Optical transmission inspection of the basis weight using the piecewise least squares method and quality capability of process

This article explores a method of optical transmission inspection of the basis weight on-line, by combining the modified least squares and optical processing technique. This process is developed to significantly target toward improving the mass quality analysis of the nonwoven material. The real-time scanning width piecewise least squares method and area-based strategy for determining based on the process quality of nonwoven manufacturing. To avoid the influence of ambient factors, the compensation controls device are adopted and successfully showed. Subsequently, the modified least squares method is used to obtain the suitable parameter transformation between the measured voltage and the nonwoven fabrics basis weight. The piecewise least squares method was obtained as the parameter transfer equation. We consider estimating and testing C_pk with the presence of on-line basis weight measurement errors. To obtain the true process precision C_p and integrated process capability index C_pk are presented to practitioners for their factory applications.     

混杂复合材料等效热传导性能预测的小波-机器学习混合方法

混杂复合材料是一种新型复合材料,其复杂的细观结构导致预测其等效热传导性能极富挑战性.本文结合渐近均匀化方法、小波变换方法和机器学习方法发展了一种新的可以有效预测混杂复合材料等效热传导性能的小波-机器学习混合方法.该方法主要包括离线多尺度建模和在线机器学习两部分.首先借助渐近均匀化方法通过离线多尺度建模建立了混杂复合材料的热传导性能材料数据库,然后利用小波变换方法对离线的材料数据库进行预处理,接下来分别运用人工神经网络和支持向量回归方法建立混杂复合材料等效热传导性能预测的在线机器学习模型.最后通过对周期和随机混杂复合材料进行数值实验,验证了小波-机器学习混合方法的有效性,数值实验结果表明小波-神经网络混合方法具有最优的预测效果和抗噪能力.此外,需要强调的是对于具有高维大规模数据特征的随机混杂复合材料,小波-机器学习混合方法不仅可以提取离线材料数据库的重要特征,还可以显著减少在线监督学习的输入数据规模并提高机器学习模型的训练效率及抗噪性能.本文建立的小波-机器学习混合方法不仅适用于混杂复合材料等效热传导性能的预测,还可进一步推广应用于复合材料等效物理、力学性能的预测.     

基于迁移学习的原子力显微镜成像恢复方法

受限于探针针尖结构尺寸,用原子力显微镜进行微纳测量时会产生图像边缘失真.提出了一种基于迁移学习的原子力显微镜成像恢复方法,通过迁移学习训练源模型和靶模型实现一维栅格成像恢复.该方法采用数学形态法中的腐蚀算法生成栅格点云数据,通过U-Net网络源模型从点云中提取针尖卷积效应的特征向量,将权重参数迁移至U-Net网络靶模型,靶模型在自适应正则化方法下进行监督学习.实验结果表明,该方法能有效恢复一维栅格的原子力显微镜测量图像,提高横向分辨力,可用于纳米栅格的线宽检测上.     

基于监督学习的紫外-可见光光谱水质在线异常检测方法研究

水资源关系到国计民生,近年来时有发生的水污染事件使污染物入侵预警得到了广泛的社会关注。针对现有基于紫外-可见光光谱的水质异常检测方法存在的检出下限偏低的问题,提出一种基于监督学习的紫外-可见光光谱水质异常检测方法。该方法首先获取不同数据集中的正常样本差异性空间,再使用正交投影方法去除差异性空间中的光谱数据分量,以达到基线校正的目的;然后采用偏最小二乘判别分析从校正后的光谱中提取特征,利用训练集得到的最优阈值确定离群点;最后采用序贯贝叶斯滚动更新每个时刻上的异常概率,确定水质报警序列。实验选用苯酚作为模拟污染入侵事件的注入试剂,采样2周内的紫外-可见光光谱数据,在实验平台上对提出的方法进行了验证。实验结果表明,采用的正交投影基线校正方法可以消除不同批次水质光谱的背景差异,更为充分的利用了光谱信息,降低了对特征污染物的检出下限。     

Supervised nuclear track detection of CR-39 detectors by cellular automata

In this paper, cellular automata are used to detect the nuclear tracks in the track images captured from the surface of CR-39 detectors. Parameters of the automaton as the states, neighborhood, rules and quality parameters are defined optimally for the track image data set under analysis. The presented method is a supervised computational algorithm which comprises a rule definition phase as the learning procedure. Parameter optimization is also performed to adapt the algorithm to the data set used.     

