漏磁特征可视化及智能识别缺陷

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。