基于ACO-LS-SVM的漏磁信号二维轮廓重构

作者：纪凤珠; 孙世宇; 苑希超; 王瑾; 左**

来源：西南石油大学学报(自然科学版), 2011, (06): 165-169+215-216.

• 漏磁检测
• LS-SVM
• ACO
• 特征融合
• 轮廓重构 magnetic flux leakage testing
• LS-SVM
• ACO
• feature fusion
• profile reconstruction

漏磁检测技术被广泛应用于铁磁材料的无损评估中,由漏磁信号描述缺陷的几何特征一直是漏磁检测的难点。为此提出应用LS-SVM对缺陷轮廓进行重构的新方法,利用蚁群算法优化LS-SVM及核函数的参数,并采用剪枝算法改善LS-SVM的稀疏性。支持向量机输入采用漏磁信号Bx、By分量的特征融合信号,输出是缺陷轮廓数据,建立了由缺陷的漏磁信号到缺陷二维轮廓的映射关系。实现了人工裂纹缺陷二维轮廓的重构,并与BP神经网络、GA-LS-SVM和PSO-LS-SVM等3种方法重构效果进行了比较。结果表明:该方法速度快、精度高,并有很好的泛化

• 单位
  中国人民解放军陆军工程大学