果皮厚度对水果组织中光传输特性的影响

水果产品品质检测技术在水果的生产和消费中起着十分重要的作用。利用水果产品的光学特性进行无损检测是水果品质无损检测与分级技术中最实用的和最成功的技术之一。深入研究光在水果组织中的输运规律,对于水果产品品质的光学检测有着十分重要的意义。本文以仁果类薄皮水果苹果和厚皮水果柑橘为例,建立果皮和果肉两层组织模型,利用蒙特卡罗法模拟了808 nm的波长下高斯光束在水果组织中传输的光学特性,揭示了水果果皮厚度对光在组织中的传输特性如漫反射率、透射率、内部吸收率和穿透深度等特性的影响,分析了果肉组织的检测效率。研究结果表明,果皮越厚,透射率和穿透深度越小,果皮比果肉的光吸收能量密度在径向距离上的分布范围更广,随着水果组织内部深度的增加,光吸收能量密度逐渐减小,径向方向减弱的更快。而对于漫反射率,在径向距离0.2～1.2 cm之间,果皮越薄漫反射率越小,在1.2～4.0 cm之间,果皮越厚漫反射率越小。此研究结果表明在用光学检测方法对水果进行无损检测和分级时,无论是透射或反射测量,果皮厚度和光束的相互作用都不应忽视,也为不同类型的水果产品设计更为有效的光学检测装置(如光源的强度、检测器的大小以及位置等)提供了理论基础,对于水果产品品质的光学检测有着十分重要的意义。     

基于ANP-MCGC的装备保障性评价建模研究

从装备保障性满足装备保障能力及其执行任务能力的角度出发,对装备保障性评价内涵进行了界定,在综合考虑装备执行任务能力和保障能力生成过程的基础上,构建了装备保障性评价指标体系。针对评价指标的内部依存性及外部依赖性,采用网络分析法(ANP)及超级决策软件对评价指标体系进行赋权;针对评价过程中的模糊性和随机性,采用云重心评判法(MCGC)对装备保障性的评价。结果表明：此模型对装备保障性能够给出有效的综合评价,为装备保障性科学评价提供了一种适用有效方法。     

基于机器视觉的电机换向器质量在线检测系统开发

电机换向器质量检测是换向器生产线中的一个重要工序,但其仍采用人工方式,存在检测效率低、漏检率高等问题。针对此问题,本文运用图像处理和机器视觉技术,开发换向器质量在线视觉检测系统。该系统针对生产过程工艺多变,造成形状检测标准不一致问题,提出自适应学习模板方法;在轴孔孔径检测,提出基于Freeman链码改进的孔径快速检测算法;在端面缺陷中,提出基于改进视觉注意力模型的端面缺陷检测方法。实验结果表明,系统检测精度达到99.80%,漏检率为0%,F-measure值为99.89%。该系统能够快速有效检测换向器存在的外观质量问题,可满足换向器在线质量检测需求。     

基于双目视觉的车身焊点定位误差补偿研究

在应用机器人对车身点焊质量检测过程中,其焊点的定位精度受到点焊作业质量以及车身制造误差等因素的影响,导致实际焊点与设计值并不重合.针对传统示教无法对焊点定位进行实时补偿的问题,提出基于双目视觉引导机器人的焊点定位策略,并构建基于改进粒子群算法优化的支持向量机回归误差补偿模型,对定位结果进行补偿.在机器人末端安装双目传感...     

