基于经验模态分解和粗糙集属性约简的超声缺陷信号分类识别研究

发布时间：2017-10-23 04:31

  本文关键词：基于经验模态分解和粗糙集属性约简的超声缺陷信号分类识别研究

  更多相关文章： 经验模态分解 粗糙集属性约简 特征提取与选择 神经网络

【摘要】：在工程材料的质量评估和缺陷检测上,超声检测是应用最广泛的无损检测方式之一。在超声回波信号中,往往包含着缺陷材料的丰富信息,如缺陷的位置、大小和类别等。因此如何对回波信号进行处理以求获得关于材料本身更多的有效信息,成为超声检测的关键之一。尽管现在超声无损检测有了长足的发展,但是如何利用信号处理和模式识别技术,进行缺陷定性评价、自动识别和快速处理等方面,还需要进行更为深入的研究。基于以上原因,本文做了如下工作:首先,本文介绍了经验模态分解的基本原理,比较分析了小波分解和经验模态分解在对非平稳信号和非线性信号处理的优劣。然后利用经验模态分解对超声回波信号进行了分解,接着分别在时域和频域上对本征模函数进行了分析,总结了回波信号在时域和频域的特征参数。其次,因为构建的基于时域和频域分析的初始特征集含有许多冗余的信息,为了提高分类速度和精度,所以要对其进行降维。这里选择了基于粗糙集属性约简的方法,第一步先对提取出的特征值使用谱聚类方法进行离散化,然后在使用粗糙集属性约简的算法剔除那些多余信息,这将有助于实现缺陷信号的鉴别。再次,本文利用所获得的超声回波信号实测数据,分别构造了基于回波信号时域和频域的特征参数的训练样本和验证样本,然后对本文构建的BP神经网络在MATLAB软件平台上进行了训练,并将超声回波信号的实测数据放在训练好的神经网络上进行了仿真试验。实验结果证明,BP神经网络具有较好的分类效果。最后,通过与基于经验模态分解、小波分解和主成分分析的特征提取的算法组合的比较,得出经验模态分解结合粗糙集属性约简相比其他一般方法具有更好的分类效果。
【关键词】：经验模态分解 粗糙集属性约简 特征提取与选择 神经网络
【学位授予单位】：南昌航空大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TB302.5;TN911.7
【目录】：

• 摘要3-4
• Abstract4-8
• 第1章 绪论8-15
• 1.1 课题研究的目的与意义8-9
• 1.2 国内外研究现状9-12
• 1.2.1 超声信号处理的发展现状9-10
• 1.2.2 经验模态分解10-11
• 1.2.3 粗糙集属性约简11
• 1.2.4 神经网络与超声缺陷信号分类11-12
• 1.3 研究的主要内容12-13
• 1.3.1 超声信号的预处理和特征提取12-13
• 1.3.2 运用粗糙集工具进行特征选择13
• 1.3.3 神经网络和相关参数的选择13
• 1.4 论文内容安排13-15
• 第2章 基于EMD方法的超声缺陷信号的特征提取15-33
• 2.1 经验模态分解15-20
• 2.1.1 EMD方法的基本概念15-17
• 2.1.2 EMD方法的分解过程17-20
• 2.2 经验模态分解和小波分解20-23
• 2.3 基于EMD方法的超声信号的分析23-32
• 2.3.1 超声信号的EMD分解24-29
• 2.3.2 故障特征参数选取29-32
• 2.4 本章小结32-33
• 第3章 基于粗糙集属性约简的超声信号的特征选择33-45
• 3.1 粗糙集的基本理论33-35
• 3.1.1 知识与信息系统33
• 3.1.2 不可区分关系33-34
• 3.1.3 近似空间34-35
• 3.1.4 知识的简化与核35
• 3.2 属性约简及其算法35-37
• 3.2.1 属性约简35
• 3.2.2 启发式属性约简算法35-37
• 3.3 IMF分量特征值的属性约简37-44
• 3.3.1 特征值的离散化38-39
• 3.3.2 启发式属性约简算法39-41
• 3.3.3 超声信号的属性约简41-44
• 3.4 本章小结44-45
• 第4章 基于BP神经网络的超声缺陷信号识别45-66
• 4.1 BP神经网络对超声回波信号缺陷诊断的适应性45-46
• 4.1.1 BP神经网络的特性45-46
• 4.1.2 人工神经网络对超声回波信号缺陷的分类诊断能力46
• 4.2 BP神经网络46-51
• 4.2.1 BP神经网络的设计47
• 4.2.2 BP神经网络学习过程47-51
• 4.2.3 改进的BP算法51
• 4.3 基于BP神经网络的超声缺陷信号分类实验51-66
• 4.3.1 实验系统介绍51-52
• 4.3.2 信号的采集52
• 4.3.3 缺陷的分类诊断52-66
• 第5章 总结与展望66-67
• 5.1 总结66
• 5.2 展望66-67
• 参考文献67-70
• 发表论文和参加科研情况说明70-71
• 致谢71-72

