简介：为了实现倒装和弯钩次品针头的自动检测，提出了一种基于BP神经网络的注射器针头合格性检测方法。该方法首先对针头图像进行去噪、目标分割和针头轮廓提取等预处理，其次采用边界区域不变矩法和针头边缘曲率法提取针头特征，然后用合格针头、弯钩针头和倒装针头样本的特征对设计好的BP神经网络进行训练，最后利用训练好的BP神经网络实现注射器针头的合格性检测。通过大量真实针头的合格性检测实验，验证了本研究所提出方法的有效性，可用于实际生产中。
简介：为了快速准确地对齿轮故障作出分类，结合隐马尔科夫模型（HMM）高效的模式分类能力，提出了基于细化谱（ZOOMFFT）和隐马尔科夫模型的故障分类方法。采用时域同步平均法从复杂信号中提取目标齿轮的啮合信号作为分析对象，对其进行细化谱分析，提取基频、倍频及其边频带幅值作为特征量输入到HMM中训练和识别，再通过对比对数似然概率值来确定齿轮故障类型。试验结果表明该方法可以有效地对齿轮故障进行分类。
基于BP神经网络的注射器针头缺陷检测方法
基于细化谱和隐马尔科夫模型的齿轮故障分类方法