Sparse representation-based image restoration via nonlocal supervised coding

Sparse representation (SR) and nonlocal technique (NLT) have shown great potential in low-level image processing. However, due to the degradation of the observed image, SR and NLT may not be accurate enough to obtain a faithful restoration results when they are used independently. To improve the performance, in this paper, a nonlocal supervised coding strategy-based NLT for image restoration is proposed. The novel method has three main contributions. First, to exploit the useful nonlocal patches, a nonnegative sparse representation is introduced, whose coefficients can be utilized as the supervised weights among patches. Second, a novel objective function is proposed, which integrated the supervised weights learning and the nonlocal sparse coding to guarantee a more promising solution. Finally, to make the minimization tractable and convergence, a numerical scheme based on iterative shrinkage thresholding is developed to solve the above underdetermined inverse problem. The extensive experiments validate the effectiveness of the proposed method.     

基于拉曼光谱和机器学习的百合分类识别

百合鳞茎,百合科百合属多年生草本球根植物生长的肥厚鳞片构成的地下变态茎,是一种典型的药食同源作物,含有丰富营养成分的同时还具有抗肿瘤、抗抑郁、降血糖、提高免疫力等保健作用。不同产地百合鳞茎的市场价格差异较大,依赖于人工经验感官的传统评测方法主观性强、确定性差,难以广泛推广在现代生产环节。以化学检验法为主的先进检测方法耗时长、费用高,而且难以满足产地鉴别这一要求。针对百合鳞茎现场快速地产地判断和品质评价的需求,提出了一种使用拉曼光谱和机器学习的百合鳞茎检测方法。拉曼光谱是一种基于非弹性散射的振动光谱,能够做到快速准确的无损检测,将拉曼光谱与机器学习算法相结合,建立了我国分布最为广泛的三种百合鳞茎(兰州百合、宜兴百合和龙牙百合)的产地分类模型,着眼于基质光谱上479, 870, 942和1 606cm^-1等特征峰,提出了一种基于拉曼光谱的成分含量判断产地和评价百合鳞茎品质的无损检测方法。首先采集百合鳞茎样本的光谱,经过光谱数据预处理后,使用人工先验法提取百合鳞茎代表物质并确定特征峰,再使用主成分分析和t-分布随机邻域嵌入方法降维提取光谱数据特征。并将获得的数据特征分别...     

基于凸组合核函数的化合物太赫兹透射光谱分类

物质的太赫兹光谱包含着非常丰富的物理和化学信息。它对化合物晶体具有高的灵敏度、 单光子能量低等特点。但受到检测人员知识背景、 背景噪声、 识别算法精度等因素的影响,光谱样本识别准确率和效率较低。为了提高对太赫兹光谱的检测能力,提出应用基于凸组合核函数的support vector machines(SVM)对化合物的THz脉冲透射谱进行分类。在使用小波变换对数据进行滤波预处理之后,提取了传统波峰、 波谷位置特征和term frequency-inverse document frequency (TF-IDF) 最大间隔特征。TF-IDF方法使用信息论的原理确定每个采样点的权重,选择权重较大的点作为特征。针对太赫兹透射谱特征相似、 维数较低带来的分类困难问题,构建基于凸组合核函数的SVM分类模型。并利用核评价的方法,通过高维非线性规划方程求解最优凸组合参数。当最优凸组合参数被确定时,构建分类模型进行分类和预测。相比较于单一核函数,凸组合核函数将透射谱特征与分类模型融合起来。对于不同的检测样本,数据经过凸组合核函数映射到高维空间后,特征具有更显著的区分度。使用不同的太赫兹透射谱样本进行分类实验,结果表明,分类准确率得到极大提高。     

