中心议题 　　多传感器数据融合技术能对缺陷信号作智能化处理 　　电磁感应式传感器和霍尔传感器的工作原理 　　采用小波去噪的方法，并利用RBF神经网络的数据融合技术对缺陷信号进行检测处理并得出仿真结果 　　解决方案 　　采用漏磁传感器阵列，提高检测灵敏度，减小钢管表面接触噪声和温度影响 　　对信号预处理，保证测试准确性 　　选用RBF神经网络作为融合中心的特征层融合器 　　随着电子技术、神经网络和人工智能处理技术的发展，国内外都在开展新的漏磁信号处理方法的研究。由于传统方法受人为因素影响严重，容易产生漏检误检，大大影响了检测准确度，因此特别需要一种对缺陷信号的智能化处理方法。多传

基于漏磁检测原理,设计了一种矿用钢绳芯输送带断裂实时检测系统。系统采用霍尔片为主要探测元件检测芯绳断裂,利用速度传感器判断断裂位置,由信号处理电路完成输出信号的放大、滤波、检波和峰值保持,单片机根据A/D转换器采集的数据完成断裂事故的判断和处理。系统结构简单,工作稳定可靠,初步具备了煤矿应用基础。

神经网络在管道漏磁信号分析中的应用.doc

1. （由于原图像的尺寸太小，所以先对原图像进行插值）zm2_interp2函数是对矩阵进行自然边界条件的三次样条插值：zm为需要进行插值的数据，coeff为插值密度，密度越大插值越多。 2. zm_gradient135函数是为了将漏磁图像进行135度微分：datain为原数据，沿着135度角去除股波纹理特征。 3. smooth_d函数是为了对图像进行平滑处理：dataout为要处理的图像数据，选择lowess方法用23点平均处理，对每一行进行平滑处理。 4. gen_lbp_j函数是先对漏磁图像进行局部二值化处理，再从找出的点中找原图幅值大于一个值的点，从而找出漏磁点的位置：f为原图像的数据；函数中l为选取窗口矩阵的大小，即边长，这里选取 11×11的窗口矩阵；函数最后minl为选取漏磁点的最小幅值，这里取0.06。

漏磁检测若干关键技术的研究（为无损检测领域检测技术的研究内容，专业博士论文）

分析管道的漏磁原理，数据分析。长宽深的数据分析。

绕线式旋转变压器的绕组设计与漏磁分析，丛宁，尚静，绕线方式对绕线式旋转变压器的精度起着决定性的作用。本文对采用不同定转子绕线方式的旋转变压器进行了设计与仿真，并比较了几种

本文主要讲了漏磁对电机的影响，希望对你的学习有所帮助。

在管道内检测中,检测装置和管道之间的相对运动会引起涡流,而涡流强度会受到检测速度、管道电导率、磁铁矫顽力、磁化器长度等因素的影响,进而影响到漏磁检测信号.对影响漏磁检测中涡流强度的几个关键因素进行了分析,通过有限元仿真得到了各个因素对管壁内涡流强度和管壁磁场状态的影响关系,并建立内、外壁缺陷模型,得到了各个因素对检测信号的具体影响.