針對超聲波檢測的儲罐缺陷的面積量化問題,提出一種改進(jìn)的儲罐腐蝕缺陷面積量化模型。該模型利用XGBoost的特征重要度對人工神經(jīng)網(wǎng)絡(luò)(ANN)的參數(shù)進(jìn)行先驗初始化實現(xiàn)ANN模型的改進(jìn)。該模型可以更快的收斂,并且提高準(zhǔn)確率。按照國家標(biāo)準(zhǔn)設(shè)計實驗平臺,獲取實驗信號,并提取信號的統(tǒng)計特征得到特征數(shù)據(jù)集,利用數(shù)據(jù)集訓(xùn)練和測試改進(jìn)的模型,并與傳統(tǒng)模型進(jìn)行對比。通過實驗驗證得出,改進(jìn)的ANN模型能夠更快的收斂,并且準(zhǔn)確量化缺陷面積,相比于ANN量化模型,在訓(xùn)練集上準(zhǔn)確率提高了17.9%,達(dá)到了98.3%,在測試集上提高了16.6%,達(dá)到了92.2%。

【文章頁數(shù)】：7 頁

【文章目錄】：
0 引 言
1 超聲波檢測介紹
2 基于XGBoost特征重要度的單神經(jīng)元
3 基于XGBoost特征重要度的ANN模型的構(gòu)建
4 實驗
    4.1 超聲波信號的采集和處理
    4.2 特征提取
    4.3 模型的訓(xùn)練和測試
5 結(jié)果與討論
6 結(jié) 論



本文編號：3766503