科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对海底管道缺陷磁记忆定量反演的难题，提出一种基于改进粒子群优化的门控循环神经网络模型，即IPSO-GRU模型。以两端焊有盲板的X52管道作为实验材料，其上预制有不同直径、深度的缺陷，采用TSC-5M-32磁记忆检测仪，外接11-6W非接触探头，进行水下磁记忆检测试验，提取不同缺陷尺寸的磁记忆信号特征值。考虑到磁记忆信号特征值随缺陷尺寸呈复杂的非线性变化，引入门控循环神经网络，利用其双门结构能够记忆缺陷处的信号特征，非线性回归拟合能力强的特点，构建海底管道缺陷定量反演模型，进一步考虑到模型超参数选择的随机性，采用改进粒子群算法进行超参数寻优。验证结果表明：该模型对缺陷深度反演平均精度达96%；对缺陷直径反演平均精度达93%，为海底管道缺陷的磁记忆定量化识别与反演提供了新的思路和方法。
- 单位