机器学习算法用于公安一线拉曼实际样本采样学习及其准确度比较

拉曼光谱设备在公安一线中正逐渐得到普及，主要用于检测易燃易爆及易制毒化学品。但在实际应用中，一线人员不会对拉曼设备进行非常准确的使用和操作，不具备专业知识条件的工作人员无法完全按照最佳条件进行检测，经常会发生离焦、偏移、采样时间过短等一系列问题，而检测结果也不可能完全符合标准测试库的算法，给最终结果比对造成非常大的影响。利用五种主流机器学习算法对实际检查、办案过程中采集到的原始数据进行学习分类，通过比较相应的准确度将最佳算法用于改善一线执法、检查过程中拉曼光谱设备的准确性。采集的数据均来自于公安部第三研究所自行研制的EVA3000型拉曼光谱仪，该光谱仪目前已在全国各省、市、地、县进行了一定的配备，一线检测人员会定期将采集的原始数据回传到EVA3000的后台管理系统。通过该管理系统，在线收集实际检查过程中产生的原始数据，以两类易制毒化学品和易燃易爆化学品为例，随机抽取已定性判定的苯乙酸、二氯甲烷、麻黄碱和硝基苯各40例共计160例，并分别利用决策树、随机森林、AdaBoost、支持向量机和人工神经网络算法各进行40，60，100，150，200，300和500次的交叉训练、预测、求取平均准确度。从实验结果可以看出，在五种学习算法中，对于实际样本的预测准确度排序大致为随机森林≈AdaBoost>决策树>SVM>人工神经网络。实际测试的结果与实验过程中的平均预测准确度大体一致。其中随机森林与AdaBoost的准确度相近，其原因在于两者的算法本质都是不断构建新的训练数据集并提高对于错误样本在下次学习中的权重，而SVM 和人工神经网络算法的本质都是基于感知器的算法。可见目前几种主流学习算法中，采用自举汇聚(bootstrap aggregating)方式的算法更适应于对实际样本的采样学习，其准确度也较高。在下一步的工作当中，将继续优化现有的算法，将其实现在后台管理系统上，并测试算法对于目前检测中无法定性物质的在线检测功能。该结果对于进一步将机器学习算法用于实际应用、在线分析，改善一线操作人员非正确使用设备对比对结果造成影响，具有重要意义。     

基于TDMA多目标遥测数据传输系统设计与实现

遥测监控是新机试飞提高试飞效率、保障试飞安全的重要手段,遥测数据的传输能力和传输质量决定了遥测实时监控性能的优劣。随着大量飞机同场次试飞任务的广泛开展,现有飞行试验单站点对应单目标的遥测体制存在一定的局限性,为了解决多个目标同时遥测数据传输的难题,本文在对常用的几种多目标体制进行了比较的基础上,设计了一套基于TDMA体制的多目标遥测数据传输系统,对该系统数据的传输速率、距离进行了理论计算,并进行了飞行试验验证,能够满足任务需求,有着很好的应用前景。     

基于电磁超声换能器的火车轮探伤研究

利用电磁超声探伤方法对检测火车轮表面及近表面缺陷进行实验探究,从而保证车轮质量,避免事故发生。文章介绍了火车车轮电磁超声探伤的原理和方法。根据电磁超声表面波辐射扩散角的分布情况,得出利用电磁超声表面波进行车轮踏面探伤的可行性。将制作的小巧换能器探头与便携式电磁超声探伤仪配合,能够实现对车轮的快速探伤检测。通过大量的车轮探伤实验,检出了典型车轮踏面缺陷。根据检测波形特点并结合生产工艺情况,分析得出产生缺陷的原因。研究表明:电磁超声无损检测方法能够快速、有效检出车轮踏面缺陷。     

基于深度学习的太赫兹时域光谱识别研究

太赫兹时域光谱技术,由于其具有物质"指纹谱"特性,是一种可以快速无损地鉴别物质的重要手段,在毒品和爆炸物的无损检测等方面有广阔的应用前景.其中,光谱识别是太赫兹时域光谱技术应用研究的重要方向之一.现有的光谱识别方法多是依靠手工选取特征后进行机器学习分类,或是通过设置吸收峰阈值门限进行判断.由于一些物质在太赫兹波段内并没...     

