基于特征加权支持向量机的复合材料接缺陷量化识别的研究.pdf

论文题目专学年分类号密级编号.
避学位论文作者签名:—至毕指导教师签名:车叫嘲Ⅲ川Ⅷ㈣舢在学期间研究成果使用承诺书原创性声明也不包含为获得凼墓直太堂及其他教育机构的学位或证书而使用过的材料。与我一同:本人声明:所呈交的学位论文是本人在导师的指导下进行的研究工作及取得的研究成果。除本文已经注明引用的内容外,论文中不包含其他人已经发表或撰写过的研究成果,的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。本学圣畚淖髡咄耆私庋S泄乇A簟⑹褂醚宦畚牡墓娑ǎ矗耗诿晒湃搜в腥将学位论文的全部内容或部分保留并向国家有关机构、部门送交学位论文的复印仆和磁盘允许编入有关数据库进行检索,也可以采刚影印、缩印或其他复制手段保存、汇编学位论文。为保护学院和导师的知识产权,作者在学期问取得的研究成果属于内蒙古大学。作者今后使用涉及在学期间主要研究内容或研究成果,须征得内蒙古大学就读期间导师的同意:若用于发表论文,版权单位必须署名为内蒙古大学方可投稿或公开发表。学位论文作者签名:日期:¨鯥
基于特征加权支持向量机的复合材料粘接缺陷量化识别研究摘要粘接工艺是现代工业,尤其是国防工业越来越广泛采用的工艺技术。但是粘接层间脱粘,或粘接强度未达到设计要求,以及在使用过程中强度降低,则会引发各种灾难性事故。因此,粘接结构的安全和质量成为国际上广泛关注的研究领域和前沿课题。目前,粘接缺陷检测偏重于是否发生脱粘的定性分析,对于定量检测的研究刚刚起步。本文针对的是钢一橡胶机械贴合脱粘定量检测这一难题开展的研究。以往解决此问题时的方法是:采用模糊神经网络的方法进行粘接缺陷的定部极小点等。支持向量机钦攵孕⊙镜囊恢滞臣蒲У男录际酰ü寻求结构风险最小,获得了全局最优解。该算法自提出以来得到了广泛研究,但是用在脱粘缺陷诊断领域的还未出现。薄板复合材料粘接缺陷超声检测模式识别属于典型的小样本问题,本文针对级标准脱粘样块,在提取出有效粘接原始侗鸱椒ㄊ钦攵粤椒掷辔侍馓岢龅模琹锻颜沉炕侗鹗粲提取的三个特征量存在明显的非线性特性,采用原始线性椒ǖ玫降恼辰缺陷识别结果准确度偏低,故提出非线性特征加权桨福憾粤痔卣鞫攘量识别。然而神经网络方法有其固有缺陷,如网络结构不易确定、容易陷入局缺陷特征向量基础上,采用椒ɡ唇饩龃宋侍狻典型的多类问题,因此本文首先构建多类掷嗄P汀S氪送保;竦米确的量化识别结果,采用狢问阉鞣椒ㄈ范硕嗬郤的模型参数。另外,内蒙古大学硕士学位论文
方法分别进行分析实验,最终选择—椒ǖ玫降娜ㄖ狄蜃痈掣鞲鎏卣向量,构造特征加权核函数,获得特征加权P汀Mü冉现С窒蛄炕特征加权支持向量机的实验结果,发现特征加权椒ㄌ岣吡肆炕侗鸾峁的准确度,该方法为薄板复合材料粘接缺陷的量化识别提供了一套较为科学的方法,同时为薄板复合材料粘接缺陷的自动检测奠定了基础。关健词:复合材料;粘接缺陷;量化识别;特征加权支持向量机;
衄╤甧—..琺,甌畂—“琻簍.;,“琣猺内蒙古大学硕士学位论文
鷗甅琄—印甀:,甧—.,瑂琣琲皌籷籪籧瑃猯籺籨内蒙古人学硕士学位论文
引言⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.芯勘尘凹耙庖濉谕庋芯肯肿础翁庋芯康哪谌菁罢陆诎才拧一统计学习理论与模式识别方法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.机器学习问题中的经验风险最小化原则⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..』』蛳禄餮暗耐乒隳芰Α统计学习理论中的结构风险最小化原则⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.维⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..』颉本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一⋯⋯⋯⋯⋯⋯⋯⋯⋯二支持向量机分等级量化识别模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.支持向量机算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯...≡≡≡—方法实现⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..基于支持向量机的多类别分类⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯...⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..三粘接缺陷特征向量的加权⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.目录内蒙古大学硕士学位论文.
特征加权⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯·...⒃⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.指标法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯—惴ā构造特征加权支持向量机⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..四基于谋“逭辰尤毕荻渴侗稹薄板粘接缺陷超声检测定量识别的数据来源⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..数据预处理⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.贙平均聚类的训练集压缩⋯⋯⋯