管道腐蚀缺陷超声信号的PSO-SVM模式识别研究

• 作者: 丁超 吴薇萍 唐东林 潘峰 陈印
• 来源期刊: 机械科学与技术
• 学科: 工学
• 关键词: 超声信号 管道腐蚀 支持向量机 粒子群优化
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 仪器、仪表科学与技术
• 页码范围: 751-757
• 页数: 7页
• 分类号: TE973
• 字数: 4209字
• 语种: 中文
• DOI: 10.13433/j.cnki.1003-8728.20190197

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	唐东林	西南石油大学机电工程学院	50	167	7.0	11.0
2	潘峰	西南石油大学机电工程学院	4	17	2.0	4.0
3	丁超	成都工业学院机械工程学院	7	0	0.0	0.0
4	吴薇萍	西南石油大学机电工程学院	4	1	1.0	1.0
5	陈印	西南石油大学机电工程学院	1	0	0.0	0.0