洪仁植;王树达;常亮;

• 1:大庆石油学院电气信息工程学院

• 2:大庆石油学院电气信息工程学院

• 3:中国石油大庆石化公司化工一厂 黑龙江大庆163318

• 4:黑龙江大庆163318

摘要(Abstract)：

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±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(KeyWords)：漏磁检测;信号调理;特征提取;模式识别;定量识别

Abstract:

Keywords:

基金项目(Foundation):

作者(Author):洪仁植;王树达;常亮;

Email:

参考文献(References)：

• [1]J P Marques de S.模式识别——原理、方法及应用[M].吴逸飞,译.北京:清华大学出版社,2002.

• [2]李健,陈世利,靳世久.基于神经网络的埋地管道防腐层缺陷检测[J].电子测量与仪器学报,2005,19(6):84-87.

• [3]杨理践.管道漏磁在线检测技术[J].沈阳工业大学学报,2005,27(5):522-525.

• [4]桂延宁,焦李威,张福顺.基于小波和BP神经网络的无线电探测目标识别技术[J].电子学报,2003,31(12):1811-1814.

• [5]杨涛.基于多传感器融合的油管无损检测与缺陷量化技术研究[D].天津:天津大学,2004.

• [6]孙洁娣,温江涛,靳世久.基于改进BP网络的管道安全检测技术研究[J].仪器仪表学报,2006,27(6):1647-1649.