【摘要】：提出了一種粒子群算法(PSO)優(yōu)化支持向量機(jī)(SVM)的方法,對焊接轉(zhuǎn)子環(huán)焊縫的超聲回波信號(hào)進(jìn)行缺陷識(shí)別.對消噪后的超聲回波缺陷信號(hào)進(jìn)行4層小波包分解及結(jié)點(diǎn)重構(gòu),提取結(jié)點(diǎn)重構(gòu)信號(hào)中近似部分的波峰系數(shù)和波形系數(shù),并與細(xì)節(jié)部分的積分超聲值、有效值和絕對值方差組成樣本的特征向量;采用PSO算法對SVM的懲罰因子和核函數(shù)參數(shù)進(jìn)行優(yōu)化選擇,最后完成缺陷識(shí)別.結(jié)果表明:PSO-SVM模型對預(yù)測樣本具有很好的識(shí)別效果,與其他常用的SVM模型相比,PSO-SVM模型無論是識(shí)別率還是識(shí)別時(shí)間上都具有良好的效果.
[Abstract]:A particle swarm optimization (PSO) method for optimization of support vector machine (SVM) is proposed to identify the ultrasonic echo signals in the circumferential weld of welded rotor. Four layers of wavelet packet decomposition and node reconstruction are carried out on the denoised ultrasonic echo defect signal. The peak coefficients and waveform coefficients of the approximate part of the node reconstruction signal are extracted, and the integral ultrasonic value of the detail part is obtained. The valid value and absolute value variance constitute the eigenvector of the sample; The penalty factor and kernel function parameters of SVM are optimized by PSO algorithm, and the defect identification is finished. The results show that the PSO-SVM model has a good recognition effect on predicted samples. Compared with other commonly used SVM models, the PSO-SVM model has good recognition rate and recognition time.
【作者單位】： 華北電力大學(xué)能源動(dòng)力與機(jī)械工程學(xué)院;
【基金】：中央高�；A(chǔ)科研業(yè)務(wù)費(fèi)資助項(xiàng)目(2014MS118)
【分類號(hào)】：TG441.7

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 焦敬品;馬婷;劉德宇;吳斌;何存富;;基于脈沖壓縮技術(shù)的相鄰缺陷識(shí)別方法研究[J];儀器儀表學(xué)報(bào);2014年07期

2 錢彥嶺,羅飛路,彭濤;渦流檢測缺陷模糊認(rèn)識(shí)的新方法[J];焊管;1997年02期

3 張廣明,馬宏偉,王裕文,譚玉山;超聲無損檢測中的缺陷識(shí)別與噪聲抑制[J];中國機(jī)械工程;1999年12期

4 ;射線探測技術(shù)與裝置[J];中國光學(xué)與應(yīng)用光學(xué)文摘;2000年04期

5 尹欣;王玉;趙俊敏;張輝;;基于遺傳神經(jīng)網(wǎng)絡(luò)的GH4169高溫合金摩擦焊超聲檢測缺陷識(shí)別[J];機(jī)械設(shè)計(jì)與制造;2008年05期

6 戴飛虎;;特厚板AUT典型缺陷識(shí)別[J];鋼鐵研究學(xué)報(bào);2011年S1期

7 劉松平,陳積懋;大密度金屬釬焊蜂窩構(gòu)件超聲檢測與缺陷識(shí)別技術(shù)的研究[J];無損檢測;1995年10期

8 孫巖;原培新;;圖像處理在X射線膠片缺陷識(shí)別中的應(yīng)用[J];機(jī)械工程與自動(dòng)化;2006年05期

9 薛海濤;李永艷;崔春翔;安金龍;;基于支持向量機(jī)的鋁合金點(diǎn)焊多類缺陷識(shí)別[J];焊接學(xué)報(bào);2008年08期

10 劉洋帆;王召巴;陳友興;任彥;;基于超聲檢測的鎂合金棒材缺陷識(shí)別及定位[J];特種鑄造及有色合金;2011年07期

相關(guān)會(huì)議論文 前1條

1 戴飛虎;;特厚板AUT典型缺陷識(shí)別[A];2011年全國中厚板生產(chǎn)技術(shù)交流會(huì)論文集[C];2011年

相關(guān)碩士學(xué)位論文 前4條

1 王亞圣;冷軋卷板板形在線監(jiān)測與缺陷識(shí)別評(píng)價(jià)系統(tǒng)設(shè)計(jì)[D];燕山大學(xué);2016年

2 周健;基于X射線實(shí)時(shí)成像的鋁合金激光焊接缺陷識(shí)別技術(shù)研究[D];南京航空航天大學(xué);2016年

3 孫欣蓉;基于矢量全聚焦的超聲陣列缺陷識(shí)別方法研究及其應(yīng)用[D];北京工業(yè)大學(xué);2014年

4 郝紅敏;基于小波變換的焊點(diǎn)缺陷識(shí)別方法的研究[D];河北工業(yè)大學(xué);2013年

，

本文編號(hào)：2413096