声发射Lamb波计算及其空间碎片撞击监测应用

Lamb波计算是板波声发射技术中的重要理论基础.介绍了几种板波声发射技术中的Lamb波计算方法,通过计算机代码采用不同方法计算了远场工况下的波形并与文献实验结果进行对比,分析其适用特点.选取合适计算方法应用于模拟空间碎片撞击声发射信号计算中,展示了其在此领域的应用前景.     

陶瓷基复合材料双剪切性能的声发射特征研究

针对陶瓷基复合材料结构损伤声发射监测模式识别及强度评估问题,利用圆柱形试样双剪切试验获取破坏过程典型的声发射波形信号,采用傅立叶和时频分析等手段,获得声发射信号特征,发现同批次试样在不同加载条件下的损伤演化规律不同.分析声发射信号历程变化特征,在典型高幅值信号下,小幅值声发射信号代表了不同的损伤模式;纤维铺层与加载方向...     

声发射在微铣削过程中监测刀具破损的应用

应用声发射传感器对微铣削过程中的刀具状态进行监测。通过结合传声器传感器,利用小波分析,声发射传感器能更精确有效地监测刀具破损的现象。分别在几种不同的工件材料进行了声发射监测实验。通过该声发射监测刀具破损技术采集得到信号,再利用小波分析对实验数据分析。结果表明,在微铣削中利用声发射信号来监控刀具状态的可行性。     

基于声发射技术的搅拌摩擦焊接工具磨损监测

为在线监测搅拌摩擦焊接过程工具磨损状态,本文基于虚拟仪器技术设计了一套声发射在线监测系统,结合声发射传感器、数据采集卡及信号调理器实现了对搅拌摩擦焊接加工过程中声发射信号的采集。实验中采用带有螺纹的搅拌针工具来焊接7075铝合金,并利用自主开发的在线监测系统采集焊接过程中的声发射信号。然后对采集到的声发射信号进行小波包分解处理,计算分解后各频段能量所占百分比,并提取能量分布规律作为信号特征。研究表明:搅拌摩擦焊接工具在不同磨损情况下具有不同的声发射信号特征,小波包分解处理表明搅拌头磨损轻微时,低频段能量占比较高;相反,搅拌头磨损严重时,低频段能量占比较低。     

声发射信号的时序分析法在磨削烧伤预报中的应用研究

高温合金、表面硬化钢、钛合金等难加工材料，由于具有热稳定性好、热强度高、耐腐蚀、抗磨损性能好等特点，因而被广泛应用于航空航天等工业部门中。但该类材料在磨削加工中极易出现磨削烧伤现象，降低了工件表面完整性，对零件的使用性能产生不利的影响，制约生产率的提高。本文在对高温合金（ＤＺ４）磨削过程中产生的声发射信号特性进行深入分析的基础上，应用时序分析法，建立起关于磨削过程中声发射信号的自回归时序模型，探讨磨削烧伤的在线监测和预报。研究结果表明，声发射信号功率谱结构变化能真正反映磨削烧伤发生与否，自日归时序模型参数及残差方差对工件表面状态变化敏感，均可作为特征参量进行磨削烧伤在线预报。     

基于声发射技术的铁路重载货车滚动轴承故障诊断研究

通过声发射检测技术对铁路重载货车滚动轴承故障进行不解体诊断,利用小波包分析技术对采集到的声发射信号进行分解和重构,提取故障信号的能量特征向量,将处理后的特征向量输入到BP神经网络进行滚动轴承故障模式识别,进而判断轴承是否发生故障以及故障的类型。经过使用大量的实际滚动轴承实验数据进行验证,其结果都表明了使用本文的方法的有效性。     

