<![CDATA[<dfn id="yhprb"><s id="yhprb"></s></dfn>]]><![CDATA[<dfn id="yhprb"><delect id="yhprb"></delect></dfn>]]><![CDATA[<dfn id="yhprb"></dfn>]]><![CDATA[<dfn id="yhprb"><delect id="yhprb"></delect></dfn>]]><![CDATA[<dfn id="yhprb"></dfn>]]><![CDATA[<dfn id="yhprb"><s id="yhprb"><strike id="yhprb"></strike></s></dfn>]]><![CDATA[<small id="yhprb"></small>]]><![CDATA[<small id="yhprb"><delect id="yhprb"></delect></small>]]><![CDATA[<small id="yhprb"></small>]]><![CDATA[<small id="yhprb"></small>]]><![CDATA[<dfn id="yhprb"><delect id="yhprb"></delect></dfn>]]><![CDATA[<dfn id="yhprb"><s id="yhprb"></s></dfn>]]><![CDATA[<dfn id="yhprb"><s id="yhprb"></s></dfn>]]><![CDATA[<dfn id="yhprb"><s id="yhprb"></s></dfn>]]>
聲發(fā)射源多傳感器數據融合識別技術(shù)
作者：
時(shí)間：2013-11-27
來(lái)源：網(wǎng)絡(luò )
收藏
在聲發(fā)射檢測中，為了達到較為精確的定位，通常采用時(shí)差定位方法，這就需要兩個(gè)或兩個(gè)以上的傳感器組合使用。如平面三角形定位，用三個(gè)傳感器為一個(gè)定位組。而在以前人們所做的聲發(fā)源特性識別方面的研究，都只是針對某一傳感器的信號進(jìn)行分析識別。由于聲發(fā)射信號具有瞬態(tài)性和隨機性，屬于非平穩的隨機信號，并且是由一系列頻率和模式豐富的信號組成，而且在聲波的傳播過(guò)程中，又存在著(zhù)衰減、反射、折射與模式轉換，所以對同一聲發(fā)射源的分析識別，定位組的各個(gè)傳感器的結果可能不相同。在這種情況下，要想獲得較高的識別可信度，就必須有一種方法對所獲得的矛盾信息進(jìn)行處理，對檢測到的信號進(jìn)行合理支配和使用，把多個(gè)傳感器關(guān)于同一聲發(fā)射源冗余或互補信息依照某種準則進(jìn)行組合，減少識別過(guò)程中的不確定性，才能獲得對聲發(fā)射源的正確判斷。尤其是對同一檢測對象，我們采用不同類(lèi)型的聲發(fā)射傳感器(如寬帶、諧振等)，到底更應該相信那個(gè)傳感器的結果？更復雜的情況，當同時(shí)存在超聲或者應力應變等傳感器的檢測結果時(shí)，如何利用所有類(lèi)型和不同位置傳感器的信息，得到最為真實(shí)的結果，就顯得非常重要。
2.1基于D-S理論的聲發(fā)射源識別方法[3]
從聲發(fā)射源發(fā)出的信號經(jīng)過(guò)傳輸介質(zhì)到達傳感器，信號會(huì )發(fā)生變化或損失，各個(gè)傳感器檢測到的波形信號一般是不完整、不精確、模糊的，甚至可能是矛盾的，即包含著(zhù)過(guò)程的不確定性。我們只能根據這些不確定性信息進(jìn)行分析推理，最終得出聲發(fā)射源的定性判別。不確定性推理最常用的方法有：Bayes方法和D-S證據理論兩種。與Bayes方法相比，D-S證據理論有一個(gè)非常突出的優(yōu)點(diǎn)，就是無(wú)需先驗概率和條件概率，這對聲發(fā)射檢測這類(lèi)幾乎沒(méi)有先驗知識和專(zhuān)家庫的新型技術(shù)顯得非常有用，而且各個(gè)傳感器之間的證據是相互獨立的，每個(gè)定位組的探頭數一般為三、四個(gè)，推理鏈不長(cháng)，使用D-S規則非常方便。
