基于支持向量机的油管缺陷定量识别方法.pdf

(19)中华人民共和国国家知识产权局*CN103196356A*(12)发明专利申请(10)申请公布号(10)申请公布号CNCN103196356103196356A(43)申请公布日2013.07.10(21)申请号201310117485.8(22)申请日2013.04.07(71)申请人克拉玛依市金牛工程建设有限责任公司地址834008新疆维吾尔自治区克拉玛依市白碱滩区跃进新村9-1号(72)发明人赵江王斌蹇清平艾志久(74)专利代理机构乌鲁木齐合纵专利商标事务所65105代理人周星莹汤建武(51)Int.Cl.G01B7/00(2006.01)G06F19/00(2006.01)权权利要求书2页利要求书2页说明书6页说明书6页附图1页附图1页(54)发明名称基于支持向量机的油管缺陷定量识别方法(57)摘要本发明涉及无损检测技术领域，是一种基于支持向量机的油管缺陷定量识别方法；按下述步骤进行：第一步，人工制作油管缺陷对比试样；第二步，通过磁传感器扫描油管缺陷对比试样，获取油管缺陷对比试样对应真实缺陷尺寸的对比试样漏磁信号。本发明通过多代入多输出支持向量回归机数学算法建立油管缺陷对比试样漏磁信号特征量与相对应真实缺陷尺寸的映射关系，实现通过检测待识别油管缺陷的漏磁信号来定量评价待识别油管缺陷的真实缺陷尺寸的目的；本发明具有回归精度高和泛化能力强的特点，有效的避免了模型结构和参数选择的盲目性，从而有效提高了对待识别油管真实缺陷尺寸识别的精度。CN103196356ACN103965ACN103196356A权利要求书1/2页1.一种基于支持向量机的油管缺陷定量识别方法，其特征在于按下述步骤进行：第一步，在试样油管上制作具有不同尺寸的人工缺陷试样并记录尺寸；第二步，获取人工缺陷试样的漏磁信号；第三步，提取人工缺陷试样的表征缺陷几何尺寸大小的漏磁信号特征量；第四步，建立人工缺陷试样数据集；第五步，建立人工缺陷试样定量识别数学模型；第六步，当需要进行现场待识别油管缺陷的定量识别时，先通过磁传感器获取现场待识别油管缺陷的漏磁信号，然后提取现场待识别油管表征缺陷几何尺寸大小的漏磁信号特征量，经归一化到0-1之间后代入人工缺陷试样定量识别数学模型中进行计算得到现场待识别油管缺陷的几何尺寸值，从而实现了对现场待识别油管缺陷的定量识别。2.根据权利要求1所述的基于支持向量机的油管缺陷定量识别方法，其特征在于第二步中，获取人工缺陷试样的漏磁信号的方法为：首先对人工缺陷试样进行饱和磁化，然后通过磁传感器匀速扫描方式扫描人工缺陷试样上不同尺寸和类型的缺陷，并使磁传感器与人工缺陷试样的垂直距离保持不变，从而获取对应人工缺陷试样的漏磁信号。3.根据权利要求1或2所述的基于支持向量机的油管缺陷定量识别方法，其特征在于第三步中，提取人工缺陷试样的表征缺陷几何尺寸大小的漏磁信号特征量的方法为：对第二步中获取的不同人工缺陷试样的漏磁信号进行去噪处理后，通过现代信号处理技术对处理后的漏磁信号进行分析，提取各种时域和频域中表征该漏磁信号的特征量，通过对这些特征量进行统计分析，最后选出五个最能反映不同人工缺陷试样几何尺寸大小的特征量即：漏磁信号在时域中的相邻峰谷间的长度值、相邻峰谷间的高度值、相邻峰谷信号间的面积值，在频域中的缺陷信号的信息熵、小波分解特征量。4.根据权利要求3所述的基于支持向量机的油管缺陷定量识别方法，其特征在于第四步建立人工缺陷试样数据集的方法如下：将每一个人工缺陷试样的几何尺寸和该几何尺寸对应的检测漏磁信号特征量进行组合，表示为，其中表示第个人工缺陷试样对应的漏磁信号特征量，其中：时域中的相邻峰谷间的长度值、相邻峰谷间的高度值、相邻峰谷信号间的面积值，频域中的缺陷信号的信息熵、小波分解特征量五个量分别用、、、、表示，即=5，表示第个人工缺陷试样的几何尺寸值，最后将所有人工缺陷试样的几何尺寸及其提取的漏磁信号特征量按这种方式进行组合，最终所建立的个人工缺陷试样数据集表示为。5.根据权利要求4所述的基于支持向量机的油管缺陷定量识别方法，其特征在于第五步中建立人工缺陷试样定量识别数学模型采用支持向量回归机算法建立缺陷定量识别的数学模型，该缺陷定量识别数学模型的对应优化模型表达式1为：其中表示核函数，这里取高斯径向基核函数，表示从漏磁信号中提取的五2CN103196356A权利要求书2/2页个漏磁信号特征量，表示对应人工缺陷试样的几何尺寸，表示人工缺陷试样用几个参数来表示几何尺寸大小，表示人工缺陷试样样本数据集个数，、为引入的拉格朗日乘子，为偏置项，为回归残差，C为惩罚系数，将第四步中建立的人工缺陷试样样本数据集进行归一化到0-1之间后代入到该优化模型中，结合留一交叉验证法并应用粒子群优化算法确定模型的参数，最后对该模型进行求解得到参数、、的具体值，