全尺寸飞机疲劳试验过程中的无损检测及声发射监测技术研究

本文介绍了在全尺寸飞机疲劳试验过程中的无损检测和声发射监测的技术细节,说明了如何根据监测目标任务要求,确定传感器位置和安装方案、进行声传播通道性能测试、材料声发射(AE)性能研究和考证整个检测系统工作的平稳性。讨论了如何合理设置数据采集系统的参数,研究了背景噪声的变化规律,并特别研究了同疲劳裂纹形成和扩展有关的声发射信号的特征及如何从强背景噪声环境中获得有用AE信号。论文以中央翼-外翼连接区域和起落架上枢轴接头等关键部位为例,说明实施监测的方法。由于疲劳试验特别强调监测结果的实时性和及时性,在声发射信号处理方面,作者利用趋势分析,基于时间、空间的滤波和基于幅度和能量分布等多种信号处理方式,以及多参数综合识别技术对一些关键部位的状态进行了声发射连续跟踪监测,为保证全尺寸飞机机体部件疲劳试验的顺利进行起到了重要作用。     

玻璃纤维束拉伸的声发射特征及统计损伤分析

本文用声发射技术动态监测玻璃纤维束拉伸时损伤的演化规律。声发射幅度的对数累积分布基本上为一直线,声发射事件数与纤维束位移值近似为一指数曲线。由声发射事件数与纤维断裂数的关系,可得到实际损伤演变规律。根据纤维束断裂规律建立统计损伤模型,导出的纤维束外载与位移的本构关系计算值与实验值相当吻合。表明统计损伤模型描述纤维束断裂损伤是合理的,声发射技术是一种监测材料内部损伤及其演变规律的有效手段。     

加载速率对复合材料拉伸力学性能影响研究

复合材料结构在特殊载荷作用下表现出不同的力学承载性能,这一因素将对其在不同速度载荷作用下的力学性能造成一定的影响,了解并研究复合材料结构在不同加载速率作用下的力学性能及内部缺陷和损伤演化规律,对于正确评估其承载性能具有现实意义。对同批次玻璃纤维编织复合材料试件进行三种加载速率作用下的拉伸力学性能试验,通过研究复合材料试件承载性能、损伤状态与加载速率的关系,分析了内部损伤演化对承载能力的影响。采用声发射技术监测复合材料试件损伤过程,分析了声发射信号能量与加载速率的关系,同时从声发射波形历程和破坏时声发射信号特征角度分析了玻璃纤维编织复合材料损伤演化规律。结果表明,随加载速率的增加试件抗拉强度增大;加载速率高低影响复合材料内部损伤的扩展行为,在较低的加载速度下,内部损伤有较长的时间进行充分扩展,从而使复合材料结构的完整性降低,表现为破坏时的部分结构承载;在较高的加载速率下,内部损伤扩展不均匀,反而保持了复合材料结构的相对完整性,表现为较高的拉伸强度。     

基于相关性分析与CNN-BiLSTM神经网络的PSZ陶瓷磨削表面粗糙度智能预测

部分稳定氧化锆（Partially stabilized zirconia,PSZ）陶瓷因其优越的性能在航空航天工业等领域有广泛的应用。表面粗糙度是评价PSZ陶瓷磨削加工水平的关键指标，为了降低磨削表面粗糙度的预测误差，提出了一种基于相关性分析与卷积-双向长短期记忆神经网络（Convolution-bidirectional long short term memory neural network,CNN-BiLSTM）的PSZ陶瓷磨削表面粗糙度声发射预测模型。通过分析磨削声发射信号特征值与磨削表面粗糙度值之间相关性，筛选出磨削声发射信号与磨削表面粗糙度之间的最相关频段和特征矩阵，作为CNN-BiLSTM神经网络的输入参数以降低磨削表面粗糙度声发射预测的误差。研究结果表明，基于相关性分析与CNN-BiLSTM神经网络的PSZ陶瓷磨削表面粗糙度的平均预测误差低于3.92%。     

N元自适应模式识别系统开发工具

N元模式识别方法是一种易于硬件并行实现的自适应模式识别方法。单层自适应模式识别系统(WISARD)、加权WISARD、双层自适应模式识别系统模型都是以这一方法为基础的。本文论述的N元自适应模式识别系统开发工具——NIRSS就是为这些模型体系结构的仿真及应用研究而开发的。它可以仿真现有的4种模型,共有7种工作方式,23个功能模型,97条人机交互命令。有关上述模式识别系统结构的研究以及多印刷体汉字、手写体汉字的识别、自适应图像处理的应用研究都是在该软件包上进行的。实际应用表明,这是一种使用方便、功能丰富的有效开发工具。     

