠层粉化学成分相似,但是珍珠层粉的药用价值远低于珍珠粉,并且珍珠层粉制备容易,成本底,常被不法商家用于冒充或掺入珍珠粉中流入市场,谋取利益.因此,对珍珠粉掺伪鉴别和纯度检测具有重要的意义.采用激光拉曼光谱结合深度学习研究珍珠粉掺伪快速鉴别和纯度分析.将纯珍珠粉和珍珠层粉按一定比例混合,制成珍珠粉质量百分数分别...     

基于卷积神经网络的气体绝缘组合开关盆式 绝缘子螺栓松动检测方法*

盆式绝缘子是GIS的关键绝缘器件,它与两侧气室法兰通过螺栓进行紧固连接,当螺栓松动时会导致盆式绝缘子应力分布不均,严重时会引起绝缘子破裂,从而影响GIS运行的安全性和可靠性。文章搭建了盆式绝缘子螺栓松动超声波检测系统,以获取不同螺栓不同工况下的超声信号,基于卷积神经网络对超声信号进行特征提取,并且与BP神经网络的训练结果进行对比分析。实验结果表明,卷积神经网络可以自动提取GIS盆式绝缘子螺栓松动特征量,对十种螺栓松动工况的识别准确率达到100%,相比于BP神经网络具有较高的识别准确率,该方法可以直接用于盆式绝缘子螺栓松动检测。     

天然气管道泄漏的声-压耦合识别方法

为了提高对城市燃气管道泄漏检测的准确性,该文提出了一种基于声波与压力波耦合的识别方法,并通过实验考察了它的可行性。实验发现管道的气体泄漏引起了两个显著特征,即泄漏噪声与压力下降。泄漏噪声的强度随泄漏量增大而增大,但噪声的频率基本保持不变;管道内压力降低的速率与泄漏量大小正相关。据此发展了一种基于相关算法的泄漏耦合识别方法,通过判别泄漏噪声与压力降是否同时出现,以及相关函数值大小与阈值对比,来判别泄漏是否发生及其大小。实验验证了耦合识别方法的有效性,并展示了比单一信号识别方法更好的抗干扰能力。     

基于时延估计的光栅阵列管道泄漏检测与定位方法研究

城市燃气在管道运输过程中存在很大的安全隐患,一旦发生危险,后果不堪设想,燃气管道泄漏的监测与定位意义重大。为解决目前大部分管道泄漏检测与定位方法存在的易受环境干扰、精度低、适用范围窄、计算难度较高等问题,提出了一种基于时延估计的光栅阵列（wFBG）管道泄漏检测与定位方法,该方法通过光栅阵列技术采集振动信号,根据采集到的泄漏振动信号时域、频域上的特征,首先通过基于短时能量分析的方法检测管道是否泄漏,然后对满足要求的信号片段进行峰值间多项式拟合获取泄漏信息到达的时刻,最后根据时间差定位泄漏点。实验结果表明,该方法能有效检测泄漏,并且在测量距离为40 m的情况下,定位误差在1 m左右。     

基于密集梯度生成对抗网络的偏振图像融合算法北大核心CSCD

针对单幅偏振图像在一定场景下无法提供充足信息的问题,结合强度图像和线偏振度图像的优势特征,提出一种基于密集梯度生成对抗网络的偏振图像融合算法。利用密集连接卷积网络和梯度算子构建密集梯度卷积模块,并将该模块应用在生成器中,用以增强融合图像的纹理细节;构造多尺度结构相似度和L1范数相结合的损失函数,用以提高网络的整体性能。在ZJU-RGB-P数据集进行定性比较和定量分析,实验结果表明,所提算法具有更好的主观视觉感受,同时各项评价指标均得到明显提升。     

应用深度学习识别法兰螺栓连接状态

针对常规诊断方法对螺栓的连接状态识别效果差、鲁棒性和抗噪性弱等问题,提出了基于深度学习理论的螺栓检测新方法.首先以4种预紧力状态下的法兰螺栓结构产生的声发射信号为研究对象,借助于自适应噪声的完整集成经验模态分解理论以及梅尔频率倒谱系数特征提取方式,实现了声发射信号的自适应消噪和最优模态函数分量组的选取,提取到了可以较好...     

多种深度学习方法组合应用于小样本空间目标分类研究

随着近年来光谱探测仪器灵敏度、精确度和易用度的不断提升,光谱技术已经深入到各行各业的物质成分的鉴定与分析中.对于空间目标的光谱观测是传统光学观测的重要拓展之一,因其具有的非接触、无损伤等优点而备受关注,然而由于观测条件所限,空间目标的光谱数据量极小,通过传统方法对其进行分类分析达不到较好效果,必须探求提高分类精度的方法...     

生成式对抗网络的土壤有机质高光谱估测模型

已有的土壤有机质含量估测模型大多以光谱特征波段、线性和非线性模型为基础,较少考虑通过拓展样本数据建模集来提高模型的估测能力.为进一步提高土壤有机质高光谱反演模型估测精度,提出利用生成式对抗网络(GAN)合成伪高光谱数据和有机质含量的动态估测模型.选取湖南省长沙市及周边区域的水稻田为研究对象,采集土样和实测高光谱数据(3...     

