基于经验模态分解和奇异值分解的振动声调制信号分析方法研究

针对振动声调制特征信号被强噪声淹没无法有效提取的问题,提出一种基于经验模态分解与奇异值分解相结合的振动声调制信号分析方法。先对振动声调制信号进行经验模态分解,选取imf分量,然后将imf分量进行奇异值分解降噪,得到非线性特征信号,最后对特征信号进行Kolmogorov熵计算。将该算法应用于实际碳纤维复合材料的检测,利用Kolmogorov熵进行损伤评估。该方法成功提取了特征信号,实现了损伤诊断和定量评估,而且具有较强的自适应能力。

基于形态学的超声C扫描图像缺陷边缘检测

针对传统基于形态学的边缘检测算法自适应降噪能力差、计算效率低的问题，提出了一种基于边缘比率和多结构的自适应边缘检测算法，根据超声C扫描图像的边缘比率将超声C扫描图像分为3种不同复杂度的图像，针对不同复杂度的超声C扫描图像自适应选取结构元素进行边缘检测，再根据不同边缘图像的信息熵进行融合处理得到最后的边缘。实验结果表明：该算法有效抑制噪声的干扰，且较好地保持图像边缘细节，提高了超声C扫描图像缺陷边缘检测的效率和准确率。

水介质中换能器的声场分布建模及仿真

在水声目标探测的优化中,为精确仿真水声换能器在水中的声场传播分布规律,首先利用多元高斯声束叠加模型,建立水声换能器的表面声压分布模型,然后通过频域有限差分法求解KZK传播方程,得到发射声场在水下分布规律和谐波特性,最后通过MATLAB进行数值仿真,得到各阶次谐波在声轴方向上的径向和轴向的分布情况,结果表明谐波阶次越高,波束越窄,声场能量较集中;各阶次谐波在轴向一定位置附近声压达到最大值,之后由于水介质的吸收效应逐渐衰减。上述研究对开展水下探测、非线性声场成像等具有重要的参考价值。

基于花朵特征编码归类的植物种类识别方法

提出基于花朵特征编码分类的植物种类近似识别方法.运用以最大熵阈值为主,GrabCut算法为辅的体系进行花朵图像分割,提取并筛选出符合人眼视觉特性且分类性能良好的颜色、轮廓、纹理、空间结构等特征.依照最大间隔分类理念、节点二分模式和分类网络结构,搭建编码分类体系以缩小识别范围.将颜色直方图、轮廓直方图和梯度空间共生矩阵相交进行相似比对拟合运算,得到库中各已知类别对象与待测目标的相似程度,列出最近似的对象,完成近似识别.对该方法进行实验验证、分析和完善,实验结果表明,该方法具备识别速度快、准确度高、识别目标扩展性能好等优点.

基于振动声调制的金属微裂纹检测方法

为克服传统线性超声无法检测微纳级宽度裂纹的缺点,开展了振动声调制法检测金属微裂纹的研究。用有限元分析软件ABAQUS开展了仿真研究,并验证了该方法的有效性,为实验参数设置提供了参考。搭建振动声调制检测系统,分析了不同长度微裂纹的调制特性,提出了基于振动声调制信号的信息熵定量表征方法。结果表明,存在微裂纹的铝板的振动声调制信号中的旁瓣信号明显,且检测信号的信息熵随裂纹长度单调增大,可作为振动声调制法检测微裂纹长度的特征参数。