基于QGA-LS-SVM的超声导波缺陷轮廓重构
【作者】
刘兵
[1] ;
唐力伟
[2] ;
王建斌
[1] ;
王长龙
[1] ;
张轩硕
[1]
【关键词】
超声导波
轮廓重构
量子遗传算法
最小二乘支持向量机
【摘要】超声导波缺陷轮廓重构是指由检测到的缺陷回波信号重构缺陷轮廓及参数,是实现超声导波信号反演的关键.探讨了应用最小二乘支持向量机(Least Squares Support Vector Machine,LS-SVM)对缺陷轮廓进行重构的方法,并利用量子遗传算法(Quantum Genetic Algorithm,QGA)优化LS-SVM及核函数的参数.LS-SVM的输入是缺陷所产生的回波信号,输出是缺陷轮廓数据,建立起由缺陷的回波信号到缺陷二维轮廓的映射关系.训练样本和测试样本由实验数据与仿真数据组成.该方法实现了缺陷的二维轮廓重构,并与BP(Back Propagation)神经网络、GRNN(Generalized Regression Neural Network)神经网络和常规遗传算法LS-SVM三种方法的重构效果进行了比较.结果表明,该方法速度快、精度高,并有很好的泛化能力,是一种行之有效的缺陷反演方法.
上一篇:圆柱形变节流面积缓冲结构的缓冲性能分析
下一篇:基于涡簧的机械弹性储能技术及储能密度的提高方法