模型辅助检测概率(model-assisted probability of detection,MAPoD)和灵敏度分析对于量化涡流无损检测(eddy current nondestructive testing,ECNDT)系统的检测能力非常重要。由于不确定性在涡流无损检测的MAPoD和SA问题中的传播,传统...模型辅助检测概率(model-assisted probability of detection,MAPoD)和灵敏度分析对于量化涡流无损检测(eddy current nondestructive testing,ECNDT)系统的检测能力非常重要。由于不确定性在涡流无损检测的MAPoD和SA问题中的传播,传统基于实验方法和物理仿真模型对该问题的分析需要耗费大量的时间和人力成本,为了降低这些成本,提出基于粒子群算法(particle swarm optimization,PSO)的支持向量回归(support vector regression,SVR)模型取代传统的实验方法以及物理仿真模型,对涡流无损检测模型的响应进行预测,从而加速MAPoD和SA问题的分析。此外,创新性地将网格搜索、随机搜索、模拟退火算法和PSO等优化算法与SVR相结合,研究不同的优化算法对SVR的关键参数优化的精度和效率,验证PSO相较于其他优化算法的性能优势。最后,将PSO-SVR模型应用于ECNDT算例中,对表面裂缝长度的不确定性进行MAPoD和SA的分析。结果表明,所提算法在保证求解精度的同时,加速了涡流无损检测系统的MAPoD和SA问题的研究,并减少了计算开销。在计算量方面,对这两个问题的求解,平均分别仅需纯物理模型计算量的3.5%和0.06%。展开更多
文摘模型辅助检测概率(model-assisted probability of detection,MAPoD)和灵敏度分析对于量化涡流无损检测(eddy current nondestructive testing,ECNDT)系统的检测能力非常重要。由于不确定性在涡流无损检测的MAPoD和SA问题中的传播,传统基于实验方法和物理仿真模型对该问题的分析需要耗费大量的时间和人力成本,为了降低这些成本,提出基于粒子群算法(particle swarm optimization,PSO)的支持向量回归(support vector regression,SVR)模型取代传统的实验方法以及物理仿真模型,对涡流无损检测模型的响应进行预测,从而加速MAPoD和SA问题的分析。此外,创新性地将网格搜索、随机搜索、模拟退火算法和PSO等优化算法与SVR相结合,研究不同的优化算法对SVR的关键参数优化的精度和效率,验证PSO相较于其他优化算法的性能优势。最后,将PSO-SVR模型应用于ECNDT算例中,对表面裂缝长度的不确定性进行MAPoD和SA的分析。结果表明,所提算法在保证求解精度的同时,加速了涡流无损检测系统的MAPoD和SA问题的研究,并减少了计算开销。在计算量方面,对这两个问题的求解,平均分别仅需纯物理模型计算量的3.5%和0.06%。
