基于支持向量機(jī)和極限學(xué)習(xí)機(jī)的管道缺陷分類方法研究.pdf

1、管道是一種重要的運(yùn)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(duì)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(píng)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(duì)管道缺陷分類問題的復(fù)雜性，提出了基于支持向量機(jī)與極限學(xué)習(xí)機(jī)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(hào)特征定義、管道缺陷分類的算法及方法改進(jìn)。
　　首先，對(duì)管道缺陷分類以及缺陷漏磁信號(hào)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(jī)與極限學(xué)習(xí)機(jī)建模仿真，給七類缺陷賦予1～7類別標(biāo)簽。對(duì)于管道缺陷漏磁信號(hào)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(jī)與極限學(xué)習(xí)機(jī)建模

3、時(shí)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(hào)波形的峰谷值、峰谷差、谷谷差、谷谷值，每個(gè)缺陷有6個(gè)屬性值。
　　其次，使用支持向量機(jī)(SVM)與極限學(xué)習(xí)機(jī)(ELM)建模仿真。使用支持向量機(jī)與極限學(xué)習(xí)機(jī)仿真時(shí)，都需要將缺陷6個(gè)屬性數(shù)據(jù)對(duì)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(jī)預(yù)測準(zhǔn)確率較高，但是耗費(fèi)時(shí)間長，速度慢

4、;極限學(xué)習(xí)機(jī)速度快，但預(yù)測準(zhǔn)確率稍低。
　　最后，分析了支持向量機(jī)與極限學(xué)習(xí)機(jī)兩者的優(yōu)缺點(diǎn)，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(duì)于嚴(yán)重缺陷利用極限學(xué)習(xí)機(jī)速度快的優(yōu)點(diǎn)，快速分類，通知現(xiàn)場，而后使用支持向量機(jī)得到更準(zhǔn)確的分類結(jié)果。對(duì)于非嚴(yán)重缺陷由于時(shí)間上的要求不高，直接使用支持向量機(jī)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