管道腐蚀缺陷超声信号的PSO-SVM模式识别研究

针对金属管道腐蚀问题,提出了一种基于支持向量机(Support vector machine,SVM)与粒子群优化(Particle swarm optimization,PSO)相结合的管道腐蚀缺陷的分类方法.对预处理后的超声缺陷信号进行经验模态分解(Empirical mode decomposition,EMD),提取相应的时域无量纲参数作为特征向量;建立SVM缺陷分类模型,并采用PSO算法优化SVM参数,提高模型的缺陷分类准确率.实验证明,该方法建立的模型针对不同深度的超声缺陷信号的识别率达到87.5％,优于相同试验样本下BP神经网络和RBF神经网络的分类准确率.