Page 81 - 无损检测2024年第四期
P. 81

张恒熙,等:
   444 铁磁性不锈钢焊管缺陷的识别与分类

       为了验证文章所 采 用 方 法 ( EMD-PCA-SVM )                     余应力超声检测[ J ] . 制造技术与机床, 2022 ( 2 ): 126-
   的有效性, 试验同时对比了以下两种方法的准确率:                               130.
   ① 对原始信号的 16 个参数进行 PCA 降维再通过                        [ 2 ]   陈涛, 肖小齐, 张赛, 等 . 一种用于焊缝缺陷检测的旋

                                                           转涡流 探 头 设 计 [ J ] . 传 感 技 术 学 报, 2020 , 33 ( 7 ):

   SVM 分 类 ( PCA-SVM ); ② 直 接 将 原 始 信 号 的
   16 个参数通过 SVM 进行分类( SVM ), 其训练结果                        945-949.
                                                      [ 3 ]   宋凯, 康宜华, 张丽攀, 等 . 钢管磁特性对涡流检测影
   对比如表 6 所示。
                                                           响的研究进展[ J ] . 材料工程, 2015 , 43 ( 11 ): 106-112.

              表 6  各方法训练结果对比
                                                      [ 4 ]   赵云利, 折明, 强毅 . 饱和磁化后管壁缺陷处管材磁导
                  不同缺陷分类识别准确率 / %         总分类
       试验方法                                                率的 有 限 元 模 拟 [ J ] . 油 气 储 运, 2021 , 40 ( 5 ): 539-
                   通孔      裂纹      正常     精度 / %
                                                          544.
    EMD-PCA-SVM    90      77      100     88
                                                      [ 5 ]   张会云, 严仍春, 楼敏珠 . 阻抗平面显示技术在涡流检
      PCA-SVM      75      64      100     80
                                                           测信号处理中的应用[ J ] . 无损检测, 2003 , 25 ( 1 ): 44-
        SVM        25      74       90     63
                                                          47.
       由表6 可以看出, 先经过 PCA 处理后的分类精
                                                      [ 6 ]   林俊明, 赖传理, 任吉林 . 钢管涡流探伤中缺陷信号的
   度比直接使用 SVM 的精度有显著提升, 说明在不
                                                           相位分辨[ J ] . 无损检测, 2011 , 33 ( 1 ): 2-4 , 8.
   经过降维的情况下, 特征参数过多不仅会影响到分                            [ 7 ]   朱镇, 江华 . 核电站蒸汽发生器用 690 镍基合金传热
   类识别的效率, 同时参数中的冗余信息也会对分类                                 管制造 过 程 中 的 涡 流 检 测 [ J ] . 无 损 检 测, 2022 , 44
   过程产生严重干扰。而试验经过 EMD 分解可以过                                ( 4 ): 79-85.

   滤掉干扰信号, 有效选取出反映信号本质特征的信                            [ 8 ]  HUANG N E , SHEN Z , LONG S R , etal.The

   息, 进一步提高分类的准确性。 3 种方法的对比结                              em p irical mode decom p osition and the Hilbert

   果充分体现了 EMD-PCA-SVM 方 法 的 优 越 性, 相                      s p ectrumfornonlinearandnon-stationar y timeseries

   较于 PCA-SVM 和 SVM 这两种试验方法, 其可以                          anal y sis [ J ] .Proceedin g s ofthe Ro y al Societ y of

                                                          LondonSeriesA , 1998 , 454 ( 1971 ): 903-998.
   在保持较高分类精度的同时提高整个识别 过程的
                                                      [ 9 ]   程力勇, 米高阳, 黎硕, 等 . 基于主成分分析 - 支持向量
   效率。
                                                           机模 型 的 激 光 钎 焊 接 头 质 量 诊 断 [ J ] . 中 国 激 光,
  6  结论                                                   2017 , 44 ( 3 ): 0302004.
                                                     [ 10 ]   肖力伟 . 一种基于小波包和主成分分析的超声信号特
      基于涡流检测, 提出一种针对 444 铁磁性不锈                             征提取方法[ J ] . 无损检测, 2019 , 41 ( 12 ): 41-44 , 48.
   钢焊管缺陷的识别与分类方法。首先采集 444 不锈                         [ 11 ]   万陶磊, 常俊杰, 曾雪峰, 等 . 一种基于小波包和 PCA
   钢焊管经过磁饱和处理后的涡流信号, 再对该信号                                 的超声缺陷识别方法[ J ] . 失效分 析 与 预 防, 2019 , 14
   进行 EMD 分解后选取主IMF , 通过提取主IMF 的                           ( 3 ): 141-146.

                                                     [ 12 ]  VAPNIK V N.The NatureofStatisticalLearnin g
   特征参数获得缺陷信号的有效特征; 之后使用 PCA

   对参数 进 行 降 维, 降 低 分 类 器 的 复 杂 程 度, 提 高                  Theor y [ M ] .New York : S p rin g erNew York , 1995.
                                                     [ 13 ]   丁世飞, 齐丙娟, 谭红艳 . 支持向量机理论与算法研究
   SVM 测试效率。
                                                           综述[ J ] . 电子科技大学学报, 2011 , 40 ( 1 ): 2-10.
       试验结果 表 明, 提 出 的 EMD-PCA-SVM 方 法
                                                     [ 14 ]   付小千, 杨永斌, 张骞 . 基于机器学习的区域火灾分布
   在 44 4 不锈钢焊管缺陷分类识别中有较高的 准确                              特征分 析 方 法 [ J ] . 消 防 科 学 与 技 术, 2022 , 41 ( 5 ):
   率, 与现有方法相比较, 该方法可实现筛选出特定缺
                                                          651-654.
   陷的功能, 应用于生产中能提高缺陷分类识别的效                           [ 15 ]   于霞 . 飞机 发 动 机 叶 片 缺 陷 的 电 磁 检 测 技 术 研 究
   率, 减轻人工负担。                                              [ D ] . 北京: 北京理工大学, 2014.
                                                     [ 16 ]   张兴森, 边美华, 梁庆国, 等 . 基于涡流检测的 电 力 线
   参考文献:
                                                           夹缺陷检测与分类方法[ J ] . 中国 科 技 论 文, 2017 , 12
    [ 1 ]   侯怀书, 方鑫冲, 张润泽, 等 . 薄壁金属直缝圆 焊 管 残               ( 4 ): 454-458.









                                                                                                7
                                                                                               4
                                                                             2024 年 第 46 卷 第 4 期
                                                                                      无损检测
   76   77   78   79   80   81   82   83   84   85   86