高压水射流靶物材质的识别与分类研究

高压水射流靶物材质的识别与分类研究

ID:33897159

大小:3.76 MB

页数:78页

时间:2019-03-01

高压水射流靶物材质的识别与分类研究_第1页
高压水射流靶物材质的识别与分类研究_第2页
高压水射流靶物材质的识别与分类研究_第3页
高压水射流靶物材质的识别与分类研究_第4页
高压水射流靶物材质的识别与分类研究_第5页
资源描述:

《高压水射流靶物材质的识别与分类研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、万方数据中图分类号:婴鲤学科分类号:垒鱼Q:生Q论文编号:——密级:垒珏安徽理工大学硕士学位论文高压水射流靶物材质的识别与分类研究作者姓名:孙帅专业名称:扭撼电王工猩研究方向:塑岱测控披苤丛丕统导师姓名:扬送洼熬援导师单位:扭越三!三猩堂睦答辩委员会主席:毖勇查论文答辩日期:2014年5月26日安徽理工大学研究生处2014年5月22日万方数据ADissertationinMechanicalandelectronicengineering【IIIIIIIIIIIIIIIIIIIIIY2696995Targe

2、tmaterialidentificationandclassificationofthehighpressurewater-jetCandidate:SUNShuaiSupervisor:YANGHongtaoMechanicalandElectronicEngineeringAnHuiUniversityofScienceandTechnologyNo.168,ShungengRoad,Huainan,232001,P.R.CHINA万方数据独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究

3、工作及取得的研究成果。据我所知,除了文中特别加以标注和致谢的地方以外,论文中不包含其他人已经发表或撰写过的研究成果,也不包含为获得塞邀堡王太堂或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。学位论文作者签名:多丛』盟军,_日期:丛丝年』月土日学位论文版权使用授权书本学位论文作者完全了解塞邀堡王太堂有保留、使用学位论文的规定,即:研究生在校攻读学位期间论文工作的知识产权单位属于塞徽堡王太堂。学校有权保留并向国家有关部门或机构送交论文的复印

4、件和磁盘,允许论文被查阅和借阅。本人授权塞邀理工大堂可以将学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。(保密的学位论文在解密后适用本授权书)学位论文作者签名:匆、I叩导师签名:杨陬汤签字日期:∥‘侔占月乡日签字日期:加够年石月;日万方数据摘要高压水射流技术是近年来发展迅速的一项新技术,已广泛应用于各行各业。当使用高压水射流对地雷进行切割操作时,具有许多优点。如果在切割地雷之前,同时可以利用高压水射流探测地雷,实现探雷与排雷一体化作业,这将具有很好的应

5、用价值。目前国内外对该项技术的研究分析基本空白,本文提出的将高压水射流技术应用到探测地雷上的研究是一项原创性研究,要利用高压水射流来实现探测地雷的功能,首先必须对靶物材质的识别与分类进行研究,而其中关键技术之一是对高压水射流探测过程中产生的靶物反射声信号的识别与分类研究。针对利用靶物反射声进行探测地雷中涉及的声音信号预处理、特征值提取以及识别分类器设计等方面,本文开展了以下几方面研究工作:首先分析了靶物反射声存在的背景噪声,在靶物反射声信号非平稳性等特点的基础上,提出了一种自适应的EMD阈值降噪的靶物反射声

6、信号预处理方法;分析了目前关于声音信号的特征值提取方法和识别分类器设计方法的国内外研究现状,阐述了小波包短时能量特征参数和Mel频率倒谱特征参数的靶物反射声信号特征值提取的基本原理,分析了SVM与LS—SVM应用于本文中的靶物材质识别分类的特点,并详细说明了应用LS.SVM所建立的多类分类器的算法原理,以及采用网格搜索和交叉验证相结合的参数优化方法。设计了试验装置和试验方案,进行高压水射流探测靶物的实际实验,进行靶物反射声信号的实时采集,利用上述方法和基于MATLAB编写的靶物反射声信号降噪预处理、特征值提

7、取以及多类分类器的测试程序对实测靶物反射声信号分别进行处理。同时进行靶物材质识别影响因素分析和对比试验,利用试验结果分析靶物内部结构和外形大小因素对靶物材质识别率的影响。试验结果表明:通过对比分析可以看出EMD阈值去噪后的SNR和相关系数较小波阈值去噪方法高,同时也很好地保留了原始信号的细节信息,故本文采用自适应的EMD阈值去噪方法对靶物反射声信号进行降噪预处理。本文采用的小波包短时能量和Mel频率倒谱系数两种特征值提取方法各具不同的特点。在小波包短时能量特征值结合LS—SVM建立的靶物材质识别方法,LS—

8、SVM选择径向核函数时的平均识别率为97.5%,总耗时为3.023815S。Mel频率倒谱系数特征值结合LS.SVM建立的靶物材质识别方法,选择多项式核函数时的平均识别率为95.42%,总的耗时为1.902854S。且LS—SVM模型的测试耗时较SVM耗时低。建立的利用交叉验证和网格搜索相结合的LS—SVM参数寻优的方法最低能够提高分类器的识别率6.25%。在综合考虑内部结构和外形大小因素对靶物材质识别效果影响的

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。