基于支持向量机的油管内外表面缺陷识别方法

• 作者: 张勇 杨赟达 艾志久 蹇清平
• 来源期刊: 机械科学与技术
• 学科: 工学
• 关键词: 油管 支持向量机 内外表面缺陷 粒子群优化 漏磁信号
• 年，卷（期）: 2015,（1）
• 所属期刊栏目: 仪器、仪表科学与技术
• 页码范围: 118-123
• 页数: 6页
• 分类号: TG115.28
• 字数: 4157字
• 语种: 中文
• DOI: 10.13433/j.cnki.1003-8728.2015.0125

摘要

由于根据漏磁信号难以准确识别出油管内、外表面缺陷,为此提出了基于支持向量机(SVM)的油管内外表面缺陷识别方法.采用时频分析技术提取了用于区分油管内外表面缺陷的漏磁信号时域和频域特征量,然后将其作为油管内外表面缺陷识别SVM模型的样本数据,采用改进的云自适应粒子群(MACPSO)优化算法对SVM识别模型的参数进行优选,结合优选的模型参数和样本数据训练构建油管内外表面缺陷识别SVM模型.实验结果表明:该智能识别方法能够有效区分油管的内外表面缺陷,识别准确率高于90％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	艾志久	西南石油大学机电工程学院	118	633	11.0	17.0
2	张勇	西南石油大学机电工程学院	45	213	8.0	12.0
3	蹇清平	西南石油大学机电工程学院	5	30	3.0	5.0
4	杨赟达	西南石油大学机电工程学院	5	11	2.0	3.0