基于改进ART-2网络和不变矩的高压瓷瓶裂缝识别

为了保证高压输电线路的正常运行,可以通过高压输电线路巡检机器人视觉系统完成高压输电线路的检测。本文通过CCD摄像头等硬件模拟机器人的视觉,完成对绝缘瓷瓶裂缝图像的采集。对图像经过滤波去噪、图像分割等预处理操作后,利用形状特征和灰度差异完成图像中裂缝的定位。对于聚焦放大后的裂缝图像提取不变矩等四个特征值,得出图像信息。最后利用改进的ART-2神经网路,实现对绝缘瓷瓶裂缝五种状态:横向、纵向、块状、网状、无裂缝的分类识别。通过仿真和实验表明该算法可以有效、可靠地运用于绝缘瓷瓶裂缝类型识别研究中,并可方便地应用于其它领域。

ART-2网络在超声检测信号分析中的应用

本文以焊缝超声检测常见的缺陷(夹渣、气孔、未焊透、未熔合)为对象,选取缺陷时域波形的上升时间、波宽、上升角度和频域特征的波动次数、底宽等特征值组成特征矢量作为ART-2的输入,来实现缺陷性质的识别,并与射线检测结果对比。实验结果表明：采用该方法得到的正确识别率达到81．5％,具有良好的应用前景。

改进ART-2网络在轴承检测中的应用

根据ART-2网络学习与记忆的特点,对模型进行改进,解决了原始ART-2网络权值学习的随机偏移问题,有效地过滤了噪声。最后给出该算法在轴承运行实时监测和故障诊断中的应用,验证了该算法的有效性和可行性。

基于ART-2网络的自行火炮变速箱状态自适应分类

对于结构复杂的自行火炮变速箱,其故障模式具有不可预知性。针对传统的神经网络识别方法明显存在不足这一问题,提出一种基于自适应谐振理论(Adaptive Resonance Theory)的自行火炮变速箱瞬态过程故障诊断新方法。该方法不仅可以对已知的故障模式进行分类,而且对自行火炮变速箱未知故障模式具有很强的自适应分辨能力。实例证明,ART-2神经网络与传统的神经网络方法相结合为自行火炮变速箱故障诊断提出了新思路。

压力容器焊缝缺陷超声探伤利用ART-2网络的定性分析

压力容器焊缝超声波探伤中，除了确定焊缝中缺陷的位置和大小外，还应尽可能判定缺陷的性质。有些焊缝的缺陷对压力容器的整体性能影响不大，相对于压力容器的用途，并不构成致命的威胁；另外有一些焊缝的缺陷对压力容器的整体结构而言，却是不能忽视的。因此，在压力容器焊接加工中，准确判定缺陷的性质，对检查压力容器是否符合应用要求，以避免进行徒劳无益的后序加工、合理的制造出符合安全的产品具有重要的意义；

ART-2神经网络的改进及建模实现

指出了传统的ART-2神经网络对渐变过程不敏感的局限性,提出了一种新的改进算法。并对ART-2网络进行建模,通过与其它建模方法的对比,详尽讨论了ART-2的建模方法及特点。最后通过应用改进算法解决了原先模型中的“模式漂移”现象,使模型性能得到了明显的改善。

ART-2神经网络的研究与改进

ART-2神经网络可以很好地应用于模式识别中的聚类问题,但是由于其算法结构中固有的归一化环节,在处理数据过程中丢失了非常重要的幅度信息。在分析这一不足的基础上,提出两种改进算法,同时给出了相应的实验结果。

一种基于ART-2神经网络的案例检索方法

检索是基于案例推理（CBR）系统中的关键技术,本文把ART神经网络与案例多级索引技术结合起来,提出一种两级ART网络结构模型,为大型案例库建立了案例分类及检索模型,实现案例动态聚类与从类型到具体案例的索引,增强了系统的自学习、自适应能力,大大提高了案例分类和检索的效率.

