[發明專利]基于支持向量機的油管缺陷定量識別方法

有效

• 申請號: 201310117485.8
• 申請日: 2013-04-07
• 公開（公告）號: CN103196356A
• 公開（公告）日: 2013-07-10
• 發明（設計）人: 趙江;王斌;蹇清平;艾志久
• 申請（專利權）人: 克拉瑪依市金牛工程建設有限責任公司
• 主分類號: G01B7/00
• 分類號: G01B7/00;G06F19/00
• 代理公司: 烏魯木齊合縱專利商標事務所 65105
• 代理人: 周星瑩;湯建武

技術領域

本發明涉及無損檢測技術領域，是一種基于支持向量機的油管缺陷定量識別方法。

背景技術

作為常規無損檢測的方法，漏磁場檢測技術已成功應用于鐵磁材料構件的質量與安全檢測方面。通過缺陷漏磁信號反演其缺陷輪廓尺寸參數，是實現油管缺陷定量評價和分級處理的關鍵。在漏磁反演缺陷輪廓尺寸的技術中，從漏磁場產生機理上推導出的磁偶極子模型，對于較簡單的缺陷形式其識別精度較高，然而對于形狀較復雜的缺陷形式，其模型的識別精度達不到工程要求。究其原因是由于缺陷尺寸與其對應漏磁場信號之間的關系存在高度非線性，很難用一個簡單的關系式來描述其兩者之間的關系，目前由于人工神經網絡通過模擬人腦結構及思維處理信息的能力，具有非線性、并行性和學習能力等特點，被用于管道的缺陷智能識別技術中，然而其神經網絡的結構和相應的參數選取沒有相應完整的理論基礎作為指導，識別模型的好壞常依賴于建模者的經驗，因而其廣泛應用受到約束。

發明內容

本發明提供了一種基于支持向量機的油管缺陷定量識別方法，克服了上述現有技術之不足，其能有效解決復雜缺陷模型的識別精度達不到工程要求、人工神經網絡的結構和相應參數的選取沒有理論基礎導致應用受到約束的問題。

本發明的技術方案是通過以下措施來實現的：一種基于支持向量機的油管缺陷定量識別方法，按下述步驟進行：第一步，在試樣油管上制作具有不同尺寸的人工缺陷試樣并記錄尺寸；第二步，獲取人工缺陷試樣的漏磁信號；第三步，提取人工缺陷試樣的表征缺陷幾何尺寸大小的漏磁信號特征量；第四步，建立人工缺陷試樣數據集；第五步，建立人工缺陷試樣定量識別數學模型；第六步，當需要進行現場待識別油管缺陷的定量識別時，先通過磁傳感器獲取現場待識別油管缺陷的漏磁信號，然后提取現場待識別油管表征缺陷幾何尺寸大小的漏磁信號特征量，經歸一化到0-1之間后代入人工缺陷試樣定量識別數學模型中進行計算得到現場待識別油管缺陷的幾何尺寸值，從而實現了對現場待識別油管缺陷的定量識別。

下面是對上述發明技術方案的進一步優化或/和改進：

上述第二步中，獲取人工缺陷試樣的漏磁信號的方法為：首先對人工缺陷試樣進行飽和磁化，然后通過磁傳感器勻速掃描方式掃描人工缺陷試樣上不同尺寸和類型的缺陷，并使磁傳感器與人工缺陷試樣的垂直距離保持不變，從而獲取對應人工缺陷試樣的漏磁信號。

上述第三步中，提取人工缺陷試樣的表征缺陷幾何尺寸大小的漏磁信號特征量的方法為：對第二步中獲取的不同人工缺陷試樣的漏磁信號進行去噪處理后，通過現代信號處理技術對處理后的漏磁信號進行分析，提取各種時域和頻域中表征該漏磁信號的特征量，通過對這些特征量進行統計分析，最后選出五個最能反映不同人工缺陷試樣幾何尺寸大小的特征量即：漏磁信號在時域中的相鄰峰谷間的長度值、相鄰峰谷間的高度值、相鄰峰谷信號間的面積值，在頻域中的缺陷信號的信息熵、小波分解特征量。

上述第四步建立人工缺陷試樣數據集的方法如下：將每一個人工缺陷試樣的幾何尺寸和該幾何尺寸對應的檢測漏磁信號特征量進行組合，表示為，其中表示第個人工缺陷試樣對應的漏磁信號特征量，其中：時域中的相鄰峰谷間的長度值、相鄰峰谷間的高度值、相鄰峰谷信號間的面積值，頻域中的缺陷信號的信息熵、小波分解特征量五個量分別用、、、、表示，即=5，表示第個人工缺陷試樣的幾何尺寸值，最后將所有人工缺陷試樣的幾何尺寸及其提取的漏磁信號特征量按這種方式進行組合，最終所建立的個人工缺陷試樣數據集表示為。

上述第五步中建立人工缺陷試樣定量識別數學模型采用支持向量回歸機算法建立缺陷定量識別的數學模型，該缺陷定量識別數學模型的對應優化模型表達式1為：

???????????

其中表示核函數，這里取高斯徑向基核函數，表示從漏磁信號中提取的五個漏磁信號特征量，表示對應人工缺陷試樣的幾何尺寸，表示人工缺陷試樣用幾個參數來表示幾何尺寸大小，表示人工缺陷試樣樣本數據集個數，、為引入的拉格朗日乘子，為偏置項，為回歸殘差，C為懲罰系數，將第四步中建立的人工缺陷試樣樣本數據集進行歸一化到0-1之間后代入到該優化模型中，結合留一交叉驗證法并應用粒子群優化算法確定模型的參數，最后對該模型進行求解得到參數、、的具體值，從而得到該缺陷定量評價的具體支持向量回歸模型的表達式2為：

????????????????????????????????????????????????????(2)