Application of Machine Learning for Tool Condition Monitoring in Turning

The machining process is primarily used to remove material using cutting tools. Any variation in tool state affects the quality of a finished job and causes disturbances. So, a tool monitoring scheme (TMS) for categorization and supervision of failures has become the utmost priority. To respond, traditional TMS followed by the machine learning (ML) analysis is advocated in this paper. Classification in ML is supervised based learning method wherein the ML algorithm learn from the training data input fed to it and then employ this model to categorize the new datasets for precise prediction of a class and observation. In the current study, investigation on the single point cutting tool is carried out while turning a stainless steel (SS) workpeice on the manual lathe trainer. The vibrations developed during this activity are examined for failure-free and various failure states of a tool. The statistical modeling is then incorporated to trace vital signs from vibration signals. The multiple-binary-rule-based model for categorization is designed using the decision tree. Lastly, various tree-based algorithms are used for the categorization of tool conditions. The Random Forest offered the highest classification accuracy, i.e., 92.6%.

     

基于改进的稀疏度自适应匹配追踪算法的宽带压缩频谱感知

针对在实际宽带压缩频谱感知中难以预先获知宽带频谱稀疏度的问题,提出一种改进的稀疏度自适应匹配追踪(modified sparsity adaptive matching pursuit, MSAMP)算法,该算法在支撑集选择过程中对稀疏度进行了预估计。结合序贯压缩检测技术,给出了一种基于该算法的多认知用户合作场景下的宽带压缩频谱感知方法,理论分析和实验仿真结果表明,该方法可在频谱稀疏度先验知识缺少的情况下,有效提高宽带频谱感知性能。     

大学物理实验中DIY学习方法的应用与实践

大学物理实验是大学生学习物理的基础,是提高学生实践操作能力的关键环节.结合我校大学物理实验教学过程中发现的问题,提出一种让学生主动获取操作能力的方法,即DIY(DO IT YOURSELF)学习方法,可以使大学生从理论学习逐步向实践动手能力转变,使大学物理实验真正成为提高大学生实践能力、创新能力的平台.     

稀疏降噪自编码算法用于近红外光谱鉴别真假药的研究

近红外光谱分析技术作为一种快速、无损检测技术十分适用于真假药品现场鉴别。自编码网络作为当前机器学习领域研究的热点受到广泛关注,自编码网络是一种典型的深度学习网络模型,它比传统的潜层学习方法具有更强的模型表示能力。自编码网络使用贪婪逐层预训练算法,通过最小化各层网络的重构误差,依次训练网络的每一层,进而训练整个网络。通过对数据进行白化预处理并使用无监督算法对输入数据进行逐层重构,使网络更有效的学习到数据的内部结构特征。之后使用带标签数据通过监督学习算法对整个网络进行调优。首先对真假琥乙红霉素片的近红外光谱数据进行预处理以及白化预处理,通过白化处理降低数据特征之间的相关性,使数据各特征具有相同的方差。数据处理之后利用稀疏降噪自编码网络针对真假药品光谱数据建立分类模型,并将稀疏降噪自编码网络模型与BP神经网络以及SVM算法在分类准确率及算法稳定性方面进行对比。结果表明对光谱数据进行白化预处理能有效提升稀疏降噪自编码网络的分类准确率。并且自编码网络分类准确率在不同训练样本数量下均高于BP神经网络,SVM算法在少量训练样本的情况下更有优势,但在训练数据集样本数达到一定数量后,自编码网络的分类准确率将优于SVM算法。在算法稳定性方面,自编码网络较之BP神经网络和SVM算法也更稳定。使用稀疏降噪自编码网络对真假药品近红外光谱数据进行建模,能对真假药品进行有效的鉴别。