典型文献
基于磁记忆信号特征的管道缺陷分类识别和分级识别方法
文献摘要：
基于支持向量机(SVM)方法和模拟油田现场管道磁记忆检测数据分别建立了管道缺陷的分类识别和分级识别方法;采用该方法对油田现场5根在役油气管道的缺陷类型进行了识别,并对试验管道的穿孔腐蚀与未穿孔腐蚀两种腐蚀程度进行了识别.结果表明:以三类不同特征量的组合分别建立的SVM模型对缺陷类型的识别率分别是77.08％、89.58％和95.83％,其中使用时域、形态和频域特征量的SVM模型的识别率最高;腐蚀缺陷分级识别方法的识别率达到了 90％.该方法可有效识别管道腐蚀缺陷和应力集中缺陷,以及腐蚀缺陷的腐蚀程度.
文献关键词：
金属磁记忆技术;缺陷;分类识别;分级识别;支持向量机
中图分类号：
作者姓名：
王贵生;李炜;杨勇;万勇
作者机构：
中国石油化工股份有限公司胜利油田分公司,东营257000;中国石油化工股份有限公司胜利油田分公司技术检测中心,东营257000;中国石油大学(华东)海洋与空间信息学院,青岛266580
文献出处：
引用格式：
[1]王贵生;李炜;杨勇;万勇-.基于磁记忆信号特征的管道缺陷分类识别和分级识别方法)[J].腐蚀与防护,2022(11):68-73,94
A类：
B类：
磁记忆信号,信号特征,管道缺陷,缺陷分类,分类识别,分级识别,油田,磁记忆检测,检测数据,在役,油气管道,缺陷类型,穿孔,腐蚀程度,特征量,识别率,频域特征,别管,管道腐蚀缺陷,应力集中,金属磁记忆技术
AB值：
0.320413
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
