基于PCA和SVM的裂纹声发射识别方法

详细信息    查看全文 | 下载全文 | 推荐本文 |

• 作者：李力李骥张全林
• 会议时间：2012-08-01
• 关键词：机械设备 ; 钢板结构 ; 铬层裂纹 ; 声发射技术 ; 信息冗余 ; 主成分分析 ; 支持向量机
• 作者单位：水电机械设备设计与维护湖北省重点实验室(三峡大学),湖北宜昌 443002
• 母体文献：第十三届全国声发射研讨会论文集
• 会议名称：第十三届全国声发射研讨会
• 会议地点：济南
• 主办单位：中国机械工程学会
• 语种：chi

摘要

针对采用幅值、能量等统计特征参数分类识别声发射(AE)信号时存在的信息冗余问题,提出利用主成分分析(PCA)减少信息冗余,提取AE信号统计特征。首先,设计了钢板表面铬层裂纹试验,采集了AE数据,得到AE信号9个统计特征参数;然后,对统计特征参数进行主成分分析提取2个主成分;最后,设计了SVM分类器,以主成分为输入向量分类识别铬层裂纹AE信号,准确率为96%,验证了主成分可以有效表征AE信号统计特征,减少信息冗余,提高分类效率及准确率。