基于支持向量機和極限學(xué)習(xí)機的管道缺陷分類方法研究.pdf

1、管道是一種重要的運輸方式，其在國民經(jīng)濟(jì)的發(fā)展中發(fā)揮著越來越重要的作用。但是，隨著管線的增多以及管齡的增長，由于管道腐蝕和自然災(zāi)害等因素導(dǎo)致的管網(wǎng)泄漏事故頻頻發(fā)生。因此，對管道缺陷分類方法的研究具有非常重要的意義。近些年來，隨著小波分析、模糊控制等先進(jìn)智能算法及控制理論不斷發(fā)展，在管道漏磁檢測及評估技術(shù)研究中，融入先進(jìn)的智能算法及控制理論是必然的趨勢。
　　本文針對管道缺陷分類問題的復(fù)雜性，提出了基于支持向量機與極限學(xué)習(xí)機的管道缺陷

2、分類方法。主要解決了兩方面的技術(shù)問題:缺陷分類及漏磁信號特征定義、管道缺陷分類的算法及方法改進(jìn)。
　　首先，對管道缺陷分類以及缺陷漏磁信號特征進(jìn)行定義。管道缺陷分類定義主要將缺陷分為大面積腐蝕、周向劃痕、周向狹縫、腐蝕斑、針眼、軸向劃痕、軸向狹縫七類，為了方便支持向量機與極限學(xué)習(xí)機建模仿真，給七類缺陷賦予1～7類別標(biāo)簽。對于管道缺陷漏磁信號特征定義主要要求定義的特征能夠代表并區(qū)分每一類缺陷，這樣才能在使用支持向量機與極限學(xué)習(xí)機建模

3、時才能得到有意義的模型。本文最終使用的缺陷特征為比較有代表性的缺陷漏磁信號波形的峰谷值、峰谷差、谷谷差、谷谷值，每個缺陷有6個屬性值。
　　其次，使用支持向量機(SVM)與極限學(xué)習(xí)機(ELM)建模仿真。使用支持向量機與極限學(xué)習(xí)機仿真時，都需要將缺陷6個屬性數(shù)據(jù)對應(yīng)的缺陷類別標(biāo)簽分為訓(xùn)練集樣本與測試集樣本。訓(xùn)練集樣本用來訓(xùn)練數(shù)學(xué)模型，測試集樣本用來測試預(yù)測結(jié)果準(zhǔn)確率。通過仿真得出結(jié)論:支持向量機預(yù)測準(zhǔn)確率較高，但是耗費時間長，速度慢

4、;極限學(xué)習(xí)機速度快，但預(yù)測準(zhǔn)確率稍低。
　　最后，分析了支持向量機與極限學(xué)習(xí)機兩者的優(yōu)缺點，改進(jìn)缺陷分類方法流程。改進(jìn)缺陷分類方法將缺陷按照一定規(guī)則將缺陷分為嚴(yán)重缺陷與非嚴(yán)重缺陷，這樣可以更有側(cè)重的使用兩種分類方法。對于嚴(yán)重缺陷利用極限學(xué)習(xí)機速度快的優(yōu)點，快速分類，通知現(xiàn)場，而后使用支持向量機得到更準(zhǔn)確的分類結(jié)果。對于非嚴(yán)重缺陷由于時間上的要求不高，直接使用支持向量機訓(xùn)練仿真。通過仿真分析得出結(jié)論:將缺陷分成嚴(yán)重缺陷與非嚴(yán)重缺陷后