基于支持向量機的管道缺陷分類方法研究及缺陷可視化軟件設計.pdf

1、隨著管道運輸業(yè)的快速發(fā)展，輸油管道運輸的安全運行成為了管道安全監(jiān)測的一項極為重要任務。由于不可避免的腐蝕老化和人為破壞因素，近年來管道泄漏事故頻繁發(fā)生，尤其對海底輸油管道，一旦泄漏很難像陸地管道一樣進行有效控制，造成經濟損失、資源浪費，同時污染了環(huán)境，影響深遠。因此，對管道泄漏檢測技術的研究具有重要的理論意義和實際應用價值。
　　輸油管道運行過程中，管道內、外壁存在多種類型的缺陷，若對所有漏磁檢測異常信號進行識別，則所需時間太長且

2、識別精度不高，而通常定期的管道評估中，更多地只需要判斷管道的破損程度，定性地識別缺陷類型，因此，本文針對管道缺陷分類問題，分析了支持向量機(SVM)多類分類方法的特點，提出了一種基于類間分離度的層次聚類二叉樹(BT) SVM多分類方法;針對缺陷數據查看不便的問題，給出了缺陷可視化軟件的設計。本文主要研究內容有以下幾個方面:首先，分析了管道缺陷分類問題的特性，比較了支持向量機分類與神經網絡等傳統(tǒng)方法在對管道缺陷問題上的適用性，同時對SVM

3、多分類方法進行了理論分析，初步確定了最優(yōu)的管道缺陷分類方法。其次，針對BT SVM多分類方法的不足，提出了基于類間分離度的層次聚類BT SVM多分類方法，針對此改進分類方法，設計了分類模型，給出了訓練與測試算法流程圖，并進行了仿真驗證。再次，將上述分類模型應用于管道缺陷分類，利用管道漏磁檢測實驗數據，仿真研究了一對一、一對余及改進的層次聚類BT SVM方法的分類性能，驗證了改進的BT SVM多分類方法具有良好的分類準確性、快速性及推廣能