| 管道腐蚀缺陷超声信号的PSO-SVM模式识别研究 |
| |
| 引用本文： | 潘峰,唐东林,陈印,吴薇萍,丁超.管道腐蚀缺陷超声信号的PSO-SVM模式识别研究[J].机械科学与技术(西安),2020,39(5):751-757. |
| |
| 作者姓名： | 潘峰 唐东林 陈印 吴薇萍 丁超 |
| |
| 作者单位： | 西南石油大学机电工程学院,成都610500;成都工业学院机械工程学院,成都611730 |
| |
| 基金项目： | 国家重点实验室基金;成都市技术创新研发项目;四川省科技支撑计划 |
| |
| 摘 要： | 针对金属管道腐蚀问题,提出了一种基于支持向量机(Support vector machine,SVM)与粒子群优化(Particle swarm optimization,PSO)相结合的管道腐蚀缺陷的分类方法。对预处理后的超声缺陷信号进行经验模态分解(Empirical mode decomposition, EMD),提取相应的时域无量纲参数作为特征向量;建立SVM缺陷分类模型,并采用PSO算法优化SVM参数,提高模型的缺陷分类准确率。实验证明,该方法建立的模型针对不同深度的超声缺陷信号的识别率达到87.5%,优于相同试验样本下BP神经网络和RBF神经网络的分类准确率。
|
| 关 键 词： | 超声信号 管道腐蚀 支持向量机 粒子群优化 |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
