典型文献
阔叶材原木声信号特征提取及内部缺陷检测
文献摘要：
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.
文献关键词：
阔叶材原木;缺陷检测;变分模态分解;粒子群优化算法;特征提取
中图分类号：
作者姓名：
徐锋;吴寅;刘云飞;林海峰
作者机构：
南京林业大学信息科学技术学院 南京 210037
文献出处：
引用格式：
[1]徐锋;吴寅;刘云飞;林海峰-.阔叶材原木声信号特征提取及内部缺陷检测)[J].仪器仪表学报,2022(10):205-214
A类：
阔叶材原木
B类：
声信号,信号特征提取,内部缺陷,木质,精准检测,木材,利润最大化,特征参数提取,材性,改进型,变分模态分解,IPSO,VMD,缺陷检测方法,稀疏特征,平均包络熵,适应度函数,最优参数,惯性权值,学习因子,全局最优解,边际谱,频带能量,内部质量,锯切,切结,木主,主要缺陷,缺陷类型,主次,预测准确率,新特征,多参数,参数特征,人工智能识别,智能识别系统,粒子群优化算法
AB值：
0.308404
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
