基于支持向量机的油管缺陷定量识别方法技术

本发明专利技术涉及无损检测技术领域，是一种基于支持向量机的油管缺陷定量识别方法；按下述步骤进行：第一步，人工制作油管缺陷对比试样；第二步，通过磁传感器扫描油管缺陷对比试样，获取油管缺陷对比试样对应真实缺陷尺寸的对比试样漏磁信号。本发明专利技术通过多代入多输出支持向量回归机数学算法建立油管缺陷对比试样漏磁信号特征量与相对应真实缺陷尺寸的映射关系，实现通过检测待识别油管缺陷的漏磁信号来定量评价待识别油管缺陷的真实缺陷尺寸的目的；本发明专利技术具有回归精度高和泛化能力强的特点，有效的避免了模型结构和参数选择的盲目性，从而有效提高了对待识别油管真实缺陷尺寸识别的精度。

【技术实现步骤摘要】

本专利技术涉及无损检测
，是一种。
技术介绍
作为常规无损检测的方法，漏磁场检测技术已成功应用于铁磁材料构件的质量与安全检测方面。通过缺陷漏磁信号反演其缺陷轮廓尺寸参数，是实现油管缺陷定量评价和分级处理的关键。在漏磁反演缺陷轮廓尺寸的技术中，从漏磁场产生机理上推导出的磁偶极子模型，对于较简单的缺陷形式其识别精度较高，然而对于形状较复杂的缺陷形式，其模型的识别精度达不到工程要求。究其原因是由于缺陷尺寸与其对应漏磁场信号之间的关系存在高度非线性，很难用一个简单的关系式来描述其两者之间的关系，目前由于人工神经网络通过模拟人脑结构及思维处理信息的能力，具有非线性、并行性和学习能力等特点，被用于管道的缺陷智能识别技术中，然而其神经网络的结构和相应的参数选取没有相应完整的理论基础作为指导，识别模型的好坏常依赖于建模者的经验，因而其广泛应用受到约束。
技术实现思路
本专利技术提供了一种，克服了上述现有技术之不足，其能有效解决复杂缺陷模型的识别精度达不到工程要求、人工神经网络的结构和相应参数的选取没有理论基础导致应用受到约束的问题。本专利技术的技术方案是通过以下措施来实现的:一种，按下述步骤进行:第一步，在试样油管上制作具有不同尺寸的人工缺陷试样并记录尺寸；第二步，获取人工缺陷试样的漏磁信号；第三步，提取人工缺陷试样的表征缺陷几何尺寸大小的漏磁信号特征量；第四步，建立人工缺陷试样数据集；第五步，建立人工缺陷试样定量识别数学模型；第六步，当需要进行现场待识别油管缺陷的定量识别时，先通过磁传感器获取现场待识别油管缺陷的漏磁信号，然后提取现场待识别油管表征缺陷几何尺寸大小的漏磁信号特征量，经归一化到0-1之间后代入人工缺陷试样定量识别数学模型中进行计算得到现场待识别油管缺陷的几何尺寸值，从而实现了对现场待识别油管缺陷的定量识别。下面是对上述专利技术技术方案的进一步优化或/和改进: 上述第二步中，获取人工缺陷试样的漏磁信号的方法为:首先对人工缺陷试样进行饱和磁化，然后通过磁传感器匀速扫描方式扫描人工缺陷试样上不同尺寸和类型的缺陷，并使磁传感器与人工缺陷试样的垂直距离保持不变，从而获取对应人工缺陷试样的漏磁信号。上述第三步中，提取人工缺陷试样的表征缺陷几何尺寸大小的漏磁信号特征量的方法为:对第二步中获取的不同人工缺陷试样的漏磁信号进行去噪处理后，通过现代信号处理技术对处理后的漏磁信号进行分析，提取各种时域和频域中表征该漏磁信号的特征量，通过对这些特征量进行统计分析，最后选出五个最能反映不同人工缺陷试样几何尺寸大小的特征量即:漏磁信号在时域中的相邻峰谷间的长度值、相邻峰谷间的高度值、相邻峰谷信号间的面积值，在频域中的缺陷信号的信息熵、小波分解特征量。上述第四步建立人工缺陷试样数据集的方法如下:将每一个人工缺陷试样的几何尺寸和该几何尺寸对应的检测漏磁信号特征量进行组合，表示为，其中A表示第《个人工缺陷试样对应的漏磁信号特征量，其中:时域中的相邻峰谷间的长度值、相邻峰谷间的高度值、相邻峰谷信号间的面积值，频域中的缺陷信号的信息熵、小波分解特征量五个量分别用、化、％、％表示，即n =5，ft表示第f个人工缺陷试样的几何尺寸值,最后将所有人工缺陷试样的几何尺寸及其提取的漏磁信号特征量按这种方式进行组合，最终所建立的i个人工缺陷试样数据集表示为上述第五步中建立人工缺陷试样定量识别数学模型采用支持向量回归机算法建立缺陷定量识别的数学模型，该缺陷定量识别数学模型的对应优化模型表达式I为:权利要求1.