储罐作为石油石化等领域不可替代的储存器,对我国经济的发展起着至关重要的作用。储罐处于工作状态时,各种因素作用下在储罐的一些位置就会产生缺陷,这会严重威胁到储罐的安全运行,处理不慎就会给企业带来重大经济损失,造成严重的环境污染,甚至人员伤亡。所以,对储罐进行缺陷检测就是一个非常重要的工作。在缺陷检测方法中,漏磁检测则是储罐缺陷检测中一个行之有效的方法,其后期的信号分类识别是一个非常重要的环节。本文对缺陷漏磁信号分类识别过程中涉及到的信号的预处理、特征提取、特征选择、分类器的选择与优化设计展开细致的研究。具体的研究工作如下:1.查阅国内外该研究领域的文献并总结分析。针对缺陷漏磁信号的分类识别,查阅大量国内外文献,并总结了到目前为止该领域的研究进展,以及存在的问题。基于当前研究存在的一些问题,提出了本文的研究思路。2.基本理论的分析与研究。就缺陷漏磁信号分类识别中涉及到的预处理、特征提取与选择、分类器选择与优化设计的相关基本理论展开研究。在预处理和分类器选择与优化设计中会应用到遗传算法,所以对遗传算法在这两面的应用和相应的基础理论也进行了分析与研究。3.信号的预处理研究。基于小波包分析对缺陷漏磁信号进行预处理展开研究。其中涉及到小波包基函数的最优选取、小波包分解最佳分解层数的确定、阈值准则的设计与选择,依据信噪比与均方根误差作为该三部分的评价指标。最终得出采用coif2小波包基函数进行4层分解,并采用改进的遗传算法阈值准则可获取最优预处理效果。4.特征提取与选择研究。对经过预处理的缺陷漏磁信号采用傅里叶变换和小波包变换进行特征提取。因为提取的众多特征中必然存在冗余,所以对提取的特征基于主成分分析与偏最小二乘法的联合分析剔除掉冗余特征。最终筛选出有效特征数据集,随之将其输入分类器。5.分类器的选择与优化设计研究。选择BP神经网络作为缺陷漏磁信号分类识别的分类器,然后通过对该神经网络模型的分类性能影响因素进行分析,选择其中的权值阈值和激活函数进行优化设计。最终得出基于改进遗传算法对权值阈值进行优化,采用设计的激活函数作为隐含层激活函数,采用purelin函数作为输出层激活函数时,网络的分类性能最优,并将其应用于缺陷漏磁信号分类识别中,得出分类识别结果。综上所述,本文对缺陷漏磁信号的分类识别中的预处理、特征提取与选择和BP神经网络分类器进行了研究,具有一定的参考和应用价值。