语音模式中基于启发式搜取的快速匹配算法

语音模式匹配是语音识别技术的关键步骤之一。本文介绍了如何运用SA算法实现语音模式的快速匹配的思想。SA算法与传统的动态时间弯变(DTW)算法相比较具有计算量大大减少而系统识别率几乎不降的特点。     

双层通用自适应模式识别系统

单层n元自适应模式识别系统(WISARD)由于其大规模并行分布处理能力、通用性和自适应性而显示了巨大的应用潜力。但由于其结构的原因,系统性能受到了一定的限制。Kanerva提出的稀疏存贮器结构和WISARD的RAM阵列结构有相似之处。而且这种稀疏分布存贮的原理,可以从结构上解决WISARD的固有缺陷。根据SDM的概念,在WISARD的基础上,本文提出了一种新颖的双层自适应模式识别系统模型。它除了保持WISARD的原有特点之外,在解决大维数或非确定性模式数据的识别问题以及控制系统成本方面有着明显的优势。在该系统上进行的多体印刷汉字识别试验,初步优化了系统各参数的关系,验证了模型的可行性。     

面向快速响应产品的星上目标定位及识别方法

针对遥感卫星星上目标的定位及识别,本文面向快速响应应用需求,首先对星上目标定位及识别工作模式进行研究,总结出狭义和广义两种模式,其次重点对像方-物方坐标双向定位算法进行梳理,并针对典型地物目标星上自动识别算法提出研究思路,最后给出算法的应用方法流程。本文研究为快速响应产品星上智能处理提供方法参考。     

神经网络在涡流无损检测中的应用

近年来，人工神经网络由于能不断有力替代常规的模式识别技术，已引起人们很大关注。本文提出用神经网络技术判读无损检测中涡流探头的检测信号，并提供用多层神经网络ＢＰ算法得到的信号初步分类结果。     

数字图象条纹细化——逐层削取方法

本文提出一种新方法来解决一般性的条纹细化问题,该方法可以广泛地应用于数字图象处理、模式识别、图象测量等技术领域。算法设计中采用了详尽的模块分析方法,所产生的条纹细化计算法非常有效,已经成功应用于激光全息测量——一种图象测量技术。     

二值图像的自适应窗口边缘检测技术

英国Aleksander等人用RAM网络实现的自适应模式识别系统可以认为是一种逻辑神经网络,本文详细描述了利用这种模型实现的自适应窗口边缘2检测技术,包括模型的理论分析,边缘检测种种的各种实现方法和实验结果。基于这种模型的边缘检测技术的基本思想是:首先对窗口边缘检测技术,包括模型的理论分析,边缘检测的各种实现方法和实验结果。训练一个或多个对目标物体边缘敏感的模式,然后对图像逐点扫描和测试,根据窗口对特定扫描区域的响应实现对边缘的检测。其过程和模式识别中的训练—识别过程相似。文中讨论了“中心块”和“边缘训练”窗口的响应行为以及窗口大小的选择、响应阀值的确定和N元的选用等具体方法。并给出了相应的实验结果。研究表明,这种方法对边缘检测和噪音滤除都具有较好的效果,且硬件容易并行实现。     

基于多分类器决策融合的印鉴真伪鉴别方法

印鉴的自动识别对于实验银行印鉴数字化及计算机管理，实现银行对公业务的通存通兑有重大意义，符合票据法的要求，是银行业发展的需要，本文研究了模式识别领域中印鉴识别这一问题，提出了特征抽取和分类的新方法，基于差图像的成分统计特征抽取方法，发展了骨架图像的结构特征抽取方法，提出了特征点距离特征和笔划曲率特征内两种新的有效特征，本文提出了基于支持向量机（support vector machine,SVM)多分类器融合印鉴鉴别的方法，试验结果表明，本文的方法大大提高了印鉴的鉴别能力和可靠性，效果令人满意。