基于BP神经网络的管道缺陷模式识别与精确定量识别.pdfVIP

维普资讯 大 庆 石 油 学 院 学 报 第 32卷 第 1期 2008年 2月 JOURNAIOFDAQINGPETROLEUM INSTITUTE Vo1．32 No．1 Feb． 2008 基于 BP神经网络的管道缺陷 模式识别与精确定量识别 洪仁植 ，王树达 ，常 亮 (1．大庆石油学院 电气信息工程学 院，黑龙江 大庆 163318； 2．中 国石 油大庆石 化公 司 化 工一厂 ，黑龙 江 大庆 163714 ) 摘 要：建立了缺陷定量识别的BP神经网络模型，为 3类缺陷 (孔状缺陷、坑状缺陷、裂纹缺陷)设计 了专 门的定量 识别网络；改进了定量识别 网络 的均方误差函数 ，使 网络的训练过程更为稳定和平滑，在识别训练样本 时的绝对偏差均 在士0．01mm 以内．结果表明，定量识别的结果精度较高，能够满足小缺 陷的精确定量识别要求． 关 键 词 i漏磁检测 ；信号调理；特征提取 ；模式识别 ；定量识别 中图分类号 ：TP277 文献标识码 ：A 文章编号 ：1000—1891(2008)01—0083—03 0 引言 模式识别 ]主要有统计方法 、结构方法 、模糊模式识别方法和神经 网络方法等．其中，统计模式识别 方法需要大量的已知样本或知识库，在应用时需要制作大量 的标准缺陷，建立不 同类型缺陷的特征库 ，对 实验条件要求也很高；结构模式识别方法是对符号信息进行操作，应用水平较高 ，如图像解释等 ；模糊模式 识别是一种较好 的识别方法，在模式识别 中也得到了应用，但缺陷漏磁信号的特征和形态较为复杂 ，应用 不灵活．由于BP神经网络在解决非线性问题 、多特征输入及多输出等问题时，灵活性较高i- ]，因此文 中 应用 BP神经网络的方法实现缺陷的分类和定量识别． 1 缺陷模式识别 利用 BP神经网络模型，用缺陷信 号的特征量作为其输入层的输人参数 ， 网络的每一个输入节点对应一个特征 量 ，输出层 的结果分别表示 3类不 同的 缺陷类型 ，利用 已知的标准样本对网络 进行学习和训练之后 ，可以实现对未知 样本的模式识别 ，过程见图 1． 1．1 三层 BP神经网络的输出方式 图1 缺陷模式识别过程 在建立 BP神经 网络时 ，有多输出和单输 出2种输出方式．在多输 出方式 中，网络要 同时适应所有类 别 ，因而需要更多的隐层节点 ，且学习过程收敛较慢．由此 ，采用单输出方式 ，为每个缺陷类型建立一个网 络 ，让每个网络只完成一种缺陷类型的识别．采用单输 出网络可 以克服不 同类别之间的耦合 ，分类识别的 效果更为理想． 为 比较多输出和单输出 2种输出方式 的BP神经 网络 的性能，笔者建立了一个具有 3个输出节点 的 三层 BP神经网络 ，并分别为 3类缺 陷建立了一个只有 1个输 出节 点的三层 BP神经网络．测试结果表 明，使用单输出方式的BP神经网络 ，对未知缺陷的识别正确率较高．因此 ，文中采用单输出方式 的三层 收稿日期t2007—10—10；审稿人：任伟建 ；编辑 ：郑丽芹 作者简介：洪仁植(1983一)，男，硕士生，主要从事智能控制和通信信息系统方面的研究 维普资讯 大 庆 石 油 学 院 学 报 第 32卷 2008年 BP神经网络，对缺陷进行识别和分类． 1．2 缺陷特征量的选择与隐层节点数 缺陷模式识别网络的输入节点为缺陷的特征向量．对缺陷分类有决定性作用 的特征量 包括 ：缺陷 轴向检测信号的峰一峰值 Up一，缺陷轴 向检测信号的谷一谷值 D… ，缺陷轴 向检测信号 的波形面积 S， 轴向波形面积与峰一峰值之比S／u一，轴 向波形面