小波神经网络在罐形容器缺陷检测中的应用研究

摘要

随着罐形容器的普遍使用，其安全性能和缺陷检测方法越来越受到社会各界的关注。研制开发一种高性能快速、可手持操作、便于进行数据处理和实时检测的罐形容器缺陷检测系统，具有重要的现实意义和应用价值。 目前罐形容器声发射缺陷检测通常采用“小波包-能量”作为神经网络的输入特征向量。缺点是只能满足对信号的高频和低频成分分别进行分解，而不能按频带的自身特点进行选择性分解，特征提取方法也没有充分利用小波包在时域上的局部分析能力，若能考虑小波包在时间轴上的信息，将更有助于提取缺陷特征信号。 针对以上问题，本文提出了一种基于“区间小波包-能量矩”的声发射特征提取方法，它能按信号能量集中的关键频段进行自适应分解，提取特征充分利用了小波包的时域信息。同时针对传统BP神经网络收敛速度慢，迭代时间长等问题，提出梯度优化的神经网络算法，并对BP算法的激活函数进行了改进。研究结果表明，该方法大大简化了算法的复杂度，提高了容器缺陷检测的识别率，同时实现了缺陷信号的单传感器定位，具有较好的应用和推广价值。 为满足本系统的高速采样和数据处理的需要，在硬件设计中采用了以TMS320C6713(DSP)和MSP430F149(MCU)为核心的双CPU结构，其中DSP主要负责信号的采集与处理，包括小波与神经网络算法等，MCU负责人机外设的管理、数据通信和I/O控制等。

目录

文摘

英文文摘

声明

第一章绪论

1.1选题的目的和意义

1.2罐形容器缺陷检测中常用的无损检测方法

1.3罐形容器缺陷检测的研究现状和发展趋势

1.3.1罐形容器缺陷检测的研究现状

1.3.2罐形容器缺陷检测的发展趋势

1.4论文的主要研究内容和技术路线

1.5本章小结

第二章基于声发射检测的罐形容器缺陷的识别

2.1声发射检测技术介绍

2.2罐形容器的典型声发射源分析

2.3罐形容器缺陷检测的声发射加载程序

2.3.1加载准备

2.3.2载荷控制

2.4声发射检测系统的硬件构成

2.5声发射检测信号处理方法

2.5.1声发射参数分析法

2.5.2声发射波形分析法

2.6本章小结

第三章基于小波分析的罐形容器缺陷检测方法及改进

3.1小波基础理论

3.2罐形容器缺陷检测系统的噪声处理

3.2.1小波消噪原理

3.2.2小波最大分解尺度与小波基的选取

3.2.3小波阈值消噪方法

3.2.4改进阈值函数的消噪方法及其应用

3.2.5罐形容器的声发射信号去噪对比实验研究

3.3罐形容器缺陷检测特征提取方法及其改进

3.3.1基于传统的小波包能量特征提取方法

3.3.2改进的基于区间小波包的能量矩特征提取方法

3.4本章小结

第四章基于神经网络的罐形容器缺陷检测方法及改进

4.1 BP神经网络及其模式识别原理

4.2梯度优化算法基本理论

4.2.1梯度法简介

4.2.2梯度法优化原理

4.3改进的BP神经网络算法

4.3.1BP算法存在的问题

4.3.2梯度优化算法对BP神经网络的改进

4.3.3 BP算法激活函数的改进

4.4罐形容器缺陷检测的神经网络识别结果分析

4.5金属罐形容器的缺陷定位分析

4.6本章小结

第五章系统硬件电路设计

5.1硬件总体实施方案

5.2系统的功能和特点

5.3主控制器MCU和DSP的选择

5.3.1 MCU的选择

5.3.2数字信号处理器DSP的选择

5.4 DSP端硬件电路设计

5.4.1 DSP的复位、时钟和JTAG接口电路设计

5.4.2 A／D模数转换电路设计

5.4.3存储器扩展电路设计

5.5 MCU端硬件电路设计

5.5.1 MCU的复位、时钟和JTAG接口电路设计

5.5.2键盘电路设计

5.5.3 LCD显示电路设计

5.5.4通信接口电路设计

5.6系统电源电路设计

5.7 DSP与MCU的数据交换

5.7.1 SPI串行通信设计

5.7.2 HPI并行通信设计

5.8本章小结

第六章系统软件设计

6.1软件总体实施方案

6.2 DSP端软件设计模块

6.2.1 DSP初始化模块设计

6.2.2 DSP引导加载模块设计

6.2.3 DSP中断采样模块设计

6.2.4小波神经网络算法在DSP中的实现优化

6.3单片机端软件设计模块

6.3.1初始化模块设计

6.3.2主程序模块设计

6.3.3 LCD显示模块设计

6.3.4键盘处理模块设计

6.3.5通信模块设计

6.4系统调试

6.4.1 DSP系统的调试

6.4.2 MCU系统的调试

6.4.3 DSP与MCU联机调试

6.5本章小结

第七章总结与展望

7.1总结

7.2展望

致谢

参考文献

攻读硕士学位期间发表的论文