基于模糊神经网络的管道缺陷识别方法研究

作者:易方;李著信;孙秀平;马维平 刊名:微计算机信息 上传者:付笑萍

【摘要】基于模糊运算和人工神经网络在模式识别中的应用,分别对两种模式识别方法的基本原理及其在管道无损检测中的应用进行了分析。通过建立管道缺陷识别试验,根据检测信号选取适当的参数,分别用这两种方法对不同类型的缺陷进行识别。结合识别结果对其进行比较与总结,证明了两种识别方法的有效性,为识别方法的选择与应用提供了理论依据。

全文阅读

技术创新 《微计算机信息》(嵌入式与 SOC)2010 年第 26 卷第 1-2 期 360元 / 年 邮局订阅号:82-946 《现场总线技术应用 200 例》 博士论坛 基于模糊神经网络的管道缺陷识别方法研究 Pipeline Defects Recognition Methods Based on Fuzzy Neural Networks (1.后勤工程学院;2.61565 部队;3.军事交通学院) 易 方 1 李著信 1 孙秀平 2 马维平 3 YI Fang LI Zhu-xin SUN Xiu-ping MA Wei-ping 摘要: 基于模糊运算和人工神经网络在模式识别中的应用, 分别对两种模式识别方法的基本原理及其在管道无损检测中的应用进行了分析。 通过建立管道缺陷识别试验,根据检测信号选取适当的参数,分别用这两种方法对不同类型的缺陷进行识别。 结合识别结果对其进行比较与总结,证明了两种识别方法的有效性,为识别方法的选择与应用提供了理论依据。关键词: 缺陷识别; 管道; 模糊算法; 神经网络中图分类号: TP183 文献标识码: A Abstract: Based on the application of fuzzy algorithm and neural networks in pattern recognition, the basic theory and application of them in nondestructive testing were analyzed. The experiment of pipeline defect recognition was designed, appropriate parameters were determined, while two methods were applied to effect recognition. According to the comparison and conclusion of experimental result, the validity of two methods was provided which would be a theoretical basis of selection and application with recognition methods. Key words: Defect Recognition; Pipeline; Fuzzy Algorithm; Neural Networks 文章编号:1008-0570(2010)01-2-0026-02 1 引言 在进行管道无损检测时,根据检测信号来确定缺陷类型、位置、大小等特征一直是无损检测的一个重要发展方向。由于受到多种外在因素的影响,检测信号具有较强的随机性和模糊性, 从而使检测结果不确定。将模糊算法和人工神经网络的理论应用到管道缺陷识别中,产生了两种常用的识别方法:模糊缺陷识别和神经网络识别。 2 方法与原理 2.1 模糊算法识别 模糊算法识别就是运用模糊集论的相关运算法则, 将一个不透明的识别算法转化为透明的模式识别算法的分类问题。 将要分类的对象描述为在某一论域上的模糊子集, 同时将其特征数量化,使每一个别特征都用一维实数空间来表示。在这个有限论域上的模糊子集可以看作这个高维空间中的点, 彼此相接近的点就视为同一类的模糊子集。基本的模糊方法包括:隶 属度和择近原则、基于模糊等价关系的模式分类、模糊文法等。 2.2 人工神经网络模式识别

参考文献

引证文献

问答

我要提问