如需要完整文档点击下方 "点击下载文档" 按钮

阔叶材原木质量精准检测可实现木材的高效利用和利润最大化,然而因声信号特征参数提取原理及参数与木材性 质对应机理不同,致使分析结果存在差异。 基于此,提出一种改进型粒子群优化-变分模态分解( IPSO-VMD) 的特征参数提 取及缺陷检测方法。 通过对缺陷信号稀疏特征分析,将最小平均包络熵确定为 PSO 优化 VMD 的适应度函数,实现对最优参 数(K,α)的搜索,并通过改进惯性权值及学习因子,加快 PSO 搜索速度并实现全局最优解。 基于边际谱及频带能量率实现 对 IPSO-VMD 有效子模的选取,并将其频带分布及能量率作为表征缺陷信号的特征参数,实现对阔叶材原木内部质量的精准 检测。 实际锯切结果表明,IPSO-VMD 方法对原木主要缺陷类型和主次的预测准确率分别达 88. 6% 和 72. 7% ,且对全局参数 无法识别的缺陷同样有效。 新特征参数的有效性可为后续融合多参数特征,构建人工智能识别系统,实现原木质量精准检 测提供可靠依据。

如需要完整文档点击下方 "点击下载文档" 按钮

《阔叶材原木声信号特征提取及内部缺陷检测》

将 完整文档 下载到本地，方便收藏和查阅

文件号：303246

点击下载文档