文献类型：期刊文章

作　　者：邱忠超[1,2] 张卫民[2] 高玄怡[3] 张瑞蕾[1]

QIU Zhong-chao;ZHANG Wei-min;GAO Xuan-yi;ZHANG Rui-lei(School of Electronic Science and Control Engineering,Institute of Disaster Prevention,Sanhe, Hebei 065201,China;School of Mechanical Engineering,Beijing Institute of Technology, Beijing 100081,China;School of Information and Electronics,Beijing Institute of Technology, Beijing 100081,China)

机构地区：[1]防灾科技学院电子科学与控制工程学院,河北三河065201 [2]北京理工大学机械与车辆学院,北京100081 [3]北京理工大学信息与电子学院,北京100081

出　　处：《北京理工大学学报》

基　　金：中央高校基本科研业务费专项(ZY20180227);国家自然科学基金资助项目(51275048)

年　　份：2018

卷　　号：38

期　　号：11

起止页码：1101-1104

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、EI、IC、INSPEC、JST、MR、RCCSE、RSC、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：针对疲劳裂纹难以定量识别的问题,提出一种将主成分分析(PCA)和粒子群优化的最小二乘支持向量机(PSO-LSSVM)相结合的建模方法,通过建立漏磁信号与疲劳裂纹宽度、深度之间的非线性映射关系,对疲劳裂纹宽度、深度进行定量识别.搭建漏磁检测系统,采用疲劳拉伸试验制备一系列疲劳裂纹样本,通过疲劳裂纹漏磁定量识别实验,建立漏磁缺陷样本库,对基于PSO-LSSVM的疲劳裂纹漏磁定量识别方法的可行性进行验证.结果表明,该方法能够有效定量识别尺寸小于1mm;疲劳裂纹的宽度、深度,误差在0.1mm左右.

关 键 词：疲劳裂纹  PSO-LSSVM 定量识别  漏磁检测

分 类 号：TG115.28]