基于小波神经网络木材缺陷类型超声检测机理的研究

论文题目: 基于小波神经网络木材缺陷类型超声检测机理的研究

论文类型: 硕士论文

论文专业: 森林工程

作者: 齐巍

导师: 王立海

关键词: 木材缺陷,超声检测,小波分析,神经网络

文献来源: 东北林业大学

发表年度: 2005

论文摘要: 木材内部缺陷无损检测技术是新兴的多学科交叉的技术,该技术对木材生产领域及其深加工等多方面有着较高的应用价值。本文围绕木材内部缺陷超声无损检测技术,通过小波变换分解超声信号得到的能量变化量、结点小波包系数和人工神经网络模式识别技术相结合,研究了木材缺陷类型超声无损检测机理与技术。首先,构建了木材标准试件与不同类型的缺陷试件,采用先进的超声检测系统对木材试件进行超声无损检测,并记录下相应的超声原始检测信号;对db1,db5,db10,coif5小波函数在超声检测信号中的应用作了分析比较,选择的db5小波基可作为处理木材超声检测信号的首选小波基;经试验得到,在机械故障诊断中应用较为广泛的小波信号奇异性检测在木材超声检测中应用尚有较大差距。其次,将各类试件的原始号用小波包分解,并求出信号小波包第5层各结点的能量,得到缺陷试件与完好试件的能量变化量;试验发现木材缺陷引起能量的变化量主要由木材缺陷的程度来决定,木材缺陷的程度越严重,能量的变化量就越大;对小波包5层分解后各信号结点的能量变化量进行分析,发现在32个结点中(5,0)结点在各类缺陷试件中能量变化量最大,说明其涵盖的缺陷特征信息最多,因此针对(5,0)结点进行分析,提取结点的小波包系数作为神经元网络的输入。最后,将所得到的第5层32个结点的能量变化量与(5,0)结点的小波包系数分别作为人工神经网络的特征输入,通过计算出的样本来训练网络,对比分析两个网络识别木材缺陷类型的能力,结果表明(5,0)结点小波包系数作为特征训练得到的神经网络检测结果更为有效。通过试验验证,该方法识别标准试件缺陷类型的精度达到99%以上。

论文目录:

摘要

Abstract

1 绪论

1.1 木材无损检测技术研究的意义

1.2 木材无损检测技术的现状与发展

1.2.1 木材无损检测技术方法及相应的研究进展

1.2.2 木材无损检测技术的发展趋势

1.3 超声无损检测技术的研究现状与发展趋势

1.4 本文有待于研究的工作

1.5 本章小结

2 试验原理、设备及超声检测信号的采集

2.1 实验原理

2.1.1 声波的传播规律

2.1.2 波动方程

2.1.3 波的反射与透射

2.2 超声检测设备与试件制备

2.2.1 超声检测设备

2.2.2 试件制备

2.3 超声检测信号的采集

2.3.1 超声检测信号采集原理

2.3.2 超声检测声波换能器的选用

2.3.3 试验参数选择及采集结果

2.4 本章小结

3 检测信号的小波分析与研究

3.1 小波原理概述

3.2 小波分析

3.2.1 Daubechies(db)小波

3.2.2 超声检测信号小波基的选取

3.2.3 应用db5小波分析超声检测信号

3.3 小波包分析

3.3.1 小波包分析原理

3.3.2 小波包的定义

3.3.3 小波包算法

3.4 木材超声检测信号特征量的提取

3.4.1 应用各结点能量变化量提取信号特征

3.4.2 应用信号结点小波包系数提取特征量

3.5 本章小结

4 应用人工神经网络对木材缺陷无损检测的模式识别

4.1 人工神经网络概述

4.2 BP算法原理

4.2.1 BP算法的数学描述

4.2.2 BP算法的不足

4.2.3 BP算法的改进

4.3 应用BP神经网络对木材缺陷进行识别

4.3.1 应用频带能量变化量的信号特征训练网络

4.3.2 应用结点小波包系数作为信号特征训练网络

4.3.3 训练结果的对比分析

4.4 本章小结

结论

参考文献

附录1

附录2

致谢

发布时间: 2005-10-21

参考文献

[1].预测控制在淀粉生产过程自动化中的应用研究[D]. 张肖.东北大学2015
[2].基于模糊C均值算法的木材缺陷CT图像处理[D]. 王丽艳.东北林业大学2014
[3].木材缺陷的FBP神经网络识别与原木年轮统计检测研究[D]. 王世伟.东北林业大学2017
[4].基于模态分析的木材缺陷定位检测[D]. 钟旻良.东北林业大学2016
[5].基于人工神经网络的木材缺陷检测研究[D]. 牟洪波.东北林业大学2006
[6].图像处理技术在木材检测方面的应用[D]. 崔金刚.东北林业大学2007

基于小波神经网络木材缺陷类型超声检测机理的研究

猜你喜欢