基于LS-SVM的管道二维漏磁缺陷重构

被引：6

作者：

纪凤珠

王长龙

梁四洋

王建斌

王瑾

机构：

[1] 军械工程学院电气工程系

来源：

西南石油大学学报 | 2007年 / 05期

关键词：

漏磁检测; 最小二乘支持向量机; 二维轮廓; 缺陷; 重构; 管道;

D O I：

暂无

中图分类号：

TE973.6 [];

学科分类号：

摘要：

针对铁磁材料的无损评估中,漏磁信号描述缺陷的几何特征难点,提出了应用支持向量机对二维缺陷重构的新方法,支持向量机输入是漏磁信号,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。网络学习采用最小二乘算法,训练样本由实验数据与仿真数据组成,测试样本为人工裂纹缺陷。该方法实现了人工裂纹缺陷的二维轮廓的重构,并与径向基神经网络重构结果进行了比较。试验结果表明,该方法具有速度快、精度高和很好的泛化能力,为漏磁检测定量化提供了一种可行的方法。

引用

页码：134 / 136+208 +208

页数：4

共 7 条

[1] 提高油管漏磁检测设备性能的新方法 [J].

杜志叶 ;

阮江军 ;

余世峰 ;

马保军 .

西南石油学院学报, 2006, (06) :94-97+118

[2] 天然气管道漏磁检测中的信号处理 [J].

王长龙 ;

傅君眉 ;

徐章遂 ;

陈鹏 ;

陈永利 .

天然气工业, 2005, (06) :100-101+112

[3] Modeling of the yoke-magnetization in MFL-testing by finite elements [J].

Katoh, M ;

Masumoto, N ;

Nishio, K ;

Yamaguchi, T .

NDT & E INTERNATIONAL, 2003, 36 (07) :479-486

[4]

Fuzzy least squares support vector machines for multiclass problems[J] . Daisuke Tsujinishi,Shigeo Abe.Neural Networks . 2003 (5)

[5]

Using support vector machines for time series prediction[J] . U Thissen,R van Brakel,A.P de Weijer,W.J Melssen,L.M.C Buydens.Chemometrics and Intelligent Laboratory Systems . 2003 (1)

[6] Optimal control by least squares support vector machines [J].

Suykens, JAK ;

Vandewalle, J ;

De Moor, B .

NEURAL NETWORKS, 2001, 14 (01) :23-35

[7] Characterization of gas pipeline inspection signals using wavelet basis function neural networks [J].

Hwang, K ;

Mandayam, S ;

Udpa, SS ;

Udpa, L ;

Lord, W ;

Atzal, M .

NDT & E INTERNATIONAL, 2000, 33 (08) :531-545

← 1 →