文献

J-GLOBAL ID：202102222769204580   整理番号：21A0317780

機械学習に基づくパイプライン金属損失欠陥同定手法【JST・京大機械翻訳】

Recognition Method of Pipeline Metal Loss Defects Based on Machine Learning

著者 (5件)： Zhao Hanxue (中国石油大学(北京)机械与儲運工程学院) ,  Zhang Mi (中国石油大学(北京)机械与儲運工程学院) ,  Guo Yanbao (中国石油大学(北京)机械与儲運工程学院) ,  Wang Deguo (中国石油大学(北京)机械与儲運工程学院) ,  He Renyang (中国特種設備検測研究院)
資料名： Shiyou Jixie  (Shiyou Jixie)
巻： 48  号： 12  ページ： 138-145  発行年： 2020年 
JST資料番号： C4226A  ISSN： 1001-4578  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 石化パイプラインの漏れ磁気検出における欠陥の識別が難しいという問題に対して、まず、パイプ金属損失欠陥の類型を分類し、定量化し、岩石化パイプの金属損失欠陥の漏れ磁気測定の三次元有限要素モデルを作り、Maxwellを用いて1000組の欠陥に対して漏れ磁気シミュレーションを行い、漏れ磁気信号データを得た。次に,漏れ磁束信号と欠陥タイプとサイズの間の関係を解析し,漏れ磁束検出信号の4つの固有値を抽出し,欠陥タイプ同定に対する固有値の効果を検証した。最後に,サポートベクトルマシン,ランダムフォレスト,および勾配リフティングディシジョンツリー(GBDT)の3つの機械学習アルゴリズムを採用して,欠陥信号の特徴を分類した。研究結果により、3種類のアルゴリズムは欠陥に対する分類識別効果が良く、特にGBDTアルゴリズムは既存のデータ範囲内で100%の認識率を達成した。研究結果は,石油化学パイプラインの健全性評価のためのいくつかの指針を提供する。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  固有値 ,  磁気測定 ,  シミュレーション ,  岩石 ,  石油化学 ,  磁気 ,  漏れ磁束 ,  *機械学習 ,  学習アルゴリズム ,  サポートベクトルマシン
準シソーラス用語： 認識率 ,  健全性評価 ,  ランダムフォレスト ,  三次元有限要素モデル , 【Automatic Indexing@JST】

分類 (1件)： 非破壊試験  (HB02030F)

タイトルに関連する用語 (6件)： 機械学習 ,  パイプライン ,  損失 ,  欠陥 ,  同定 ,  手法