神经网络专家诊断系统及瓷器产品质量识别的分析.pdfVIP

中文摘要 摘 要 Fourier 渗断系统。对采集的信号进行快速傅立叶变换(Fast Transform，简称 FFT)，提取特征参数，根据幅值最大值的统计量进行特征选择，由神经网络 专家系统进行故障诊断及状态识别。在瓷器质量识别中得到成功应用。 瓷器生产企业中，通常采用抽样和目测的检查方法来检验产品质量。这种 方法准确率不高，不仅浪费劳动力，而且增加成本。通过敲击被测物，获取受 迫振动和衰减振动组成的音频信号，提取特征，然后由神经网络专家系统进行 辨识，实现自动质量检验。 采用三层结构设计神经网络。改进BP神经网络学习算法：增加动量项、 选取初始权值(一1，1)、归一化学习样本、学习速率”自适应调整。实验证明改 进后网络学习步数从150步锐减至30步，学习时间大大缩短，陷入局部最小 点的几率从8％降低到1％。 利用该系统对多个具有不同质量状态的瓷碗进行识别，验证了系统的可靠 性。该识别系统可推广应用于类似产品质量检测，该算法也可以应用于其它神 经网络专家系统中。 关键词：神经网络，专家系统，瓷器，识别 英文摘要 Abstract all Inthisthesis．IIntroduceartificial on basedBP diagnosissystem and Fourier system．FFT(Fast (back-propagation)neural—network expert isdone audio feature Transformlon to signalcompute parameters．I employ statisticsof maximumin domainasfeature Fault frequency parametersdiagnosis andstatus aredone identification neural—networkand by system．This expert is for identification system appliedporcelainquality successfully． Nowadays，porcelainenterprises and tocheck employsampling eye—detecting method’s isnot