Page 90 - 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

采用 SOMTE-GWO-SVM 模型对储罐底板腐蚀等 每个通道每小时出现的撞击数作为储罐底板腐蚀等
级进行预测, 可满足企业安全生产和维护要求。 级的评价依据。从图6也可以看出, 不同腐蚀等级
2.3 智能评价结果分析 的声发射数据存在一定程度的重合区域, 对于某一
腐蚀等级, 储罐个体数据之间可能存在差异, 而智能
储罐典型声发射特征参数分布如图6所示( I QR
为四分位距), 可见, 储罐腐蚀情况越严重, 声发射参 评价模型对多维度数据( 声发射特征和宏观特征) 进
数中的定位事件密度、 撞击平均值、 能量标准差和振 行学习和训练, 避免了某个维度数据偏差给整体评
铃计数标准差就越大, 这与储罐声发射检测评价标 价带来影响。
准一致。标准将评定区域内每小时出现的定位数和 储罐样本不同特征的分布如图 7 所示, 图中储罐

图6 储罐典型声发射特征参数分布

图7 储罐样本不同特征分布

5
2
2023年 第45卷 第1期
无损检测