换一批基于Welch法功率谱和广义回归神经网络的禽蛋裂纹辨识
Eggshell Crack Identification Based on Welch Power Spectrum and Generalized Regression Neural Network (GRNN)
摘要为建立一种快速无损检测禽蛋裂纹的方法,构建了基于磁致伸缩振子扫频式振动的禽蛋裂纹检测系统.系统以声学特性为基础,通过利用Welch法功率谱分析禽蛋振动音频信号,利用主成分分析法提取特征向量中的有用信息并构建基于广义回归神经网络(generalized regression neural network,GRNN)的禽蛋裂纹检测模型.实验对290枚鸡蛋进行检测(训练集200枚,测试集90枚).结果表明,测试集中无损蛋与裂纹蛋的判别率分别达到96.7％和98.3％.研究表明,利用磁致伸缩振子扫频和Welch法功率谱分析,通过主成分分析法提取特征向量中的有用信息并结合GRNN模型检测禽蛋裂纹是可行的.
更多相关知识
关键词
禽蛋裂纹检测磁致伸缩Welch功率谱主成分分析广义回归神经网络eggshell crack detectionmagnetostrictionWelch power spectrumprincipal component analysis (PCA)generalized regression neural network (GRNN)
分类号
TP391.42
栏目名称
DOI
10.7506/spkx1002-6630-201514030
发布时间
2015-09-22（万方平台首次上网日期，不代表论文的发表时间）
基金项目
- 浏览6
- 被引18
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
