漏磁检测技术被广泛应用于铁磁材料的无损评估中，用漏磁信号描述缺陷的几何特征一直是漏磁检测的难点。提出应用最小二乘支持向量机对缺陷轮廓重构的方法，并利用粒子群算法来优化LS-SVM的参数及核函数参数。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。训练样本由试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BP神经网络、GA-LS-SVM两种方法进行了比较。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。

所属栏目

科研成果与学术交流河北省自然科学基金资助项目(E2008001258)

收稿日期

2010/9/7

作者单位

纪凤珠:军械工程学院 电气工程系，石家庄050003
孙世宇:军械工程学院 电气工程系，石家庄050003
王长龙:军械工程学院 电气工程系，石家庄050003
王瑾:军械工程学院 电气工程系，石家庄050003
左宪章:军械工程学院 电气工程系，石家庄050003

备注

纪凤珠(1982-)，男，博士研究生，主要从事漏磁检测技术及理论研究。

引用该论文:

JI Feng-Zhu,SUN Shi-Yu,WANG Chang-Long,WANG Jin,ZUO Xian-Zhang.2-D Pipeline Defect Reconstruction from Magnetic Flux Leakage Signals Based on LS-SVM[J].Nondestructive Testing,2011,33(6):19～22
纪凤珠,孙世宇,王长龙,王瑾,左宪章.基于PSO-LS-SVM的漏磁信号二维轮廓重构[J].无损检测,2011,33(6):19～22

参考文献

【1】

蔡少川.经验模态分解在管道缺陷漏磁检测信号处理中的应用研究［J］..

【2】

王太勇，胡世广，杨涛，等.一种油管缺陷量化识别技术［J］.中国机械工程,2005,16(20):1802-1820.

【3】

Katoh M, Masumoto N, Nishio K, et al. Modeling of the yoke-magnetization in MFL-testing by finite elements［J］. NDT&E International,2003,36(7):479-486.

【4】

王长龙，徐章遂，傅君眉，等.基于小波神经网络的火炮裂纹形状重构［J］.兵工学报,2005,26(3):379-382.

【5】

韩文花，阙沛文.基于遗传优化算法的二维漏磁缺陷重构［J］.中国石油大学学报 (自然科学版),2006,30(1):138-141.

【6】

Suykens J A K. Nonlinear and Support Vector Machine［A］. IEEE Instrumentation and Measurement Technology Conference C. Buda pest, Hungary: ［s. n.］ 2001:21-23.

【7】

Kennedy J, Eberhart R C, Shi Y. Swarm Intelligence ［M］. San Francisco: Morgan Kaufman Publishers,2001.

【8】

Yuan Hejin, Zhang Yanning, Zhang Dengfu, et al. A modified particle swarm optimization algorithm for support vector machine training［C］//Proc of the 8th World Control and Automation, June 2006, Dalian China,2006:4128-4132.

【9】

Fengzhu Ji, Changlong Wang, Shiyu Sun, et al. Application of 3-D FEM in the Simulation Analysis for MFL Signals［J］. Insight,2009,51(1):32-35.