典型文献
基于IPSO-GRU深度学习算法的海底管道缺陷尺寸磁记忆定量反演模型
文献摘要：
针对海底管道缺陷磁记忆定量反演的难题,提出一种基于改进粒子群优化的门控循环神经网络模型,即IPSO-GRU模型.?以两端焊有盲板的X52管道作为实验材料,其上预制有不同直径、深度的缺陷,采用TSC-5M-32磁记忆检测仪,外接11-6W非接触探头,进行水下磁记忆检测试验,提取不同缺陷尺寸的磁记忆信号特征值.?考虑到磁记忆信号特征值随缺陷尺寸呈复杂的非线性变化,引入门控循环神经网络,利用其双门结构能够记忆缺陷处的信号特征,非线性回归拟合能力强的特点,构建海底管道缺陷定量反演模型,进一步考虑到模型超参数选择的随机性,采用改进粒子群算法进行超参数寻优.验证结果表明:该模型对缺陷深度反演平均精度达96％;对缺陷直径反演平均精度达93％,为海底管道缺陷的磁记忆定量化识别与反演提供了新的思路和方法.
文献关键词：
金属磁记忆;海底管道缺陷;改进粒子群算法;门控循环神经网络;定量反演
中图分类号：
作者姓名：
邢海燕;王松弘泽;弋鸣;杨健平;朱孔阳;刘超
作者机构：
东北石油大学机械科学与工程学院, 大庆 163318
文献出处：
引用格式：
[1]邢海燕;王松弘泽;弋鸣;杨健平;朱孔阳;刘超-.基于IPSO-GRU深度学习算法的海底管道缺陷尺寸磁记忆定量反演模型)[J].工程科学学报,2022(05):911-919
A类：
海底管道缺陷
B类：
IPSO,GRU,深度学习算法,缺陷尺寸,定量反演模型,改进粒子群优化,门控循环神经网络,循环神经网络模型,盲板,X52,实验材料,预制,不同直径,TSC,5M,磁记忆检测,检测仪,外接,6W,非接触,触探,探头,检测试验,磁记忆信号,信号特征,非线性变化,入门,双门,记忆缺陷,非线性回归,回归拟合,缺陷定量,参数选择,随机性,改进粒子群算法,超参数寻优,缺陷深度,定量化识别,思路和方法,金属磁记忆
AB值：
0.304599
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。
