基于BP神经网络的管道缺陷模式识别与精确定量识别

被引：13

作者：

洪仁植 ^{[1
]}

王树达 ^{[1
]}

常亮 ^{[2
]}

机构：

[1] 大庆石油学院电气信息工程学院

[2] 中国石油大庆石化公司化工一厂

来源：

大庆石油学院学报 | 2008年 / 01期

关键词：

漏磁检测; 信号调理; 特征提取; 模式识别; 定量识别;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

140502 [人工智能];

摘要：

建立了缺陷定量识别的BP神经网络模型,为3类缺陷(孔状缺陷、坑状缺陷、裂纹缺陷)设计了专门的定量识别网络;改进了定量识别网络的均方误差函数,使网络的训练过程更为稳定和平滑,在识别训练样本时的绝对偏差均在±0.01mm以内.结果表明,定量识别的结果精度较高,能够满足小缺陷的精确定量识别要求.

引用

页码：83 / 85+123 +123-124

页数：5

共 6 条

[1]

基于多传感器融合的油管无损检测与缺陷量化技术研究 [D].

杨涛 .

天津大学,

2004

[2]

模式识别.[M].[美]J.P.MarquesdeSa著;吴逸飞译;.清华大学出版社.2002,

[3]

基于改进BP网络的管道安全监测技术研究 [J].

孙洁娣 ;

温江涛 ;

靳世久 .

仪器仪表学报, 2006, (S2) :1647-1649

[4]

基于神经网络的埋地管道防腐层缺陷检测 [J].

李健 ;

陈世利 ;

靳世久 .

电子测量与仪器学报, 2005, 19 (06) :84-87

[5]

管道漏磁在线检测技术 [J].

杨理践 .

沈阳工业大学学报, 2005, (05)

[6]

基于小波和BP神经网络的无线电探测目标识别技术 [J].

桂延宁 ;

焦李成 ;

张福顺 .

电子学报, 2003, (12) :1811-1814

← 1 →