Page 84 - 无损检测2023年第一期

李 伟, 等:

基于 SMOTE-GWO-SVM 模型的储罐底板腐蚀声发射检测智能评价

图3 储罐宏观特征腐蚀导向预处理结果

( 1 )储存介质。储罐内的各储存介质对储罐的 触部位的涂层易受到破坏无法再次涂刷, 且浮顶储罐
腐蚀程度不同, 重质储罐的腐蚀程度比轻质储罐的 支柱易对底板造成冲击, 更易造成储罐底板腐蚀 [ 17 ] 。
腐蚀程度更严重 [ 11 ] 。 预处理后的数据宏观特征和声发射特征之间的
( 2 )运行温度。对于绝大多数化学反应, 反应 量级相差较大, 如果不进行无量纲化处理会对后续

速率会随温度升高而加快 [ 12 ] 。 计算造成较大影响, 因此对数据进行了归一化处理,

( 3 )外观腐蚀情况。外观腐蚀情况包括罐壁、 公式为
罐底边缘板及焊缝腐蚀情况, 防腐漆脱落情况等, 外 ( ) ( 14 )
y= x-x min )/( x max-x min
观情况较差则储罐腐蚀更严重 [ 13 ] 。 式中: x 为样本值; x max x min 分别为样本的最大值
,
( 4 )基础完好情况。储罐基础无防渗层、 表面 和最小值; 为归一化后的值, 范围在0~1之间且

y
有粘土、 底部渗水、 沉降等都会加重储罐的腐蚀 [ 14 ] 。 无量纲。

( 5 )保温结构。保温层多为疏松多孔结构, 易 储罐宏观特征和 声 发 射 预 处 理 后 的 数 据 如
吸水, 且保温层下的水分冷凝难以蒸发, 与杂质形成 表2所示( 表中宏观特征均已数据化)。

电解质溶液更易造成储罐腐蚀 [ 15 ] 。 2.2 智能评价模型应用

( 6 )材料类别。建造常压储罐所用材料多为低 为提高模型的训练效果, 使用 SMOTE 算法进
碳钢和合金钢, 低碳钢 S 和 P 的含量较高, 而合金 行少数类样本扩容, 将每个等级各20个原数据集样
钢添加了 Mn , Cr , Ni 等耐腐蚀元素, 其耐蚀性比低 本作为测试集, 其余样本和扩充样本作为训练集, 同
碳钢耐蚀性更好 [ 16 ] 。 时, 采用 GWO 优化算法对 SVM 算法的惩罚因子
( 7 )储罐结构。浮顶储罐浮盘支柱与储罐底板接 C 和和核数参数 进行优化, 以获得最佳模型, 经

g
5
0
2023年 第45卷 第1期
无损检测