針對(duì)金屬管道腐蝕問題,提出了一種基于支持向量機(jī)（Support vector machine,SVM）與粒子群優(yōu)化（Particle swarm optimization,PSO）相結(jié)合的管道腐蝕缺陷的分類方法。對(duì)預(yù)處理后的超聲缺陷信號(hào)進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解（Empirical mode decomposition, EMD）,提取相應(yīng)的時(shí)域無量綱參數(shù)作為特征向量;建立SVM缺陷分類模型,并采用PSO算法優(yōu)化SVM參數(shù),提高模型的缺陷分類準(zhǔn)確率。實(shí)驗(yàn)證明,該方法建立的模型針對(duì)不同深度的超聲缺陷信號(hào)的識(shí)別率達(dá)到87.5%,優(yōu)于相同試驗(yàn)樣本下BP神經(jīng)網(wǎng)絡(luò)和RBF神經(jīng)網(wǎng)絡(luò)的分類準(zhǔn)確率。 

【文章來源】：機(jī)械科學(xué)與技術(shù). 2020,39(05)北大核心CSCD

【文章頁(yè)數(shù)】：7 頁(yè)

【部分圖文】：

PSO-SVM算法流程圖

為驗(yàn)證該模型的有效性,對(duì)內(nèi)壁包含人工缺陷的管道進(jìn)行了超聲檢測(cè)。超聲檢測(cè)采用一個(gè)超聲探頭,一個(gè)RIGOL DS1102D型示波器和TUD210型超聲波探傷儀,實(shí)驗(yàn)裝置如圖2a)所示。超聲探頭是2.5 Hz,?20 mm縱波直探頭。在超聲檢測(cè)實(shí)驗(yàn)中,通過超聲探傷儀和超聲探頭采集到的超聲信號(hào)在示波器上顯示和存儲(chǔ)。該試驗(yàn)臺(tái)由管道缺陷樣本,超聲探傷儀,?20 mm、頻率為2.5 MHz超聲直探頭組成。實(shí)驗(yàn)所用人工缺陷樣本如圖2b)所示。本研究中將考察基于PSO-SVM建立的缺陷識(shí)別模型對(duì)管道缺陷深度的分類效果。實(shí)驗(yàn)缺陷樣本包括2 mm, 5 mm和8 mm深度的缺陷,并引入無缺陷的樣本作為對(duì)照組。每種深度的缺陷樣本集中,同時(shí)包含四種最大橫截面積和四種形狀的人工缺陷。缺陷回波信號(hào)數(shù)據(jù)是在100 MHz 采樣頻率下,通過超聲直探頭采集的。本研究使用的缺陷樣本情況見表2。

無缺陷和3種含缺陷信號(hào)的時(shí)域圖見圖3。對(duì)預(yù)處理后的缺陷超聲回波信號(hào)進(jìn)行EMD分解,并完成相應(yīng)的信號(hào)特征提取,缺陷信號(hào)(第25號(hào)缺陷)分解效果如圖4所示。

【參考文獻(xiàn)】：
期刊論文
[1]基于PCA和SVM的管道腐蝕超聲內(nèi)檢測(cè)[J]. 唐東林,魏子兵,潘峰,唐圳雄,李茂揚(yáng),胡琳.  傳感技術(shù)學(xué)報(bào). 2018(07)
[2]基于內(nèi)積延拓LMD及SVM的軸承故障診斷方法研究[J]. 姜久亮,劉文藝,侯玉潔,仲召明,陳思瑤.  振動(dòng)與沖擊. 2016(06)
[3]基于MF-DFA與PSO優(yōu)化LSSVM的滾動(dòng)軸承故障診斷方法[J]. 熊慶,張衛(wèi)華.  振動(dòng)與沖擊. 2015(11)
[4]基于經(jīng)驗(yàn)?zāi)Ｊ椒纸夂椭髟治龅臐L動(dòng)軸承故障診斷方法研究[J]. 徐卓飛,劉凱,張海燕,王丹,張明龍,吳欣陽(yáng).  振動(dòng)與沖擊. 2014(23)
[5]基于經(jīng)驗(yàn)?zāi)B(tài)分解去噪的粗晶材料超聲檢測(cè)[J]. 李秋鋒,黃攀,施倩,陳果,陳振華.  應(yīng)用基礎(chǔ)與工程科學(xué)學(xué)報(bào). 2014(03)
[6]基于小波包分解和支持向量機(jī)的石油套管缺陷智能識(shí)別[J]. 丁攀,呂福在,項(xiàng)占琴.  鋼鐵研究學(xué)報(bào). 2012(05)
[7]超聲檢測(cè)信號(hào)多特征SVM-Bayes融合識(shí)別[J]. 車紅昆,呂福在,項(xiàng)占琴.  振動(dòng)與沖擊. 2011(12)
[8]基于支持向量機(jī)的管道腐蝕超聲波內(nèi)檢測(cè)[J]. 戴波,趙晶,周炎.  化工學(xué)報(bào). 2008(07)
[9]應(yīng)用經(jīng)驗(yàn)?zāi)Ｊ椒纸夥ㄌ幚沓暉o損檢測(cè)信號(hào)[J]. 趙永林,劉桂雄,周德光,陳鐵群.  現(xiàn)代制造工程. 2006(04)
[10]基于支持向量機(jī)和特征選擇的超聲缺陷識(shí)別方法研究[J]. 劉清坤,闕沛文,郭華偉,宋壽鵬.  中國(guó)機(jī)械工程. 2006(01)



本文編號(hào)：3368942