對于聲發(fā)射源識別的數據融合模型結構按數據抽象的層次劃分主要有三類(lèi)：數據級融合，特征級融合和決策級融合。根據聲發(fā)射信號的特點(diǎn)，一般選擇最高層次的融合方法，即決策級融合。由于球罐、橋梁等大型構件，通常采用數十個(gè)通道同時(shí)進(jìn)行信號采集，而且一般聲發(fā)射檢測持續的時(shí)間較長(cháng)，當進(jìn)行全波形采集時(shí)數據量非常大，要對所有定位相關(guān)組的傳感器進(jìn)行集中決策處理會(huì )大大降低系統的效率和實(shí)時(shí)性。所以，在各個(gè)傳感器局部目標識別的基礎上，進(jìn)行全局決策的結構比較適合聲發(fā)射檢測的特點(diǎn)，操作起來(lái)非常靈活，也有利于減少系統的復雜程度，使整個(gè)決策系統清晰可靠。在一個(gè)或幾個(gè)傳感器判斷失效的情況下仍能繼續工作，即系統具有一定的容錯能力，總能得到一個(gè)唯一的識別結果。這對保證工程檢測結果能夠得到一個(gè)最終的安全性評價(jià)十分必要。此外，在工程上對于同一個(gè)聲發(fā)射源還可能進(jìn)行其他檢測方法的復驗(如采用超聲、射線(xiàn)檢測等)，以保證最終結果可靠。采用這種決策級的融合結構可以方便地對不同類(lèi)型傳感器或者檢測方法的局部識別結果進(jìn)行擴充融合，而不必對已有的系統結構做過(guò)多的修改。
應用D-S證據理論的關(guān)鍵是如何構造基本概率分布函數。D-S理論本身并沒(méi)有現成的表達式，使用者應根據經(jīng)驗或具體的統計證據構造。對聲發(fā)射檢測的具體情況，構造如下概率分布函數[4]。
設N為同一定位組中傳感器的數目(對于三角形定位N=3)，M為聲發(fā)射源的種類(lèi)數(如裂紋、泄漏、外部噪聲等等)，則
i=1,2,…,N （1）
j=1,2,…,M （2）
上式中各符號如下定義：
Ci(j)：傳感器i與聲發(fā)射源類(lèi)別j之間的屬性測度,是單個(gè)傳感器的識別結果。一般通過(guò)小波及神經(jīng)網(wǎng)絡(luò )的處理獲得屬性測度值；
技術(shù)專(zhuān)區
国产精品自在自线亚洲|国产精品无圣光一区二区|国产日产欧洲无码视频|久久久一本精品99久久K精品66|欧美人与动牲交片免费播放
<![CDATA[<dfn id="yhprb"><s id="yhprb"></s></dfn>]]><![CDATA[<dfn id="yhprb"><delect id="yhprb"></delect></dfn>]]><![CDATA[<dfn id="yhprb"></dfn>]]><![CDATA[<dfn id="yhprb"><delect id="yhprb"></delect></dfn>]]><![CDATA[<dfn id="yhprb"></dfn>]]><![CDATA[<dfn id="yhprb"><s id="yhprb"><strike id="yhprb"></strike></s></dfn>]]><![CDATA[<small id="yhprb"></small>]]><![CDATA[<small id="yhprb"><delect id="yhprb"></delect></small>]]><![CDATA[<small id="yhprb"></small>]]><![CDATA[<small id="yhprb"></small>]]><![CDATA[<dfn id="yhprb"><delect id="yhprb"></delect></dfn>]]><![CDATA[<dfn id="yhprb"><s id="yhprb"></s></dfn>]]><![CDATA[<dfn id="yhprb"><s id="yhprb"></s></dfn>]]><![CDATA[<dfn id="yhprb"><s id="yhprb"></s></dfn>]]>
加入技術(shù)交流群
評論