期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于双变异粒子群优化算法优化的支持向量机及其在民航发动机损伤类型识别中的应用
被引量：
1
1
作者
郑波
马昕
《计算机科学》
CSCD
北大核心
2020年第S02期132-138,共7页
为提高民航发动机损伤类型识别的自动化水平和可靠度,增强民航发动机的维修保障能力,本文利用颜色矩和灰度共生矩阵(Gray Level Co-occurrence Matrix,GLCM)来构造基于发动机无损检测图像的特征数据库,同时将支持向量机(Support Vector ...
为提高民航发动机损伤类型识别的自动化水平和可靠度,增强民航发动机的维修保障能力,本文利用颜色矩和灰度共生矩阵(Gray Level Co-occurrence Matrix,GLCM)来构造基于发动机无损检测图像的特征数据库,同时将支持向量机(Support Vector Machine,SVM)作为智能识别算法。为保障SVM可靠稳定的识别性能,提出利用双变异的粒子群优化(Dual Mutation Particles Swarm Optimization,DMPSO)算法对核参数和惩罚因子进行优化,双变异策略提升了PSO的全局寻优能力,一些复杂的测试函数验证了DMPSO的全局寻优能力。最后根据某型发动机的4种损伤类型图像,按照不同的特征提取方法构造特征数据库,分别利用本文所提的DMPSO优化的SVM、BP(back propagation)网络、ELM(Extreme Learning Machines)网络以及k-NN(k-nearest neighborhood)算法进行损伤类型识别,识别结果证明了文中所提的特征提取方法更适合发动机损伤识别,有利于提高损伤识别精度。同时比较了4种识别算法的性能,基于DMPSO优化的SVM具有更优、更稳定的识别输出。对比实验证明了所提方法有利于提升民航发动机损伤类型的识别效率。
展开更多
关键词
颜色矩
灰度共生矩阵
粒子群优化算法
支持向量机
损伤类型识别
在线阅读
下载PDF
职称材料
基于Lamb波的CFRP层合板损伤类型检测和成像研究
被引量：
2
2
作者
宋春生
李贤胜
《振动与冲击》
EI
CSCD
北大核心
2024年第15期63-70,共8页
采用数值分析方法对Lamb波两种不同的波模态传播特性进行分析,并利用其振动特性对CFRP(carbon fibre reinforced plastics)层合板中不同类型的损伤进行成像及识别。通过采用延时累加算法与缺陷概率检测重构算法相结合的成像算法对损伤...
采用数值分析方法对Lamb波两种不同的波模态传播特性进行分析,并利用其振动特性对CFRP(carbon fibre reinforced plastics)层合板中不同类型的损伤进行成像及识别。通过采用延时累加算法与缺陷概率检测重构算法相结合的成像算法对损伤进行成像研究。最后通过试验进行验证。研究表明:S0模态对于复合材料中的裂纹损伤更为敏感,而A0模态更适用于检测分层损伤;在实现Lamb波不同模态的单独激励后进行损伤检测成像,可根据损伤检测敏感性不同的特性对层合板中同时存在的损伤进行类型识别。成像结果表明所提出的方法能有效地检测出复合材料中存在的损伤并判断损伤类型。
展开更多
关键词
复合材料
LAMB波
损伤类型识别
成像检测
在线阅读
下载PDF
职称材料
题名
基于双变异粒子群优化算法优化的支持向量机及其在民航发动机损伤类型识别中的应用
被引量：
1
1
作者
郑波
马昕
机构
中国民航飞行学院教务处
中国民航飞行学院空中交通管理学院
出处
《计算机科学》
CSCD
北大核心
2020年第S02期132-138,共7页
基金
四川省科技计划项目(2019YJ0720)
中国民用航空局发展基金教育人才类项目(14002600100018J034)
+1 种基金
中国民航飞行学院面上项目(2019-53)
中国民航飞行学院青年基金项目(Q2018-139)。
文摘
为提高民航发动机损伤类型识别的自动化水平和可靠度,增强民航发动机的维修保障能力,本文利用颜色矩和灰度共生矩阵(Gray Level Co-occurrence Matrix,GLCM)来构造基于发动机无损检测图像的特征数据库,同时将支持向量机(Support Vector Machine,SVM)作为智能识别算法。为保障SVM可靠稳定的识别性能,提出利用双变异的粒子群优化(Dual Mutation Particles Swarm Optimization,DMPSO)算法对核参数和惩罚因子进行优化,双变异策略提升了PSO的全局寻优能力,一些复杂的测试函数验证了DMPSO的全局寻优能力。最后根据某型发动机的4种损伤类型图像,按照不同的特征提取方法构造特征数据库,分别利用本文所提的DMPSO优化的SVM、BP(back propagation)网络、ELM(Extreme Learning Machines)网络以及k-NN(k-nearest neighborhood)算法进行损伤类型识别,识别结果证明了文中所提的特征提取方法更适合发动机损伤识别,有利于提高损伤识别精度。同时比较了4种识别算法的性能,基于DMPSO优化的SVM具有更优、更稳定的识别输出。对比实验证明了所提方法有利于提升民航发动机损伤类型的识别效率。
关键词
颜色矩
灰度共生矩阵
粒子群优化算法
支持向量机
损伤类型识别
Keywords
Color moments
GLCM
PSO
SVM
Damage types recognition
分类号
V263.6 [航空宇航科学与技术—航空宇航制造工程]
TP277 [自动化与计算机技术—检测技术与自动化装置]
在线阅读
下载PDF
职称材料
题名
基于Lamb波的CFRP层合板损伤类型检测和成像研究
被引量：
2
2
作者
宋春生
李贤胜
机构
武汉理工大学机电工程学院
武汉理工大学先进材料制造装备与技术研究院
出处
《振动与冲击》
EI
CSCD
北大核心
2024年第15期63-70,共8页
基金
国家自然科学基金项目(51975435)。
文摘
采用数值分析方法对Lamb波两种不同的波模态传播特性进行分析,并利用其振动特性对CFRP(carbon fibre reinforced plastics)层合板中不同类型的损伤进行成像及识别。通过采用延时累加算法与缺陷概率检测重构算法相结合的成像算法对损伤进行成像研究。最后通过试验进行验证。研究表明:S0模态对于复合材料中的裂纹损伤更为敏感,而A0模态更适用于检测分层损伤;在实现Lamb波不同模态的单独激励后进行损伤检测成像,可根据损伤检测敏感性不同的特性对层合板中同时存在的损伤进行类型识别。成像结果表明所提出的方法能有效地检测出复合材料中存在的损伤并判断损伤类型。
关键词
复合材料
LAMB波
损伤类型识别
成像检测
Keywords
composite material
Lamb wave
damage type recognition
imaging inspection
分类号
TB332 [一般工业技术—材料科学与工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于双变异粒子群优化算法优化的支持向量机及其在民航发动机损伤类型识别中的应用
郑波
马昕
《计算机科学》
CSCD
北大核心
2020
1
在线阅读
下载PDF
职称材料
2
基于Lamb波的CFRP层合板损伤类型检测和成像研究
宋春生
李贤胜
《振动与冲击》
EI
CSCD
北大核心
2024
2
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
