基于机器学习的天然气钢质管道缺陷检测方法研究

作者：梁海波; 王怡; 贾武升

来源：安全与环境学报, 2023, 23(10): 3528-3537.

DOI：10.13637/j.issn.1009-6094.2022.1150

• 安全工程
• 超声检测
• 经验模态分解
• 模式识别

针对天然气钢制管道缺陷超声检测模式识别问题中，传统方法对信号进行分解并提取分解后本征模态函数的特征时，直接忽略残差信号这一问题，提出首先对检测回波信号进行经验模态分解(Empirical Mode Decomposition, EMD),并对比时域残差信号，直接对残差信号进行统计特征提取。其次，用天牛须搜索算法(Beetle Antennae Search algorithm, BAS)优化的最小二乘支持向量机(Least Square Support Vector Machines, LSSVM)进行分类试验。试验结果表明，基于EMD-BAS-LSSVM的天然气钢质管道缺陷检测方法针对人造缺陷的识别准确率为75.71%,针对天然气站场和抢险维修中心现场的管道缺陷检测准确率为65.78%,有效识别了天然气钢质管道腐蚀缺陷。

• 单位
  石油大学机电工程学院