管道漏磁检测缺陷识别技术
杨理践
余文来
高松巍
孔丽新
1.沈阳工业大学,信息科学与工程学院,沈阳,1108702.沈阳工业大学,信息科学与工程学院,沈阳,1108703.沈阳工业大学,信息科学与工程学院,沈阳,1108704.沈阳工业大学,信息科学与工程学院,沈阳,110870
摘要：针对神经网络法对管道缺陷进行识别存在所需样本数据量大、容易陷入局部极值、泛化能力没有保证等问题,提出一种新的机器学习方法,即支持向量机法.介绍了支持向量机的分析原理,以碗状缺陷为例,采用ANSYS有限元分析软件对40组不同尺寸的缺陷进行仿真,将得到的40组漏磁数据和10组实测数据作为学习样本,另外10组新数据作为验证数据,以MATLAB软件为平台进行了识别实验.实验结果表明,识别误差均在5%以下,且泛化能力强,识别方法简单,在有限样本情况下比神经网络法更具优势.
关键词：管道漏磁检测缺陷识别支持向量机泛化能力漏磁场有限元分析样本数据
分类号：TP274(自动化技术及设备)
资助基金：国家自然科学基金(60927004)
论文发表日期：2010-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
英文信息