《计算机工程与应用》唯一官方网站
 首页  |  期刊介绍  |  编委会  |  投稿指南  |  道德声明  |  中图分类号  |  期刊订阅  |  联系我们  |  English
《计算机工程与应用》唯一官方网站
模式识别与人工智能 最新目录 | 下期目录 | 过刊浏览 | 高级检索  |   
大数据环境下超声波焊缝缺陷识别方法的研究
董本志,丁文雪
东北林业大学 信息与计算机工程学院,哈尔滨 150040
Research of ultrasonic weld defect identification method under big data environment
DONG Benzhi, DING Wenxue
College of Information and Computer Engineering, Northeast Forestry University, Harbin 150040, China
 全文: PDF (568 KB)   HTML (1 KB)  输出: BibTeX | EndNote (RIS)      背景资料
摘要 为了解决常规超声波焊缝缺陷识别方法分类模型固定和训练集规模有限而难以体现不同缺陷的差异性和同类缺陷的多态性的问题,结合当今大数据环境下的数据分析策略和基因缺陷识别中匹配的思想,通过主成分分析和CURE聚类算法将缺陷回波信号编码转换成可进行匹配的对象,进而将当前检测缺陷特征与历史检测数据进行匹配,并利用最近邻方法实现了对缺陷历史检测数据集的扩充。通过在R上应用基于基本空位罚分的Smith-Waterman比对算法进行仿真实验验证了该缺陷识别方法是可行的,有效地识别了气孔、夹渣、裂纹、未焊透和未熔合五类常见缺陷,具有较好的识别准确率。
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
董本志
丁文雪
关键词缺陷识别   主成分分析   CURE聚类算法   比对算法     
Abstract: For solving the problem that fixed classification model, limited training set size and difficulty to reflect the differences of different defects and polymorphism of similar defects which conventional ultrasonic weld defect identification method exists, combined with the condition of data analysis strategy under the big data environment and the ideas of the match in genetic defect identification, the principal component analysis and CURE clustering algorithm convert the defect echo signal to the object of the matching, then the current detecting defect characteristics can match with the historical data, the nearest neighbor method implements the expansion of the historical defects data set. Through the application of Smith-Waterman alignment algorithm based on the basic space penalty on R, the simulation results verify that the defect identification method is feasible and effective to identify the porosity, slag inclusion, cracks, incomplete penetration and incomplete fusion five kinds of common defects, the method has good identification accuracy.
Key wordsdefects identification   principal component analysis   Clustering Using Representatives(CURE) clustering algorithm   alignment algorithm   
引用本文:   
董本志,丁文雪. 大数据环境下超声波焊缝缺陷识别方法的研究[J]. 《计算机工程与应用》唯一官方网站, 2016, 52(23): 176-180.
DONG Benzhi,DING Wenxue. Research of ultrasonic weld defect identification method under big data environment[J]. CEA, 2016, 52(23): 176-180.
链接本文:  
http://cea.ceaj.org/CN/
 
没有找到本文相关图表信息
没有本文参考文献
[1] 万 倬1,2,朱嘉钢1,2,陆 晓2. 图像特征抽取的MDNIB2DPCA方法[J]. 《计算机工程与应用》唯一官方网站, 2016, 52(9): 177-183.
[2] 高 坤1,2,何怡刚1,3,谭阳红1,薄祥雷1,童耀南1. 主成分分析和超限学习机的模拟电路故障诊断[J]. 《计算机工程与应用》唯一官方网站, 2016, 52(9): 248-252.
[3] 王春芳,高煜妤. 基于KL距离的KPCA人脸识别算法[J]. 《计算机工程与应用》唯一官方网站, 2016, 52(9): 130-134.
[4] 丁雪芳,王 琪. 基于改进支持向量机的Wi-Fi室内定位算法[J]. 《计算机工程与应用》唯一官方网站, 2016, 52(6): 90-93.
[5] 徐 仙1,2,卢先领1,2,王洪斌1,2. 行为识别中基于GA优化的加速度特征选择方法[J]. 《计算机工程与应用》唯一官方网站, 2016, 52(6): 139-143.
[6] 王晓华,赵志雄. 结合伽马变换和小波变换的PCA人脸识别算法[J]. 《计算机工程与应用》唯一官方网站, 2016, 52(5): 190-193.
[7] 张玉叶1,王颖颖1,王春歆2,彭海军1. 分析参数相关和时序特征的飞行动作识别方法[J]. 《计算机工程与应用》唯一官方网站, 2016, 52(5): 246-249.
[8] 王 斌1,张 迅2,盛津芳1,陈 新3,史秀志3. 优化的GEP算法在爆破振动预测中的应用[J]. 《计算机工程与应用》唯一官方网站, 2016, 52(22): 212-217.
[9] 康珮珮,于凤芹,陈 莹. 车辆检测中可变形部件模型的改进与应用[J]. 《计算机工程与应用》唯一官方网站, 2016, 52(20): 209-213.
[10] 谢 晋1,陈延东2. 基于Cost-Sensitive主成分分析的人脸识别[J]. 《计算机工程与应用》唯一官方网站, 2016, 52(15): 24-28.
[11] 皮子坤1,贾宝山1,2,李宗翔1,2. 基于SPSS的采煤工作面瓦斯涌出量预测模型研究[J]. 《计算机工程与应用》唯一官方网站, 2016, 52(15): 228-232.
[12] 吴龙华1,朱嘉钢1,陆 晓2. 抑制边缘效应的自适应单通道盲源分离[J]. 《计算机工程与应用》唯一官方网站, 2016, 52(14): 130-135.
[13] 李群辉 1,张俊祖1,耿国华2,周明全3. 基于凹凸区域的断裂面匹配算法[J]. 《计算机工程与应用》唯一官方网站, 2016, 52(13): 187-190.
[14] 关学忠,王文锋,张新城,尹廷武,张 璐. 基于小波变换和多特征融合算法的人脸识别[J]. 《计算机工程与应用》唯一官方网站, 2016, 52(12): 201-204.
[15] 杨秋芬1,2,桂卫华1,胡豁生1. 2DPCA与稀疏表示模型的运动目标跟踪法[J]. 计算机工程与应用, 2015, 51(4): 201-204.
版权所有 © 《《计算机工程与应用》唯一官方网站》编辑部
通信地址: 北京619信箱26分箱 邮编: 100083 电话: (010)89055542 E-mail: ceaj@vip.163.com
技术支持:北京玛格泰克科技发展有限公司
京ICP备13024262号-1