【技术实现步骤摘要】
本申请涉及管道防腐，尤其涉及一种管道防腐层缺陷分类识别方法、装置及可读存储介质。
技术介绍
1、随着我国石油和天然气工业的快速发展，管道运输成为我国陆上油气运输的主要方式。但随着管龄增长、施工缺陷、人为破坏以及腐蚀等原因，管道事故频发，造成重大的经济损失，严重污染环境甚至危及生产人员的生命安全。
2、现有技术中，漏磁检测技术是管道缺陷检测中使用最广泛的一种方法，它利用漏磁、射线等探伤原理，在不影响正常生产的情况下，通过智能检测器在管道内的行走，对油气管道的管壁或涂层的缺陷：如变形、损伤、腐蚀、穿孔、管壁失重及厚度变化等，进行在线检测与分析，检测管道中存在的各种缺陷，为管道维修提供科学准确的数据，避免盲目维修或维修不及时，从而节省大量维护费用，产生重大的经济效益和社会效益。漏磁无损检测中一个重要问题是信号逆问题，即从测量信号中确定缺陷的长、宽、深等参数或确定缺陷的形状。逆问题非常复杂，求解逆问题的一个普遍使用的方法是使用迭代方法，但该方法的计算量很大。
3、支持向量机(support vector machine,svm)是一类按监督学习方式对数据进行二元分类的广义线性分类器，其决策边界是对学习样本求解的最大边距超平面。支持向量是svm的训练结果，在svm分类决策中起决定作用的是支持向量，少数支持向量决定了最终结果，抓住关键样本、“剔除”大量冗余样本,使得算法不仅简单，同时具有良好的“鲁棒性”。作为机器学习领域的经典算法，svm在工程实践和工业生产中迅速得到了应用和发展。
4、然而，管道防腐层缺
技术实现思路
1、本申请所要解决的技术问题是针对现有技术的上述不足，提供一种管道防腐层缺陷分类识别方法、装置及可读存储介质，用以解决现有技术存在的问题。
2、第一方面，本申请提供一种管道防腐层缺陷分类识别方法，所述方法包括：
3、s1.获取管道防腐层缺陷信号；
4、s2.根据所述管道防腐层缺陷信号，得到缺陷信号特征；
5、s3.通过混合量子理论鸽群优化的支持向量机qpio-svm算法进行参数寻优，得到惩罚系数和核函数值的寻优结果；
6、s4.将所述缺陷信号特征以及所述惩罚系数和核函数值的寻优结果输入svm进行防腐层缺陷分类，得到防腐层缺陷分类结果。
7、在一些实施例中，s2根据所述管道防腐层缺陷信号，得到缺陷信号特征，包括：
8、s21.根据所述管道防腐层缺陷信号进行自适应分解，得到去噪后防腐层缺陷信号；
9、s22.对所述去噪后防腐层缺陷信号进行频域分解和归一化处理，得到归一化后的频域特征参数；
10、s23.对所述归一化后的频域特征参数进行特征降维处理，得到降维后的缺陷信号特征。
11、在一些实施例中，s22，包括：
12、基于小波包分析对所述去噪后防腐层缺陷信号进行分解，并提取频段能量作为频域特征，将归一化处理后的各频段的能量构成小波包缺陷能量谱特征集，得到所述归一化后的频域特征参数。
13、在一些实施例中，所述归一化后的频域特征参数通过以下公式得到：
14、
15、其中，zh为归一化后的频域特征参数，za,b为第a层上第b个节点频段的能量，za为第a层上各个频段能量的总和。
16、在一些实施例中，s23，包括：
17、基于ε-约简粗糙集属性约简方法对所述归一化后的频域特征参数进行特征降维处理，得到降维后的缺陷信号特征。
18、在一些实施例中，s3通过混合量子理论鸽群优化的支持向量机qpio-svm算法进行参数寻优，得到惩罚系数和核函数值的寻优结果，包括：
19、s31.基于混合量子理论鸽群优化的支持向量机算法进行参数初始化，得到初始参数，所述初始参数包括鸽子种群大小、每只鸽子的位置信息以及速度信息；
20、s32.根据所述初始参数计算每次寻优的适应度值，并比较每只鸽子的适应度，得到当前最优解；
21、s33.操作地图和指南针算子，通过实数编码的量子表示和量子旋转门对每只鸽子的位置信息和速度信息进行更新，比较所有鸽子的适应度，得到新的最优解；
22、s34.判断迭代次数是否达到地图和指南针算子的迭代上限，若是，则停止当前迭代，执行下一步；
23、s35.根据每只鸽子的健康值进行排序，基于排序结果操作地标算子，得到最佳位置以及最优函数值，所述最优函数值为所述惩罚系数和核函数值的寻优结果；
