基于LS-SVM的超声导波管道缺陷二维重构

针对当前超声导波检测中的缺陷成像技术难点,提出了基于支持向量机的缺陷轮廓重构方法.通过实验和有限元仿真相结合的方式,获得不同大小缺陷的检测信号.采用最小二乘网络学习算法,选取缺陷回波数据作为支持向量机的输入,缺陷轮廓数据作为输出.建立了缺陷回波到缺陷二维轮廓的非线性映射,实现了缺陷轴向宽度和径向深度的二维轮廓重构,并与径向基神经网络重构效果进行了对比.实验结果表明,该方法速度快、精度高、泛化能力好,是管道超声导波定量化、可视化检测的一种可行方法.     

基于ACO-LS-SVM的漏磁信号二维轮廓重构

漏磁检测技术被广泛应用于铁磁材料的无损评估中,由漏磁信号描述缺陷的几何特征一直是漏磁检测的难点.为此提出应用LS-SVM对缺陷轮廓进行重构的新方法,利用蚁群算法优化LS-SVM及核函数的参数,并采用剪枝算法改善LS-SVM的稀疏性.支持向量机输入采用漏磁信号Bx、By分量的特征融合信号,输出是缺陷轮廓数据,建立了由缺陷...     

基于LS-SVM的管道二维漏磁缺陷重构

针对铁磁材料的无损评估中,漏磁信号描述缺陷的几何特征难点,提出了应用支持向量机对二维缺陷重构的新方法,支持向量机输入是漏磁信号,输出是缺陷轮廓数据,建立了由缺陷的漏磁信号到缺陷二维轮廓的映射关系。网络学习采用最小二乘算法,训练样本由实验数据与仿真数据组成,测试样本为人工裂纹缺陷。该方法实现了人工裂纹缺陷的二维轮廓的重构,并与径向基神经网络重构结果进行了比较。试验结果表明,该方法具有速度快、精度高和很好的泛化能力,为漏磁检测定量化提供了一种可行的方法。