黑龙江科技学院学报
黑龍江科技學院學報
흑룡강과기학원학보
JOURNAL OF HEILONGJIANG INSTITUTE OF SCIENCE & TECHNOLOGY
2009年
1期
50-53
,共4页
航空发动机%损伤识别%特征提取%支持向量机
航空髮動機%損傷識彆%特徵提取%支持嚮量機
항공발동궤%손상식별%특정제취%지지향량궤
针对目前航空发动机孔探检测不能对损伤类型自动识别现状,将支持向量机与孔探检测技术相结合,提出基于支持向量机(SVM)的损伤图像识别方法.该方法将损伤图像进行二值化分割,利用链码跟踪及灰度共生矩阵分别提取损伤区域的形状特征和纹理特征,组成多维特征向量,输入支持向量机进行分类识别.分类器设计阶段,组建性能优越的二叉树支持向量机以减少训练样本,提高分类效率.CFM56发动机实验结果表明:该方法的识别性能明显优于传统SVM多分类器和BP神经网络方法.
針對目前航空髮動機孔探檢測不能對損傷類型自動識彆現狀,將支持嚮量機與孔探檢測技術相結閤,提齣基于支持嚮量機(SVM)的損傷圖像識彆方法.該方法將損傷圖像進行二值化分割,利用鏈碼跟蹤及灰度共生矩陣分彆提取損傷區域的形狀特徵和紋理特徵,組成多維特徵嚮量,輸入支持嚮量機進行分類識彆.分類器設計階段,組建性能優越的二扠樹支持嚮量機以減少訓練樣本,提高分類效率.CFM56髮動機實驗結果錶明:該方法的識彆性能明顯優于傳統SVM多分類器和BP神經網絡方法.
침대목전항공발동궤공탐검측불능대손상류형자동식별현상,장지지향량궤여공탐검측기술상결합,제출기우지지향량궤(SVM)적손상도상식별방법.해방법장손상도상진행이치화분할,이용련마근종급회도공생구진분별제취손상구역적형상특정화문리특정,조성다유특정향량,수입지지향량궤진행분류식별.분류기설계계단,조건성능우월적이차수지지향량궤이감소훈련양본,제고분류효솔.CFM56발동궤실험결과표명:해방법적식별성능명현우우전통SVM다분류기화BP신경망락방법.