24、s36.判断是否满足寻优终止条件，若是，则停止寻优。
25、在一些实施例中，s33，包括：
26、通过实数编码的量子表示优化每只鸽子在每次迭代中的速度更新公式，确定每只鸽子在每次迭代中速度信息和位置信息的更新策略；
27、通过量子旋转门对最优解的概率幅值进行更新。
28、第二方面，本申请提供一种管道防腐层缺陷分类识别装置，所述装置包括：
29、信号获取模块，其设置为获取管道防腐层缺陷信号；
30、特征提取模块，其设置为根据所述管道防腐层缺陷信号，得到缺陷信号特征；
31、参数寻优模块，其设置为通过混合量子理论鸽群优化的支持向量机qpio-svm算法进行参数寻优，得到惩罚系数和核函数值的寻优结果；
32、缺陷分类模块，其设置为将所述缺陷信号特征以及所述惩罚系数和核函数值的寻优结果输入svm进行防腐层缺陷分类，得到防腐层缺陷分类结果。
33、第三方面，本申请提供一种管道防腐层缺陷分类识别装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以实现上述第一方面所述的管道防腐层缺陷分类识别方法。
34、第四方面，本申请提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面所述的管道防腐层缺陷分类识别方法。
35、本申请提供的管道防腐层缺陷分类识别方法、装置及可读存储介质，具体的，获取管道防腐层缺陷信号；根据所述管道防腐层缺陷信号，得到缺陷信号特征；通过混合量子理论鸽群优化的支持向量机qpio-svm算法进行参数寻优，得到惩罚系数和核函数值的寻优结果；将所述缺陷信号特征以及所述惩罚系数和核函数值的寻优结果输入svm进行防腐层缺陷分类，得到防腐层缺陷分类结果。本申请引入混合量子理论鸽群优化的支持向量机算法，解决传统svm惩罚系数和核函数的参数寻优问题，实现管道防腐层缺陷类型的准确识别和分类，有效地预防管道腐蚀，使管道可以长期有效安全运行，提升管道运输本文档来自技高网...
【技术保护点】
1.一种管道防腐层缺陷分类识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的管道防腐层缺陷分类识别方法，其特征在于，S2根据所述管道防腐层缺陷信号，得到缺陷信号特征，包括：
3.根据权利要求2所述的管道防腐层缺陷分类识别方法，其特征在于，S22，包括：
4.根据权利要求3所述的管道防腐层缺陷分类识别方法，其特征在于，所述归一化后的频域特征参数通过以下公式得到：
5.根据权利要求2所述的管道防腐层缺陷分类识别方法，其特征在于，S23，包括：
6.根据权利要求1所述的管道防腐层缺陷分类识别方法，其特征在于，S3通过混合量子理论鸽群优化的支持向量机QPIO-SVM算法进行参数寻优，得到惩罚系数和核函数值的寻优结果，包括：
7.根据权利要求6所述的管道防腐层缺陷分类识别方法，其特征在于，S33，包括：
8.一种管道防腐层缺陷分类识别装置，其特征在于，所述装置包括：
9.一种管道防腐层缺陷分类识别装置，其特征在于，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的管道防腐层缺陷分类识别方法。
...【技术特征摘要】
1.一种管道防腐层缺陷分类识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的管道防腐层缺陷分类识别方法，其特征在于，s2根据所述管道防腐层缺陷信号，得到缺陷信号特征，包括：
3.根据权利要求2所述的管道防腐层缺陷分类识别方法，其特征在于，s22，包括：
4.根据权利要求3所述的管道防腐层缺陷分类识别方法，其特征在于，所述归一化后的频域特征参数通过以下公式得到：
5.根据权利要求2所述的管道防腐层缺陷分类识别方法，其特征在于，s23，包括：
6.根据权利要求1所述的管道防腐层缺陷分类识别方法，其特征在于，s3通过混合量子理论鸽群优化的支持向量机qpio-s...
【专利技术属性】
技术研发人员：陈佳琦，赵世琦，马瑞涛，
申请(专利权)人：中国联合网络通信集团有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。