基于PCA和SVM的裂纹声发射识别方法

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。

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: 李力 李骥 张全林

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

会议类型: 国内会议

会议名称: 第十三届全国声发射研讨会

会议地点: 济南

会议语种:中文

页码: 168-174

在线出版日期: 2012-08-01（万方平台首次上网日期，不代表论文的发表时间）