国家自然科学基金(51175175)
- 作品数：6 被引量：27H指数：3
- 相关作者：李鹏周建民蔡莉杨君刘依更多>>
- 相关机构：华东交通大学教育部更多>>
- 发文基金：国家自然科学基金江西省教育厅科学技术研究项目更多>>
- 相关领域：自动化与计算机技术电子电信机械工程电气工程更多>>
- PLS的红外无损检测电磁激励的数学模型被引量：1
- 2014年
- 主动式电磁激励红外无损检测中,电磁激励参数的选择是决定无损检测效果的重要因素之一。研究首先通过正交实验分析了激励功率、线圈总长、线圈等效直径、提离距离、激励时间等电磁激励参数对材料激励热效应的影响;基于偏最小二乘构建了各参数与材料激励热效应的数学模型,并分析了二者之间的关系;最后利用15组验证样本对模型进行了验证。研究结果表明;所构建数学模型的平均误差为9.79%,各激励参数中,提离距离对材料激励热效应的影响最大,其次分别为线圈总长、线圈等效直径、激励时间和激励功率。
- 周建民蔡莉杨君符正晴胡林海李鹏
- 关键词：红外无损检测偏最小二乘
- 基于热图时序特征和PNN的孔洞缺陷红外无损检测方法被引量：5
- 2014年
- 利用热图时序特征和PNN,提出了一种以像素为单位,实现缺陷红外无损检测的新方法。该方法首先采用红外热像仪获取加热试件在降温过程中的红外时序热图;其次,提取时序热图中正常和异常区域的灰度值,建立不同区域的灰度值与时间的关系,进而获得相应的初始特征;再次,采用主成分分析方法对初始特征进行提取,获得时序特征;最后,以时序特征作为训练样本,构建概率神经网络,实现孔洞缺陷检测。实验结果表明,正常区和异常区识别率分别可达到95%和85%。
- 周建民符正晴蔡莉李鹏
- 关键词：红外无损检测主成分分析概率神经网络
- 红外热波技术、有限元与SVM相结合的复合材料分层缺陷检测方法被引量：17
- 2020年
- 现有对复合材料分层缺陷的检测方法,因数据样本少导致精度低、耗时长、成本高等问题,限制了其广泛应用。提出了一种基于红外热波技术、有限元与支持向量机相结合的复合材料缺陷检测方法。通过建立有限元热分析模型获取激励面所有节点的温升数据,并与红外热波实验所得数据从单个与整体方面进行分析,结果表明,仿真数据与实验数据之间具有强相关性且仿真数据没有环境误差,推断出仿真数据可作为训练样本;建立SVM模型并用实验数据进行测试,以测试结果判断复合材料是否存在分层缺陷,该方法通过有限元仿真大大增加了样本的数量。实验结果表明,设计的4组实验中分层缺陷识别率分别为80.36%、77.99%、86.96%、81.13%,证实了该检测分层缺陷的方案的可行性。
- 周建民陈超陈超刘依胡艳斌
- 关键词：支持向量机
- Quantum Yield and Curing Velocity of Two α-hydroxy Ketone Photoinitiators
- The quantum yield is an important parameter to evaluate the initiation efficiency of photoinitiators and impro...
- LI Peng
- 关键词：PHOTOINITIATOR
- 地网测量仪用数字变频电源设计被引量：1
- 2013年
- 利用SPCE061A单片机的片上资源,根据SPWM原理,以高级语言生成波形数据表格,以查表调用的方式提高了变频电源频率合成的速度和精度。电源具有较高的效率,实测表明该电源波形质量好,适合在地网接地电阻测量中应用。
- 余为清
- 关键词：正弦脉宽调制SPCE061A
- 孔洞缺陷的红外无损检测和PNN识别与定量评估被引量：3
- 2015年
- 针对红外无损检测中因特征信息缺失,致使识别与评估效果不佳这一问题,研究以铝板为对象,基于红外无损检测技术,结合主成分分析和概率神经网络对铝板正常区及三类孔洞缺陷区进行了识别与面积定量评估。研究首先采集铝板降温过程的红外时序热图,提取了正常区和各类孔洞缺陷区的时序灰度值作为初始特征。其次,采用主成分分析对初始特征进行提取,并结合概率神经网络,以像素点为单位实现孔洞缺陷的识别及面积定量评估,并采用了支持向量机进行了对比研究。实验结果表明,对于正常区和三类孔洞缺陷区测试样本的面积评估正确率分别为99.6%、97.0%、94.7%和93.0%,相比支持向量机的评估结果,所提出的研究方法具有更高的正确率。研究论证了采用主成分分析和概率神经网络,基于时序特征,以像素点为单位,实现孔洞缺陷识别和面积定量分析的有效性和准确性。
- 周建民符正晴李鹏杨君
- 关键词：红外无损检测概率神经网络主成分分析
- 基于阵列探头的超声缺陷检测仿真及其定位
- 2015年
- 以铝板为研究对象,首先基于超声仿真技术,设计了"单发多收"超声阵列探头,对位于铝板内部不同深度处的21类缺陷分别进行建模和仿真分析,并获取相应的时域信号;其次,基于主成分分析(principal component analysis,PCA),对各缺陷的幅频初始特征进行提取,获得各缺陷的特征向量;最后,采用概率神经网络(probabilistic neural network,PNN)对各缺陷进行定位分析。研究分别以21×9和21×4个缺陷为训练样本和测试样本,分析结果表明:缺陷定位的平均正确率为82.14%,96.43%,100%。研究论证了采用超声阵列探头,并结合主成分分析和概率神经网络,进行缺陷定位的有效性。
- 周建民孙昆刘波李鹏徐清瑶
- 关键词：超声检测概率神经网络主成分分析
