管道腐蚀缺陷超声信号的PSO-SVM模式识别研究

作者：潘峰; 唐东林^*; 陈印; 吴薇萍; 丁超

来源：机械科学与技术, 2020, 39(05): 751-757.

DOI：10.13433/j.cnki.1003-8728.20190197

• 超声信号
• 管道腐蚀
• 支持向量机
• 粒子群优化

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。

• 单位
  成都工业学院; 石油大学机电工程学院