資源描述：
《基于支持向量機(jī)的超聲檢測缺陷識別系統(tǒng)的設(shè)計與實現(xiàn)》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、密級：中國科學(xué)院大學(xué)UniversityofChineseAcademyofSciences碩士學(xué)位論文2013年3月ByYuanTengyueADissertationSubmittedtoUniversityofChineseAcademyofSciencesInpartialfulfillmentoftherequirementForthedegreeofMasterofComputerTechnologyShenyangInstituteofComputingTechnology,ChineseAcademyofSciencesMarch
2、，2013獨創(chuàng)性聲明本人鄭重聲明：所提交的學(xué)位論文，是本人在指導(dǎo)教師的指導(dǎo)下，獨立進(jìn)行研究工作所取得的研究成果。盡我所知，文中除特別標(biāo)注和致謝的地方外，學(xué)位論文中不包含其他人或集體已經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲得中國科學(xué)院大學(xué)或其它教育機(jī)構(gòu)的學(xué)位或證書所使用過的材料。對本文的研究做出重要貢獻(xiàn)的個人和集體，均已在文中以明確方式標(biāo)明。本人完全意識到本聲明的法律結(jié)果由本人承擔(dān)。簽名：趲壁日期：砌≥．；．多關(guān)于學(xué)位論文使用授權(quán)的說明本人完全了解中國科學(xué)院大學(xué)有關(guān)保管、使用學(xué)位論文的規(guī)定，其中包括：①學(xué)校有權(quán)保管、并向有關(guān)部門送交學(xué)位論文的原件與
3、復(fù)印件；②學(xué)?？梢圆捎糜坝 ⒖s印或其它復(fù)制手段復(fù)制并保存學(xué)位論文；③學(xué)校可允許學(xué)位論文被查閱或借閱；④學(xué)?？梢怨紝W(xué)位論文的全部或部分內(nèi)容。(涉密的學(xué)位論文在解密后應(yīng)遵守此規(guī)定)日期：衛(wèi)啦：』摘要超聲無損檢測技術(shù)在現(xiàn)代裝備制造業(yè)中應(yīng)用廣泛，對保證產(chǎn)品質(zhì)量、穩(wěn)定生產(chǎn)工藝具有重要意義。傳統(tǒng)的超聲檢測缺陷識別過程繁瑣、準(zhǔn)確率低、效率低下，而人工神經(jīng)網(wǎng)絡(luò)方法存在著過學(xué)習(xí)和局部極小點問題，支持向量機(jī)方法在解決小樣本模式識別問題優(yōu)勢明顯，故提出了使用支持向量機(jī)解決超聲檢測缺陷識別問題的思路。論文介紹了超聲無損檢測、模式識別方法、缺陷識別系統(tǒng)的基本概念、原理方
4、法、研究背景和發(fā)展趨勢，在此基礎(chǔ)上分析了使用支持向量機(jī)方法解決超聲缺陷識別問題的可行性。分析了支持向量機(jī)方法的理論背景和推導(dǎo)過程，使用小波分解對超聲缺陷信號進(jìn)行降噪處理，將小波包變換應(yīng)用于樣本的特征值提取中，使用交叉驗證法確定了支持向量機(jī)模型的最優(yōu)參數(shù)，采用一對一法構(gòu)建了多類分類支持向量機(jī)，對超聲回波信號進(jìn)行了缺陷識別，取得了預(yù)期的識別效果，并與人工神經(jīng)網(wǎng)絡(luò)方法進(jìn)行了橫向?qū)Ρ龋跍?zhǔn)確率和漏報率兩個重要指標(biāo)上占據(jù)優(yōu)勢。使用MVC模式設(shè)計了超聲檢測缺陷識別系統(tǒng)的整體架構(gòu)，設(shè)計了數(shù)據(jù)的表示和存儲方式，開發(fā)了C++版本的支持向量機(jī)模型，實現(xiàn)了能夠讀取離線
5、數(shù)據(jù)，使用支持向量機(jī)方法進(jìn)行缺陷分類的缺陷識別系統(tǒng)，測試了系統(tǒng)功能性和健壯性，并進(jìn)行了運(yùn)行測試和性能測試?！娟P(guān)鍵詞】支持向量機(jī)超聲檢測缺陷識別系統(tǒng)交叉驗證多類分類基于支持向量機(jī)的超聲檢測缺陷識別系統(tǒng)的設(shè)計與實現(xiàn)ABSTRACTUltrasonicnon-destructivetestingtechnologyiswidelyusedinmodemequipmentmanufacturingindustry,anditisofgreatsignificancetothegranteeofproductqualityandstabilizationo
6、fmanufacturingtechnique．Theprocessofthetraditionalflawdetectingmethodsinultrasonictestingiscomplicatedandnotefficient，andtheaccuracyofthemethodsislow．Theartificialneuralnetworkmethodhastheproblemofoverfittingandlocalminimumpoint．Thesupportvectormachinemethodisexpertinsolvingl
7、ittlesamplespatternrecognitionproblems．Therefore，themethodofsupportvectormachineinsolvingultrasonictestingflawrecognitionproblemsisproposed．Inthispaper,thebasicabstractofultrasonicnon-destructivetesting，paRemrecognitionmethodsandflawdetectionareintroduced，andtheirprinciples，m
8、ethods，backgroundsofstudy,anddevelopingtrendsarealsodeclared．Thefeas
