焊接技术
銲接技術
한접기술
WELDING TECHNOLOGY
2013年
10期
57-60
,共4页
蔡晓龙%穆向阳%高炜欣%魏巍
蔡曉龍%穆嚮暘%高煒訢%魏巍
채효룡%목향양%고위흔%위외
粒子群优化%模型参数%缺陷检测%支持向量机
粒子群優化%模型參數%缺陷檢測%支持嚮量機
입자군우화%모형삼수%결함검측%지지향량궤
为了提高X射线焊缝缺陷检测的实时性,本文研究了将粒子群优化(Particle Swarm Optimization,PSO)算法与支持向量机(Support Vector Machine,SVM)算法相结合应用于焊管焊缝缺陷检测的方法.该方法首先提取焊缝缺陷的特征描述,然后利用SVM算法进行焊缝缺陷的检测,过程中采用PSO算法优化SVM模型参数,最后将PSO-SVM和基于网格寻优的SVM分类方法进行了对比.试验结果表明,基于PSO-SVM的焊缝缺陷检测方法具有较高的识别精度,平均分类准确率达98％,且相对于后者其实时性提高了39.87％,这表明PSO-SVM方法能够有效地应用于焊管焊缝缺陷检测实时性的提高.
為瞭提高X射線銲縫缺陷檢測的實時性,本文研究瞭將粒子群優化(Particle Swarm Optimization,PSO)算法與支持嚮量機(Support Vector Machine,SVM)算法相結閤應用于銲管銲縫缺陷檢測的方法.該方法首先提取銲縫缺陷的特徵描述,然後利用SVM算法進行銲縫缺陷的檢測,過程中採用PSO算法優化SVM模型參數,最後將PSO-SVM和基于網格尋優的SVM分類方法進行瞭對比.試驗結果錶明,基于PSO-SVM的銲縫缺陷檢測方法具有較高的識彆精度,平均分類準確率達98％,且相對于後者其實時性提高瞭39.87％,這錶明PSO-SVM方法能夠有效地應用于銲管銲縫缺陷檢測實時性的提高.
위료제고X사선한봉결함검측적실시성,본문연구료장입자군우화(Particle Swarm Optimization,PSO)산법여지지향량궤(Support Vector Machine,SVM)산법상결합응용우한관한봉결함검측적방법.해방법수선제취한봉결함적특정묘술,연후이용SVM산법진행한봉결함적검측,과정중채용PSO산법우화SVM모형삼수,최후장PSO-SVM화기우망격심우적SVM분류방법진행료대비.시험결과표명,기우PSO-SVM적한봉결함검측방법구유교고적식별정도,평균분류준학솔체98％,차상대우후자기실시성제고료39.87％,저표명PSO-SVM방법능구유효지응용우한관한봉결함검측실시성적제고.
