原文服务方: 计算机测量与控制       
摘要:
采用PNN网络和RBF网络相融合的方法对航空发动机叶片损伤图像进行分割,选取损伤图像80个像素点的RGB值和HSV值分别作为PNN网络和RBF网络的输入样本;针对PNN网络和RBF网络的不足,采用GA算法优化PNN网络和RBF网络的输入参数;考虑到叶片损伤图像采集过程中不确定因素对分割结果的影响,采用D-S证据理论将两种网络分割结果进行融合,进而得到最终的叶片损伤图像分割结果;在30组测试样本中正确识别组数为29,识别率高达96.67%,实践表明,该方法有效地克服了凭借单一识别网络和单一信息源进行叶片损伤图像分割的不足,实现了对叶片损伤图像的高效分割.
推荐文章
航空发动机模糊神经网络控制研究
航空发动机
模糊神经网络
控制系统
实时仿真
航空发动机自适应神经网络PID控制
航空发动机
自适应神经网络PID控制
权系数
基于人工神经网络的航空发动机故障诊断方法
故障诊断
BP神经网络
BP算法
航空发动机
航空发动机叶片损伤自动测量方法研究
航空发动机叶片
样条插值
自动检测
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于组合优化神经网络的航空发动机叶片损伤图像分割
来源期刊 计算机测量与控制 学科
关键词 PNN神经网络 RBF神经网络 GA算法 D-S证据理论 图像分割
年,卷(期) 2014,(5) 所属期刊栏目 算法、设计与应用
研究方向 页码范围 1603-1605
页数 3页 分类号 V232.4
字数 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 石宏 沈阳航空航天大学航空航天工程学部 30 192 8.0 12.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (58)
共引文献  (168)
参考文献  (8)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1977(1)
  • 参考文献(0)
  • 二级参考文献(1)
1985(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(2)
  • 参考文献(1)
  • 二级参考文献(1)
1996(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(3)
  • 参考文献(0)
  • 二级参考文献(3)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(4)
  • 参考文献(0)
  • 二级参考文献(4)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(3)
  • 参考文献(0)
  • 二级参考文献(3)
2005(5)
  • 参考文献(0)
  • 二级参考文献(5)
2006(6)
  • 参考文献(0)
  • 二级参考文献(6)
2007(8)
  • 参考文献(1)
  • 二级参考文献(7)
2008(7)
  • 参考文献(0)
  • 二级参考文献(7)
2009(4)
  • 参考文献(0)
  • 二级参考文献(4)
2010(3)
  • 参考文献(1)
  • 二级参考文献(2)
2011(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(4)
  • 参考文献(3)
  • 二级参考文献(1)
2013(2)
  • 参考文献(2)
  • 二级参考文献(0)
2014(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
PNN神经网络
RBF神经网络
GA算法
D-S证据理论
图像分割
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机测量与控制
月刊
1671-4598
11-4762/TP
大16开
北京市海淀区阜成路甲8号
1993-01-01
出版文献量(篇)
0
总下载数(次)
0
总被引数(次)
0
相关基金
航空科学基金
英文译名:
官方网址:http://www.chinaasfc.cn/file_show.asp?LanMuID=GZZD0100
项目类型:面上项目
学科类型:
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导