蒋奇
钢铁
漏磁检测是目前广泛采用的油气管道检测方法,通过漏磁检测仪获得腐蚀缺陷漏磁场切向分量的漏磁场信号,提取与腐蚀缺陷外形长、宽、深有关的漏磁场信号波形特征量,结合小波分析和神经网络的优势形成小波神经网络,分析设计了小波神经网络的结构,给出了网络训练算法,利用网络的非线性逼近性能,对腐蚀缺陷外形进行定量评价,给出预测评价曲线,试验验证方法有效可行.
关键词:
管道
,
漏磁场
,
小波神经网络
,
评价
王峰
,
袁开明
,
舒乃秋
绝缘材料
针对绝缘子污秽放电模式识别过程中声发射信号的特征参量维数过高的问题，采用主成分分析法对特征参量降维，利用提取到的绝缘子污秽放电声发射信号的特征参数构成原始特征参量矩阵，通过对原始特征参量矩阵进行K-L正交变换，产生了包含原始特征参量矩阵主要信息的K个主成分，最后利用小波神经网络进行绝缘子污秽放电的模式识别。结果表明：利用主成分分析法降低特征参量的维数，使分类器的结构更简单，小波神经网络比传统的BP神经网络具有更高的识别率和更优的识别效果。
关键词:
主成分分析法
,
小波神经网络
,
绝缘子污秽放电
,
模式识别
张慧书
,
战东平
,
姜周华
,
张洋鹏
,
陈韧
上海金属
转炉终渣成分对后续炼钢过程将产生重要影响.采用Visual Basic 6.0进行编程,应用克服BP神经网络缺陷的小波神经网络,建立了网络结构为8-10-6,其中隐含层传递函数为Morlet型函数,输出层传递函数为S型函数的120 t转炉终渣成分预报模型.采用550炉数据进行模型训练,经20炉数据现场验证表明,模型预报结果各个成分有85.8％的平均相对误差在0.1以内.模型预测精度较高,可以满足工厂实际使用需要.
关键词:
小波神经网络
,
转炉渣
,
模型
,
预测
,
渣成分
