管道漏磁检测缺陷识别技术
针对神经网络法对管道缺陷进行识别存在所需样本数据量大、容易陷入局部极值、泛化能力没有保证等问题,提出一种新的机器学习方法,即支持向量机法.介绍了支持向量机的分析原理,以碗状缺陷为例,采用ANSYS有限元分析软件对40组不同尺寸的缺陷进行仿真,将得到的40组漏磁数据和10组实测数据作为学习样本,另外10组新数据作为验证数据,以MATLAB软件为平台进行了识别实验.实验结果表明,识别误差均在5%以下,且泛化能力强,识别方法简单,在有限样本情况下比神经网络法更具优势.
管道、漏磁检测、缺陷识别、支持向量机、泛化能力、漏磁场、有限元分析、样本数据
32
TP274(自动化技术及设备)
国家自然科学基金仪表专项基金60927004
2010-06-08（万方平台首次上网日期，不代表论文的发表时间）
65-69
