漏磁特征可视化及智能识别缺陷 |
| |
引用本文: | 吴家盛,洪勇,王海锋,王俊景.漏磁特征可视化及智能识别缺陷[J].无损探伤,2023(3):12-17. |
| |
作者姓名: | 吴家盛 洪勇 王海锋 王俊景 |
| |
作者单位: | 1. 上海电机学院机械学院;2. 绍兴市特种设备检测院 |
| |
摘 要: | 利用ANSYS Maxwell建立了三维漏磁场有限元模型,分析了穿孔、平滑凹坑以及矩形凹槽三种缺陷的漏磁信号曲线并得到了仿真数据,通过漏磁仿真信号的变化,提取4个不同的特征值。采用T-SNE算法将漏磁特征降维可视化,研究了利用特征值区分缺陷类别的可行性。选用支持向量机(SVM),随机森林(Random Forest)以及梯度提升决策树(GBDT)三种机器学习方法对特征值进行学习以及分类识别,计算了不同算法的准确率,研究发现SVM较差,而GBDT准确率稍高。本文的研究结果为机器学习区分缺陷类别提供了参考。
|
关 键 词: | ANSYS 有限元模型 漏磁仿真 T-SNE降维可视化 机器学习 |
|
|