基于ACO-LS-SVM的漏磁信号二维轮廓重构

被引：2

作者：

纪凤珠

孙世宇

苑希超

王瑾

左宪章

机构：

[1] 军械工程学院电气工程系

来源：

西南石油大学学报(自然科学版) | 2011年 / 33卷 / 06期

关键词：

漏磁检测; LS-SVM; ACO; 特征融合; 轮廓重构;

D O I：

暂无

中图分类号：

TE973.6 []; TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

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

引用

页码：165 / 169+215 +215-216

页数：7

共 14 条

[11]

蚁群算法原理及其应用[M]. 科学出版社 , 段海滨, 2005

[12] MFL signals and artificial neural networks applied to detection and classification of pipe weld defects [J].