基于改进GA算法优化RBF网络的航空发动机叶片损伤图像识别
기우개진GA산법우화RBF망락적항공발동궤협편손상도상식별
Aero-engine Blades Damage Image Recognition Based on RBF Network Optimized by Improved Genetic Algorithms
  • 万方数据
    科学技术与工程 과학기술여공정
    SCIENCE TECHNOLOGY AND ENGINEERING
    2013年 28期 8534-8538 ,共5页

    石宏%张维亮%田中笑%朱宁

    석굉%장유량%전중소%주저

    图像分割%特征图像提取%GA算法%RBF网络 圖像分割%特徵圖像提取%GA算法%RBF網絡
    도상분할%특정도상제취%GA산법%RBF망락
    image segmentation%characteristic image extraction%genetic algorithm%radial basis neural networks
    通过对航空发动机叶片损伤图像进行识别,可以快速准确地发现叶片损伤状况,有利于对故障进行及时有效的预测.本文对损伤图像进行分割,提取损伤图像特征参数,采用改进GA算法优化RBF网络参数的方法建立航空发动机叶片损伤图像识别模型,对损伤图像特征参数样本进行仿真实验,识别正确率为93.33％,同时与单一RBF网络模型识别结果进行对比分析,结果表明该方法更加优越有效.
    통과대항공발동궤협편손상도상진행식별,가이쾌속준학지발현협편손상상황,유리우대고장진행급시유효적예측.본문대손상도상진행분할,제취손상도상특정삼수,채용개진GA산법우화RBF망락삼수적방법건립항공발동궤협편손상도상식별모형,대손상도상특정삼수양본진행방진실험,식별정학솔위93.33％,동시여단일RBF망락모형식별결과진행대비분석,결과표명해방법경가우월유효.
    원문보기 원문다운로드 사이트로이동
저자의 최근 논문