基于ART-2神经网络及不变矩特征的图像模式识别

将图像进行预处理并提取图像的特征,计算出图像的不变矩,利用ART-2神经网络完成了对图像的模式识别。通过实验证明ART-2神经网络具有较高的识别率,并很好地解决了神经网络在模式识别中面对识别对象出现新模式时,网络的可塑性与稳定性的矛盾。

ART-2神经网络的缺点及其改进

自适应共振理论(ART)是一种典型的自组织识别的神经网络。本文通过分析,指出传统ART-2神经网络在分类时没有用到小幅值特征分量的局限性,提出了一种改进的网络结构。在理论上,分析指出了改进的网络结构在分类时比标准ART-2网络的优越性。最后通过仿真验证了改进的网络结构对分类效果有了很好的改善。

ART-2神经网络在机器人视觉特征识别中的应用

介绍了一种采用ART-2型神经网络技术对图像进行识别的方法,并进行了一系列实验.实验结果表明,基于神经网络的识别模型是一种比较理想的图像识别模型,基于ART-2神经网络的视觉系统能够很好的识别物体形状,具有良好的应用前景.

ART－2网络学习算法的改进

详细介绍了ＡＲＴ－２网络的算法。通过一个渐变输入模式序列揭示了ＡＲＴ－２网络潜在的模式漂移现象，由此导出ρ０＞ρ０的矛盾，并改进了网络的学习算法。

ART-2对滚动轴承振动信号幅值谱的清晰化提取与分类效果研究

滚动轴承振动信号的幅值谱往往在整个频带上都存在着均匀分布的噪声频率干扰,难以用一般的滤波方法去除,这对轴承实际振动频率成分的识别有很大的影响。通过对ART-2神经网络的分析,指出了在信号中的特征信息相对较强,而噪声相对较弱的情况下,利用ART-2可以对信号中的特征信息成分进行增强,并对噪声进行充分抑制。利用这一原理,实现了对轴承振动信号幅值谱的清晰化提取。对13个轴承振动信号幅值谱的处理实例表明,这种方法获得的模式中轴承实际振动频率成分被清晰地提取了出来,而均布噪声频率则被充分抑制。进一步研究了ART-2的警戒系数对幅值谱清晰化处理效果的影响,并对这种影响机理进行了解释。

基于ART2模型的造船系统中间产品成组分类研究

基于ART-2神经网络分类器算法是在自适应共振理论的基础上改进而来的,该方法能够对造船中间产品的特性分析样本进行分析判断,实现输入数据的自动分类与识别。提出了中间产品成组特性分析的模型,并对神经网络结构和改进的算法作了详细介绍。实验证明分类的效果比较准确,并可对同族产品的相似程度加以控制,使分组更加合理。

基于专家系统的回转窑窑头工况识别

针对新型干法水泥生产线窑头环节非线性、多变量、强耦合、大时滞等特性导致的工况复杂,控制难度大的问题,在深入分析窑头工况特点的基础上,提出了一种基于专家系统的工况智能识别方法。该方法首先对从集散控制系统中采集的现场参数实时值进行数据预处理,运用ART-2神经网络算法对关键参数的变化趋势进行在线辨识,并输出趋势类别,同时对主要参数的实时值进行模糊化处理,输出模糊档位。基于专家规则的工况识别系统根据参数的辨识结果,通过精确推理输出当前工况。工况识别软件采用C++编写,现场实际运行表明了该方案的正确性和实用性。

一种不确定环境下移动机器人的避障规划算法

本文提出了在不确定的环境中 ,移动机器人的一种全局路径规划算法 .将全局路径规划分解为局部路径规划的组合 .为提高规划的效率 ,在局部规划中 ,采用了基于案例的学习方法 .以 ART- 2神经网络实现案例的匹配、学习和扩充 ,满足了规划的实时性要求 ,仿真结果说明了本算法的有效性 .

先进的入侵检测系统模型探析

随着黑客和病毒等对网络侵害手段花样的不断翻新,入侵检测系统(IDS)正在向着大规模分布式、智能化和全面的防御方案发展,在这里从一个入侵检测的通用模型开始,着重介绍和分析了大规模分布式IDS、基于ART-2神经网络的IDS和基于Honeynet的网络IDS,并给出了模型。