基于FOA-SVM的超声信号端点检测
2016-10-15李大中
中国测试 2016年5期
李大中,赵 杰
(华北电力大学自动化系,河北 保定 071003)
基于FOA-SVM的超声信号端点检测
李大中,赵杰
(华北电力大学自动化系,河北 保定 071003)
在超声缺陷识别系统中,端点检测是确保缺陷准确识别的重要环节。为提高在实际探伤过程中端点检测的准确率,提出一种以果蝇算法优化支持向量机的端点检测方法。针对超声检测信号的特点,采用小波包变换提取反映该信号性质的特征向量。鉴于传统方法检出率不高及支持向量机(SVM)参数难确定的问题,利用果蝇算法(FOA)优化SVM的惩罚子和核参数,提高支持向量机建模准确度。试验结果表明:FOA-SVM模型的平均检出率达到97.5%,端点检测效果明显优于传统的双门限法、普通SVM模型和GA-SVM模型。
端点检测;果蝇算法;支持向量机;小波变换
0 引 言
对材料及时检测和缺陷识别,并采取一定的预防措施可以减少事故发生。目前,端点检测是提高缺陷识别准确率的重要环节,由于超声检测信号是一种具有突变性的非线性、不平稳信号,端点检测需要排除噪声段或无用回波段,找出包含真实缺陷信号的起止点,从而准确提取出有用的缺陷回波信号。
文献[1]通过短时能量与过零率双门限对光纤周界安防系统中扰动信号进行端点检测,提高了系统准确度。文献[2]采用基于希尔伯特-黄变换和顺序统计滤波的检测方法,在低信噪比情况下有效检测语音信号。近年来,随着非线性理论不断发展,神经网络和支持向量机等算法被应用到端点检测中,但神经网络检测率并不高,而且支持向量机参数难以确定[3]。……
登录APP查看全文
