[发明专利]一种基于神经网络和导波特征数据库的管道缺陷类别判别方法

摘要

本发明公开了一种基于神经网络和导波特征数据库的管道缺陷类别判别方法，包括步骤1，对管道的类型和状态进行分类，设计m种缺陷；步骤2，建立与每种缺陷对应的特征向量Fv；步骤3，建立导波特征数据库；步骤4，提取数据库中的n个特征向量Fv，构成输入矩阵A；步骤5，对A进行BP神经网络训练，输出标准输出矩阵B，B包含n个m行1列的类别向量Fvc；步骤6，对待测管道进行导波检测，构建特征向量fv；步骤7，利用fv构成输入矩阵A1；步骤8，将A1进行BP神经网络训练，输出向量fvc；步骤9，求出fvc与各类别的Fvc之间的欧氏距离ei(i＝1,2,…,m)；步骤10，求出最小的ei，此ei对应的第i类缺陷即为判别结果。本发明实现了管道缺陷自动化判别，提高检测效率。

主权项

一种基于神经网络和导波特征数据库的管道缺陷类别判别方法，其特征在于，包括如下步骤：步骤1，对管道的类型和状态进行分类，对每种管道设计不同的缺陷或自然缺陷，分m种缺陷；步骤2，对每个带缺陷的管道采集n组检测数据进行信息处理，对每组检测数据提取特征参数，利用特征参数构成特征向量Fv；步骤3，将n个特征向量导入数据库中，建立导波特征数据库；步骤4，从导波特征数据库提取n个特征向量Fv，构成输入矩阵A；步骤5，将输入矩阵A进行BP神经网络训练，训练后输出为标准输出矩阵B，标准输出矩阵B中包含了n个m行1列的类别向量Fvc，B中每一列的Fvc和A中每一列的Fv一一对应，Fvc由m种不同的形式，依次为[1；0；0；…；0]，[0；1；0；…；0]，[0；0；1；…；0]，……，[0；0；0；…；1]；步骤6，对待测管道进行导波检测，提取此管道的测量数据，构成特征向量fv；步骤7，利用特征向量fv，构成输入矩阵A1；步骤8，将输入矩阵A1进行BP神经网络训练，训练后输出向量fvc，所述fvc是一个m行1列的向量，并且与Fvc格式相同；步骤9，求出fvc与各类别的Fvc之间的欧氏距离并依次标记为e1,e2,e3,…ei…em，ei(i＝1,2,…,m)依次与m种管道缺陷一一对应；步骤10，求出最小的ei，此ei所对应的第i类缺陷即为判别的结果。