首页|基于Gabor小波与PSO-SVM的不锈钢焊缝缺陷分类研究

基于Gabor小波与PSO-SVM的不锈钢焊缝缺陷分类研究

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
以裂纹、气孔、夹渣、未熔合和未焊透五类不锈钢焊缝缺陷为研究对象,通过Gabor小波变换对焊缝缺陷的超声信号进行特征提取,利用粒子群优化算法(Particle Swarm Optimization,PSO)对支持向量机(Support Vector Machine,SVM)优化后进行焊缝超声缺陷的识别,提高了对焊缝缺陷的分类精度.经过实验,证明所用模型对裂纹、气孔、夹渣、未熔合和未焊透五类缺陷的分类精度达到了96.36％.相比现有的方法,本方法识别面更广,精度更高,具有一定的工程价值.
Research on Stainless Steel Welded Seam Defect Classification Based on Gabor Wavelet and PSO-SVM

傅留虎、赵娜、闫耀东、张睿、柴钰杰、李宇琪

展开 >

太原科技大学 计算机科学与技术学院,山西 太原 030024

山西省机电设计研究院有限公司,山西 太原 030009

太原科技大学 信息与技术学院,山西 晋城 048011

焊缝缺陷 Gabor小波 PSO-SVM 不锈钢

山西省应用基础研究基金先进控制与装备智能化山西省重点实验室开放课题山西省高等学校科技创新项目2019年教育部产学合作协同育人项目2019年度研究生教育改革研究课题太原科技大学教学改革与研究项目太原科技大学校级大学生创新创业训练项目太原科技大学校级大学生创新创业训练项目

201801D221179ACEI2020022019L06532019020160032019JG171201937XJ2019072XJ2020159

2020

机械工程与自动化
山西省机电设计研究院 山西省机械工程学会

机械工程与自动化

影响因子：0.251
ISSN：1672-6413
年,卷(期)：2020.(5)
  • 10