基于PSO-SVM模型的焊接转子环焊缝超声缺陷识别

发布时间：2019-01-22 09:41

【摘要】：提出了一种粒子群算法(PSO)优化支持向量机(SVM)的方法,对焊接转子环焊缝的超声回波信号进行缺陷识别.对消噪后的超声回波缺陷信号进行4层小波包分解及结点重构,提取结点重构信号中近似部分的波峰系数和波形系数,并与细节部分的积分超声值、有效值和绝对值方差组成样本的特征向量;采用PSO算法对SVM的惩罚因子和核函数参数进行优化选择,最后完成缺陷识别.结果表明:PSO-SVM模型对预测样本具有很好的识别效果,与其他常用的SVM模型相比,PSO-SVM模型无论是识别率还是识别时间上都具有良好的效果.
[Abstract]:A particle swarm optimization (PSO) method for optimization of support vector machine (SVM) is proposed to identify the ultrasonic echo signals in the circumferential weld of welded rotor. Four layers of wavelet packet decomposition and node reconstruction are carried out on the denoised ultrasonic echo defect signal. The peak coefficients and waveform coefficients of the approximate part of the node reconstruction signal are extracted, and the integral ultrasonic value of the detail part is obtained. The valid value and absolute value variance constitute the eigenvector of the sample; The penalty factor and kernel function parameters of SVM are optimized by PSO algorithm, and the defect identification is finished. The results show that the PSO-SVM model has a good recognition effect on predicted samples. Compared with other commonly used SVM models, the PSO-SVM model has good recognition rate and recognition time.
【作者单位】： 华北电力大学能源动力与机械工程学院;
【基金】：中央高校基础科研业务费资助项目(2014MS118)
【分类号】：TG441.7

【相似文献】

相关期刊论文 前10条

1 焦敬品;马婷;刘德宇;吴斌;何存富;;基于脉冲压缩技术的相邻缺陷识别方法研究[J];仪器仪表学报;2014年07期

2 钱彦岭,罗飞路,彭涛;涡流检测缺陷模糊认识的新方法[J];焊管;1997年02期

3 张广明,马宏伟,王裕文,谭玉山;超声无损检测中的缺陷识别与噪声抑制[J];中国机械工程;1999年12期

4 ;射线探测技术与装置[J];中国光学与应用光学文摘;2000年04期

5 尹欣;王玉;赵俊敏;张辉;;基于遗传神经网络的GH4169高温合金摩擦焊超声检测缺陷识别[J];机械设计与制造;2008年05期

6 戴飞虎;;特厚板AUT典型缺陷识别[J];钢铁研究学报;2011年S1期

7 刘松平,陈积懋;大密度金属钎焊蜂窝构件超声检测与缺陷识别技术的研究[J];无损检测;1995年10期

8 孙岩;原培新;;图像处理在X射线胶片缺陷识别中的应用[J];机械工程与自动化;2006年05期

9 薛海涛;李永艳;崔春翔;安金龙;;基于支持向量机的铝合金点焊多类缺陷识别[J];焊接学报;2008年08期

10 刘洋帆;王召巴;陈友兴;任彦;;基于超声检测的镁合金棒材缺陷识别及定位[J];特种铸造及有色合金;2011年07期

相关会议论文 前1条

1 戴飞虎;;特厚板AUT典型缺陷识别[A];2011年全国中厚板生产技术交流会论文集[C];2011年

相关硕士学位论文 前4条

1 王亚圣;冷轧卷板板形在线监测与缺陷识别评价系统设计[D];燕山大学;2016年

2 周健;基于X射线实时成像的铝合金激光焊接缺陷识别技术研究[D];南京航空航天大学;2016年

3 孙欣蓉;基于矢量全聚焦的超声阵列缺陷识别方法研究及其应用[D];北京工业大学;2014年

4 郝红敏;基于小波变换的焊点缺陷识别方法的研究[D];河北工业大学;2013年

，

本文编号：2413096