【相似文献】

中国期刊全文数据库 前10条

1 陈卫萍;潘紫微;;基于经验模态分解的小波阈值滤波去噪[J];安徽工业大学学报(自然科学版);2010年04期

2 袁朝庆;赵丹;余亚辉;;基于经验模态分解法和时域幅值参数识别结构损伤程度[J];无损检测;2008年02期

3 蔡剑华;汤井田;胡惟文;;基于经验模态分解的核磁共振测井信号去噪新方法[J];核电子学与探测技术;2010年03期

4 张来斌;王朝晖;樊长博;;经验模态分解在机械设备故障诊断应用研究概述[J];矿山机械;2007年02期

5 刘树林;赵海峰;齐波;王辉;;基于经验模态分解及自相关分析的微弱信号提取方法[J];大庆石油学院学报;2007年05期

6 赵永韬;燕尽尘;;经验模态分解对瞬态电化学响应的滤波处理[J];物理化学学报;2008年01期

7 庞远;周好斌;;基于经验模态分解方法的高频薄壁铝焊管涡流探伤初探[J];焊接技术;2013年04期

8 艾春安;刘瑜;李剑;曾一平;;基于经验模态分解的粘接结构缺陷定量检测[J];玻璃钢/复合材料;2012年06期

9 易丁;龙永红;龙晓薇;姜山;江元元;;冷却塔振动信号的重构及其时频分析[J];湖南工业大学学报;2012年02期

10 李颖;潘冬子;;经验模态分解(EMD)法在锚固无损检测中的应用[J];煤炭技术;2012年08期

中国重要会议论文全文数据库 前10条

1 秦毅;秦树人;毛永芳;;正交经验模态分解及其快速实现[A];第九届全国振动理论及应用学术会议论文摘要集[C];2007年

2 秦毅;秦树人;毛永芳;;正交经验模态分解及其快速实现[A];第九届全国振动理论及应用学术会议论文集[C];2007年

3 杨永锋;;经验模态分解与非线性分析的协同研究[A];第四届全国动力学与控制青年学者研讨会论文摘要集[C];2010年

4 侯文文;邹俊忠;刘未来;;基于经验模态分解的眼电伪差去除研究[A];上海市化学化工学会2010年度学术年会论文集（自动化专题）[C];2010年

5 李关防;许春雷;惠俊英;;基于经验模态分解的特征提取算法研究[A];中国造船工程学会电子技术学术委员会2011年海战场电子信息技术学术年会论文集[C];2011年

6 薛志宏;李广云;周蓉;;一种基于经验模态分解的信号降噪方法[A];全国工程测量2012技术研讨交流会论文集[C];2012年

7 张飞涟;刘严萍;;经验模态分解与神经网络方法在降水预测领域的应用研究[A];中国系统工程学会第十八届学术年会论文集——A01系统工程[C];2014年

8 康春玉;章新华;;一种基于经验模态分解的信号降噪方法[A];中国声学学会2007年青年学术会议论文集（下）[C];2007年

9 辛鹏;辛雷;蔡国伟;李晓琦;;一种基于经验模态分解与支持向量机的电力系统短期负荷预测新方法[A];第十一届全国电工数学学术年会论文集[C];2007年

10 郝文峰;骆英;顾建祖;;基于经验模态分解-支持向量机的玻璃幕墙开胶损伤预测研究[A];中国力学学会学术大会'2009论文摘要集[C];2009年

中国博士学位论文全文数据库 前9条

1 葛光涛;二维经验模态分解研究及其在图像处理中的应用[D];哈尔滨工程大学;2009年

2 孙晖;经验模态分解理论与应用研究[D];浙江大学;2005年

3 张继红;经验模态分解及径向基函数的一些应用研究[D];大连理工大学;2012年

4 熊卫华;经验模态分解方法及其在变压器状态监测中的应用研究[D];浙江大学;2006年

5 杨贤昭;基于经验模态分解的故障诊断方法研究[D];武汉科技大学;2012年

6 高静;经验模态分解的改进方法及应用研究[D];北京理工大学;2014年

7 陈志刚;经验模态分解与Savitzky-Golay方法的自适应遥感影像融合[D];华东师范大学;2010年

8 周义;快速二维经验模态分解和相位追踪方法及其在导波无损检测中的应用[D];上海交通大学;2014年

9 石志晓;时频联合分析方法在参数识别中的应用[D];大连理工大学;2005年

中国硕士学位论文全文数据库 前10条

1 史玉君;基于经验模态分解的眼电伪迹去除方法的研究[D];兰州大学;2015年

2 梁江海;基于经验模态分解的通信信号细微特征分析[D];国防科学技术大学;2013年

3 赵强;基于EMD的齿轮故障诊断技术研究[D];东北石油大学;2015年

4 熊伟;试车台振动测试系统的关键技术研究[D];河南工业大学;2015年

5 陈凯;快速非平稳信号分析诊断与应用[D];上海交通大学;2015年

6 杨U唝~;基于经验模态分解的城市供水水质异常事件检测方法研究[D];浙江大学;2016年

7 郭学雯;利用经验模态分解方法研究新型热中子探测器数据周期性[D];河北师范大学;2016年

8 杨勤甜;基于经验模态分解和粗糙集属性约简的超声缺陷信号分类识别研究[D];南昌航空大学;2016年

9 杨彩红;基于折线包络的经验模态分解方法及其应用[D];天津大学;2007年

10 付晓波;经验模态分解法理论研究与应用[D];太原理工大学;2013年

，

本文编号：1081647