[發(fā)明專利]基于進化模糊最大最小神經(jīng)網(wǎng)絡(luò)的管道新缺陷識別方法

在審

• 申請?zhí)枺?/td>: 201910586223.3
• 申請日: 2019-07-01
• 公開（公告）號: CN110390355A
• 公開（公告）日: 2019-10-29
• 發(fā)明（設(shè)計）人: 劉金海;馬艷娟;臧東;曲福明;馬大中;朱和貴
• 申請（專利權(quán)）人: 東北大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;F17D5/00
• 代理公司: 沈陽優(yōu)普達知識產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 21234
• 代理人: 李曉光

本發(fā)明公開一種基于進化模糊最大最小神經(jīng)網(wǎng)絡(luò)的管道新缺陷識別方法，在現(xiàn)有模型基礎(chǔ)上能夠進行繼續(xù)訓(xùn)練，包括以下幾個步驟：1)利用管道的原有標記樣本建立源模型；2)在新測得到標記數(shù)據(jù)集合中篩選出新深度標記樣本子集D_new；3)在源模型基礎(chǔ)上，利用新標記子集D_new進行繼續(xù)訓(xùn)練，建立新標記樣本識別模型；4)利用已經(jīng)訓(xùn)練好的新模型進行管道缺陷識別。本發(fā)明方法能夠利用現(xiàn)有模型，適應(yīng)新的深度缺陷尺寸，同時提供了一種進化的管道缺陷識別框架，能夠?qū)崿F(xiàn)網(wǎng)絡(luò)的繼續(xù)訓(xùn)練，避免了一旦有新的深度尺寸缺陷，就需要將所有樣本進行重新訓(xùn)練的問題。

技術(shù)領(lǐng)域

本發(fā)明涉及一種管道內(nèi)檢測故障識別技術(shù)，具體為一種基于進化模糊 最大最小神經(jīng)網(wǎng)絡(luò)的管道新缺陷識別方法。

背景技術(shù)

在管道(包括油、氣、水等管道)內(nèi)檢測的缺陷識別方法中，基于模 糊最大最小神經(jīng)網(wǎng)絡(luò)的缺陷識別方法得到了有效地應(yīng)用。模糊最大最小神 經(jīng)網(wǎng)絡(luò)在目標識別、人臉識別，疾病識別等領(lǐng)域已經(jīng)有了相對成熟的研究， 缺陷識別，一般是按照缺陷的深度進行識別，這里新缺陷指的是新的深度 的缺陷，深度是標簽，又可以稱為新標記缺陷。

基于模糊最大最小神經(jīng)網(wǎng)絡(luò)缺陷識別具有如下優(yōu)點：

(1)節(jié)點根據(jù)輸入數(shù)據(jù)的特點動態(tài)變化：模糊最大小神經(jīng)網(wǎng)絡(luò)不需要 預(yù)先設(shè)定隱含節(jié)點個數(shù)，其節(jié)點是能夠根據(jù)輸入數(shù)據(jù)的動態(tài)特性動態(tài)變化；

(2)輸入?yún)?shù)少：僅有兩個參數(shù)需要設(shè)置，分別為最大擴充尺寸閾值 和敏感度參數(shù)；

(3)非線性識別：模糊最大最小神經(jīng)網(wǎng)絡(luò)的分類器邊界為非線性邊界， 從而在進行缺陷識別時可以忽視各個缺陷類別數(shù)據(jù)集合的形狀以及數(shù)據(jù)量 大小。

基于模糊最大最小的缺陷識別方法也存在如下的問題：

(1)網(wǎng)絡(luò)不能夠?qū)崿F(xiàn)繼續(xù)訓(xùn)練，當訓(xùn)練的源模型結(jié)束后，無法實現(xiàn)對 新深度的缺陷進行學習以及識別；

(2)利用源模型無法實現(xiàn)對缺陷數(shù)據(jù)庫的更新、豐富以及拓展。

發(fā)明內(nèi)容

針對現(xiàn)有技術(shù)中石油管道新缺陷的識別存在無法實現(xiàn)對新標記缺陷進 行學習、識別以及無法實現(xiàn)對缺陷數(shù)據(jù)庫的更新、拓展等不足，本發(fā)明要 解決的問題是提供一種基于進化模糊最大最小神經(jīng)網(wǎng)絡(luò)的管道新缺陷識別 方法，能夠適應(yīng)新的深度缺陷，實現(xiàn)網(wǎng)絡(luò)的繼續(xù)訓(xùn)練、缺陷檢測系統(tǒng)數(shù)據(jù) 庫的更新、豐富以及擴充。

為解決上述技術(shù)問題，本發(fā)明采用的技術(shù)方案是：

本發(fā)明一種基于進化模糊最大最小神經(jīng)網(wǎng)絡(luò)(EFMM)的管道新缺陷 識別方法，在現(xiàn)有模型基礎(chǔ)上能夠進行繼續(xù)訓(xùn)練，包括以下幾個步驟：

1)利用管道的原有標記樣本建立源模型；

2)在新測得到標記數(shù)據(jù)集合中篩選出新深度標記樣本子集D_new；

3)在源模型基礎(chǔ)上，利用新標記子集D_new進行繼續(xù)訓(xùn)練，建立新標 記樣本識別模型；

4)利用已經(jīng)訓(xùn)練好的新模型進行管道缺陷識別。

步驟1)中，利用管道的原有標記樣本建立源模型，具體包括以下步驟：

101)初始化算法參數(shù)

θ＝0.1,γ＝4,V₁＝W₁＝x₁ (1)

其中，θ是約束系數(shù)，γ是敏感度參數(shù)，V₁,W₁分別是第一個超盒的 最大點和最小點，x₁為第一個輸入樣本；