基于径向基函数神经网络的编织复合材料结构脱层损伤监测研究

鉴于传统的BP网络的速度慢和局部极小值问题,以及针对基于实验数据训练神经网络存在样本不足的缺陷,文中提出了利用径向基函数(Rad ial Base Function,简记为RBF)神经网络通过有限元方法对含有脱层损伤的复合材料试件进行数值模拟,把前五阶弯曲模态频率进行修正,以修正后的前五阶弯曲模态频率再经过归一化处理构建训练样本的新思路,将实验模态分析结果经归一化处理后送入训练好的RBF神经网络进行预测,从而实现对编制复合材料梁的脱层损伤定位和损伤程度评估。最后给出了编织复合材料结构损伤大小伤识别及定位的算例,仿真结果表明RBF神经网络速度快,稳定性好,精度高,在复合材料结构损伤监测中具有光明的应用前景和重要的工程应用价值。

机织物透气性预测的投影寻踪回归模型

针对机织物透气性预测中存在非线性建模困难的问题,选择机织物总紧度、厚度、面密度及平均浮长等结构参数作为机织物透气性预测的影响因素,建立机织物透气性预测的投影寻踪回归模型。对模型训练样本的拟合值及检验样本的预测值以相对误差的均值及标准差为指标进行分析,并与BP神经网络及多元线性回归模型进行对比。结果表明,投影寻踪回归模型的拟合及预测精度均优于BP神经网络及多元线性回归模型,且在训练样本较少的情况下,投影寻踪回归模型仍有较高的预测精度和较强的泛化能力,可为机织物透气性预测提供一种新的方法。

卷积神经网络在无纺布缺陷分类检测中的应用

目的针对传统无纺布缺陷分类检测中人工依赖性强、效率低等问题,提出一种能够满足工厂要求的卷积神经网络分类检测方法。方法首先建立包括脏点、褶皱、断裂、缺纱和无缺陷等5种共计7万张无纺布图像样本库,其次构造一个具有不同神经元个数的卷积层和池化层的神经网络,然后采用反向传播算法逐层更新权值,通过梯度下降法最小化损失函数,最后利用Softmax分类器实现无纺布的缺陷分类检测。结果构建了12层的卷积神经网络,通过2万张样本进行测试实验,无缺陷样本准确率可以达到100%,缺陷样本分类准确率均在95%以上,检测时间在35 ms以内。结论该方法能够满足工业生产线中对于无纺布缺陷实时分类检测的要求。

基于卷积神经网络的机织物密度均匀性检测

针对目前基于机器视觉的机织物密度自动检测时织物检测视野小、精度低、品种适应性差的问题,提出一种基于多尺度卷积神经网络的检测方法。首先设计了一套离线图像采集系统连续采集织物图像,并建立一个包含详细织物参数的织物图像数据集;然后采用一种具有不同大小局部感受野的多尺度卷积神经网络适应不同大小的织物结构特征,定位纱线位置;最后利用霍夫变换及灰度投影方法处理网络模型所预测的纱线位置图,计算织物经纬密度,并对织物密度均匀性做出评价。结果表明:与其他方法相比,本文方法对于不同类型织物的经纬密度计算误差小于2%,检测精度更高,品种适应性更强。

基于BP神经网络的水刺非织造布刚柔性能的研究

以BP神经网络为工具,研究影响水刺非织造布的刚柔性因素,并针对影响刚柔性的主要因素———材料配比和铺网方式进行分析.首先处理实验数据并通过灰色系统预测将数据补充完整,然后通过神经网络模型进行训练和预测,最后用计算机模拟的方法选出最优的工艺参数.研究证明,该方法具有较高的实际价值和广阔的应用前景.

人工智能辅助识别髋关节置换术后假体松动的准确性观察

目的:评估一种根据X线片诊断是否存在髋关节置换术后假体松动的机器学习算法的能力。方法:选取2014年~2019年53例患者行全髋关节翻修手术的患者作为研究对象。搜集翻修术前的骨盆正位片,并根据手术记录将患者分为假体松动组和假体稳定组。使用卷织神经网络(convolutional neural network,CNN)模型来预测翻修术前X线片是否存在假体松动。结合术中情况对预测结果进行评价。将患者分为两组,一组为训练组,包含17例松动患者和25例假体稳定患者;另一组为验证组,包含4例松动患者和7例假体稳定的患者。患者的影像资料首先需要在内转化为256×256像素的矩阵图。在经过图像训练后输入验证组图像对模型验证假体松动的准确率进行评估。结果:验证组中共计6例患者被模型判断为假体松动,其中包括4例松动组的患者和2例稳定组的患者。模型判断假体松动的敏感性为100%,特异性为66%。结论:卷织神经网络模型可以协助临床医生对髋关节置换术后假体松动进行诊断并具有较高的敏感性。

纺织基弹力拉伸带强力力学预测模型的构建

为帮助使用者有针对性地选择不同抗阻强度的体育用品和设计者开发分级阻力的织带款弹力拉伸带产品,需要探究织带拉伸强力变化规律。从纱线原料、织物结构和织造过程分析影响其拉伸强力关键因素有:弹力包覆纱的粗细、数量、组织结构、织物纬密。通过控制变量法改变各个参数并织造样品,根据行业标准测试后,训练BP-ANN神经网络以构建拉伸强力预测模型,验证后模型平均误差率在2.12%,可为弹性织带相关产品的开发设计提供参考。