基于K-近邻隶属度模糊支持向量机的再造抽油杆损伤等级磁记忆定量识别

针对磁记忆技术在再造抽油杆损伤等级定量评价中小样本和分散性的难题,从再造抽油杆疲劳损伤实验出发,通过获取损伤演化过程的磁记忆特征规律,提取五维磁记忆特征向量,首次引入基于K-近邻隶属度的模糊支持向量机多分类算法,结合参数组合寻优方法,建立再造抽油杆损伤等级的多分类磁记忆定量识别模型。结果表明:利用K-近邻隶属度将分散性和模糊性加以量化,结合支持向量机的小样本优势,构造的K-近邻隶属度模糊支持向量机多分类磁记忆模型,可以进行再造抽油杆损伤等级的磁记忆定量识别,并进一步进行参数组合寻优,避免了盲目选择固定参数导致模型精度过低,具有较好的抗噪性和鲁棒性,为再造抽油杆损伤等级定量评价提供了一种新的方法。     

基于遗传神经网络的焊缝缺陷等级磁记忆定量化研究

针对金属磁记忆技术的焊缝缺陷等级定量化评定这一难题,通过对预制不同缺陷的Q345焊接试件进行疲劳试验,获得焊缝损伤演化临界状态的磁记忆信号特征规律.首次对照X射线定量检测标准和磁记忆检测结果,将焊缝损伤演化状态分为4个等级,即正常状态、应力集中、隐性损伤和宏观损伤.首次引入遗传算法优化的BP神经网络模型对焊缝等级进行磁记忆定量化评价.研究表明,遗传优化的BP网络模型与未优化的BP网络相比,预测结果更加稳定、误差更小,为工程实际中焊缝缺陷等级评定提供新的方法和依据.     

基于改进的支持向量回归机算法的磁记忆定量化缺陷反演

针对焊缝缺陷磁记忆检测中存在定量化反演难题,建立了基于改进的支持向量回归机定量反演模型.以预制不同尺寸未焊透和夹渣缺陷的Q235焊接试样为试验材料,进行磁记忆扫描检测发现:缺陷位置的磁记忆信号特征参数随尺寸变化而呈现一定的变化规律,但同时存在分散性和不确定性.鉴于磁记忆信号样本的有限性、分散性和非线性,首先将提取到的磁记忆特征参数进行归一化处理,引入支持向量回归机建立焊缝缺陷磁记忆定量反演模型,并进一步利用模拟退火算法对支持向量回归机参数进行优化,使目标函数达到全局最优而非局部最优.最后,考虑到由磁记忆信号逆向反推缺陷的三维尺寸,存在解的不确定性,为此在缺陷单维尺寸反演模型的基础上,通过构建多层结构的支持向量回归机进行多尺寸反演输出,建立了基于模拟退火支持向量回归机的焊缝缺陷磁记忆定量反演模型,结果表明:未焊透缺陷尺寸反演最大相对误差为7.96%,夹渣缺陷为4.97%,为焊缝缺陷的磁记忆反演与定量化评价提供一种新的思路.     

基于熵带与DS理论的焊缝等级磁记忆量化评价

针对焊缝不同等级的磁记忆特征提取及定量评价难题,提出信息熵带与D-S理论联合的磁记忆定量评价模型。以Q235B焊接试件为实验材料,通过焊缝疲劳损伤试验,对照X射线定量评价标准,引入能够反映焊缝损伤程度的奇异谱熵、功率谱熵和小波空间能谱熵,分别提取不同损伤等级对应的这3种信息熵及其熵带的特征值,构建基于信息熵带数学期望的各等级贴近度公式,以信息熵贴近度作为证据体,建立基本可信度分配函数,通过D-S理论的证据组合原理将基本可信度进行信息融合,依据D-S诊断规则输出焊缝缺陷等级的定量识别结果,建立基于信息熵带和D-S证据理论联合的焊缝等级磁记忆评价模型。结果表明焊缝等级识别的不确定度为0.008,为实际工程中焊缝缺陷等级磁记忆定量化评定提供新的思路和方法依据。