基于DCGANs的半片光伏组件电致发光图像增强技术

针对半片光伏组件电致发光（electroluminescence,EL）缺陷自动识别过程中训练用样本不足导致模型过拟合的问题,采用深度卷积生成对抗网络（deep convolutional generative adversarial networks,DCGANs）生成可控制属性的半片光伏组件EL图像,再采用多尺度结构相似性（multiscale structural similarity,MS-SSIM）指标对生成的EL图像与拍摄的EL图像之间的相似程度进行了评估。评估结果得到,使用DCGANs生成的所有类型半片光伏组件的EL图像与拍摄的EL图像的MS-SSIM指标都大于0.55,大部分的MS-SSIM值在0.7附近。在分类模型的训练过程中,测试集准确率随着训练集中生成图像数量的增加而升高,当生成图像数量达到6 000张时,测试集准确率达到97.92%。实验结果表明,采用DCGANs能够生成高质量且可控制属性的半片光伏组件EL图像,较好地解决因缺少训练样本而导致的模型过拟合问题。     

神经网络的声场景自动分类方法*

声场景探察和自动分类能帮助人类制定应对特定环境的正确策略,具有重要的研究价值。随着卷积神经网络的发展,出现了许多基于卷积神经网络的声场景分类方法。其中时频卷积神经网络(TS-CNN)采用了时频注意力模块,是目前声场景分类效果最好的网络之一。为了在保持网络复杂度不变的前提下进一步提高网络的声场景分类性能,该文提出了一种基于协同学习的时频卷积神经网络模型(TSCNN-CL)。具体地说,该文首先建立了基于同构结构的辅助分支参与网络的训练。其次,提出了一种基于KL散度的协同损失函数,实现了分支与主干的知识协同,最后,在测试过程中,为了不增加推理计算量,该文提出的模型只使用主干网络预测结果。在ESC-10、ESC-50和UrbanSound8k数据集的综合实验表明,该模型分类效果要优于TS-CNN模型以及当前大部分的主流方法。     

Investigation of fatigue failure prediction of Fe-Cr alloy coatings under rolling contact based on acoustic emission technique

The rolling contact fatigue (RCF) failure prediction of the coating Fe-Cr alloy coatings was investigated. The acoustic emission (AE) technique was used to monitor RCF tests of the coatings. The failure mechanism was investigated. Results showed AE signals sensitively detected the initiations and propagations of the fatigue cracks within the coatings before the obvious surface material losses. AE signals also reflected the cumulate damage procedure. So the coming RCF failures can be predicted by AE signal responses. Moreover, the micro-defects within the coatings were considered to be the fatigue crack origins.     

利用几何特性及神经网络进行人脸探测技术的研究

在人脸识别过程中 ,首先也是最重要的一个环节是人脸探测 ,因为一旦从图像中定位并提取到了人脸 ,那么下一步的人脸识别工作就变得非常容易。眼睛是人脸图像中最容易探测的部位 ,而且通过探测双眼来发现人脸最符合人的视觉习惯。提出了一种基于几何特征分析和人工神经网络的由粗到细的两级人脸探测方法。在第一级中 ,眼睛和脸是通过测量眼睛的尺寸和眼睛与脸的位置关系探测到的 ,第一级的输出是一个尺寸归一化的人脸 ,但偶尔也伴随着一个或多个因对复杂背景中与眼睛类似的物体的误判而得到的非人脸图像 ;第二级神经网络正是用来过滤掉第一级中被误判的人脸。实验表明 ,这种由粗到细的两级人脸探测系统具有很高的稳定性和探测正确率     

贝叶斯优化卷积神经网络公共场所异常声识别

针对公共场所异常声的感知和识别问题,提出一种基于贝叶斯优化卷积神经网络的识别方法。提取声信号的Gammatone倒谱系数、倍频程功率谱、短时能量和谱质心,组合成声信号的特征图。构建卷积神经网络作为分类器,利用递增的卷积核设置和池化操作处理不同尺度的特征。基于贝叶斯优化算法优化卷积神经网络的模型参数,对包括火苗噼啪声、婴儿啼哭声、烟花燃放声、玻璃破碎声和警报声的5种公共场所异常声进行识别。该方法的识别结果与基于不同的特征提取和分类器方案得到的识别结果进行比较,结果表明该方法的识别效果优于其他特征提取和分类器方案的识别效果。最后分析了该方法在不同信噪比噪声干扰下的识别结果,验证了该方法的有效性。     

基于多维状态参量和时间序列对电机的异常检测

针对传统对电机的异常检测常常出现误判或滞后的情况,采用基于时间序列对电机单一状态参量用AR拟合,同时利用SOM神经网络无监督的方式量化电机数据。然后,利用得到的量化序列结合AR曲线得到序列的转移概率,及早发现某种状态参量的异常变化;之后,DBSCAN算法挖掘多维参数之间特征关系来确定电机是否出现异常。最后结合实例说明该方法的检测过程,并对比验证了该方法的优越性。