基于PCA-BP神经网络的多股铜导线熔痕定量金相识别方法研究

论文摘要

为实现火灾现场中多股铜导线熔痕的自动识别,采用主成分分析（PCA）和反向传播（BP）神经网络算法对四种多股铜导线熔痕（一次短路熔痕、二次短路熔痕、过负荷熔痕和火烧熔痕）的金相组织进行了识别研究。利用Image-Pro Plus 6.0和Axio-Imaging软件获取每种熔痕30组17维金相组织参数数据,采用PCA对四种熔痕共120组数据降维,获得前6个主成分得分矩阵,建立具有6个输入层节点,10个隐层节点和4个输出节点的神经网络模式识别模型。随机抽取每种熔痕的20组样品的主成分得分矩阵作为训练集,将每种熔痕的剩余10组主成分得分为测试数据,输入最终训练完成的模型进行识别,其识别准确率达到92.5%。实验结果表明采用PCA+BP神经网络的算法,可以较好地实现多股铜导线熔痕识别,为火灾物证鉴定工作提供了有力的工具。

论文目录

• 0 引言
• 1 材料与方法
•   1.1 实验材料与仪器设备
•   1.2 熔痕制备
•   1.3 熔痕的处理
•   1.4 金相参数选择与测量
•     1.4.1 晶粒和气孔对象的选择与测量
•     1.4.2 Cu2O的选择与测量
•   1.5 金相参数数据PCA降维
•   1.6 反向传播神经网络与熔痕金相组织分类识别
• 2 结果与分析
•   2.1 熔痕样品的金相组织特征参数
•   2.2 熔痕样品的主成分分析
•   2.3 BP神经网络的设计与熔痕分类结果
• 3 结论

文章来源

类型: 期刊论文

作者: 王冠宁,邓亮

关键词: 定量金相,主成分分析,神经网络,分类识别,多股铜导线熔痕

来源: 火灾科学 2019年01期

年度: 2019

分类: 工程科技Ⅰ辑,信息科技

专业: 安全科学与灾害防治,自动化技术

单位: 中国人民武装警察部队学院

基金: 公安科技成果推广引导计划项目(2016TGYDWJXY16)

分类号: TP183;X932

页码: 49-59

总页数: 11

文件大小: 5557K

下载量: 94