一种，其特征在于按下述步骤进行:第一步，在试样油管上制作具有不同尺寸的人工缺陷试样并记录尺寸；第二步，获取人工缺陷试样的漏磁信号；第三步，提取人工缺陷试样的表征缺陷几何尺寸大小的漏磁信号特征量；第四步，建立人工缺陷试样数据集；第五步，建立人工缺陷试样定量识别数学模型；第六步，当需要进行现场待识别油管缺陷的定量识别时，先通过磁传感器获取现场待识别油管缺陷的漏磁信号，然后提取现场待识别油管表征缺陷几何尺寸大小的漏磁信号特征量，经归一化到0-1之间后代入人工缺陷试样定量识别数学模型中进行计算得到现场待识别油管缺陷的几何尺寸值，从而实现了对现场待识别油管缺陷的定量识别。2.根据权利要求1所述的，其特征在于第二步中，获取人工缺陷试样的漏磁信号的方法为:首先对人工缺陷试样进行饱和磁化，然后通过磁传感器匀速扫描方式扫描人工缺陷试样上不同尺寸和类型的缺陷，并使磁传感器与人工缺陷试样的垂直距离保持不变，从而获取对应人工缺陷试样的漏磁信号。3.根据权利要求1或2所述的，其特征在于第三步中，提取人工缺陷试样的表征缺陷几何尺寸大小的漏磁信号特征量的方法为:对第二步中获取的不同人工缺陷试样的漏磁信号进行去噪处理后，通过现代信号处理技术对处理后的漏磁信号进行分析，提取各种时域和频域中表征该漏磁信号的特征量，通过对这些特征量进行统计分析，最后选出五个最能反映不同人工缺陷试样几何尺寸大小的特征量即:漏磁信号在时域中的相邻峰谷间的长度值、相邻峰谷间的高度值、相邻峰谷信号间的面积值，在频域中的缺陷信号的信 息熵、小波分解特征量。4.根据权利要求3所述的，其特征在于第四步建立人工缺陷试样数据集的方法如下:将每一个人工缺陷试样的几何尺寸和该几何尺寸对应的检测漏磁信号特征量进行组合，表示为JTxiT，其中&表示第f个人工缺陷试样对应的漏磁信号特征量，其中:时域中的相邻峰谷间的长度值、相邻峰谷间的高度值、相邻峰谷信号间的面积值，频域中的缺陷信号的信息熵、小波分解特征量五个量分别用而、:％、&、:％、&表示，即n =5，Λ表示第，个人工缺陷试样的几何尺寸值，最后将所有人工缺陷试样的几何尺寸及其提取的漏磁信号特征量按这种方式进行组合，最终所建立的I个人工缺陷试样数据集表示为W。5.根据权利要求4所述的，其特征在于第五步中建立人工缺陷试样定量识别数学模型采用支持向量回归机算法建立缺陷定量识别的数学模型，该缺陷定量识别数学模型的对应优化模型表达式I为:min \++ )^ U b-1U^-8.u # ji(今—4)=α il: 其中表示核函数，这里取高斯径向基核函数，表示从漏磁信号中提取的五个漏磁信号特征量，_F表示对应人工缺陷试样的几何尺寸■表示人工缺陷试样用几个参数来表示几何尺寸大小，I表示人工缺陷试样样本数据集个数，I1、为引入的拉格朗日乘子，~为偏置项，￡为回归残差，C为惩罚系数，将第四步中建立的人工缺陷试样样本数据集进行归一化到0-1之间后代入到该优化模型中，结合留一交叉验证法并应用粒子群优化算法确定模型的参数ε最后对该模型进行求解得到参数％、*4、~的具体值，从而得到该缺陷定量评价的具体支持向量回归模型的表达式2为:6.根据权利要求5所述的，其特征在于第六步中当需要对现场待识别油管缺陷的定量识别时，先通过磁传感器获取现场待识别油管缺陷的漏磁信号，并进行去噪处理后提取第三步中指定的该漏磁信号的五个特征量，将其进行归一化到0-1之间后代入支持向量回归模型表达式2中进行计算，最后得到Λ(4的值再 经过反归一化计算即为现场待识别油管缺陷的几何尺寸值，从而实现了对该缺陷的定量识别。7.根据权利要求1或2所述的，其特征在于人工缺陷试样的形状为孔形 或槽形。8.根据权利要本文档来自技高网...

【技术保护点】
一种基于支持向量机的油管缺陷定量识别方法，其特征在于按下述步骤进行：第一步，在试样油管上制作具有不同尺寸的人工缺陷试样并记录尺寸；第二步，获取人工缺陷试样的漏磁信号；第三步，提取人工缺陷试样的表征缺陷几何尺寸大小的漏磁信号特征量；第四步，建立人工缺陷试样数据集；第五步，建立人工缺陷试样定量识别数学模型；第六步，当需要进行现场待识别油管缺陷的定量识别时，先通过磁传感器获取现场待识别油管缺陷的漏磁信号，然后提取现场待识别油管表征缺陷几何尺寸大小的漏磁信号特征量，经归一化到0?1之间后代入人工缺陷试样定量识别数学模型中进行计算得到现场待识别油管缺陷的几何尺寸值，从而实现了对现场待识别油管缺陷的定量识别。

【技术特征摘要】

【专利技术属性】
技术研发人员：赵江，王斌，蹇清平，艾志久，
申请(专利权)人：克拉玛依市金牛工程建设有限责任公司，
类型：发明
国别省市：