基于XGBoost的管道防腐层裂纹损伤识别算法研究
2023,31(5):14-20
摘要：埋地管道因为在长期服役后防腐层产生的裂纹易导致管道金属层受到损害，为了避免损伤造成管道泄漏，有必要建立管道防腐层裂纹损伤识别智能化平台。通过引入集合经验模态分解，提取管道防腐层结构在裂纹损伤状态下的频域特征值并构建裂纹损伤数据系统。依次利用孤立森林、缺失森林和核主成分分析对损伤数据进行异常检测、数据补全和特征降维优化，构建适于管道防腐层裂纹损伤识别的extreme gradient boosting（XGBoost）模型。研究表明：基于XGBoost的管道防腐层裂纹损伤识别模型可准确地对裂纹长度进行有效检测，与gradient boosting decision tree（GBDT）和随机森林算法相比，其决定系数最大且均方误差最小，裂纹长度识别误差保持在4.37厘米以内，为管道防腐层结构健康检测和安全运输提供了有效的识别方法。
关键词：管道防腐层检测；裂纹长度识别；孤立森林；缺失森林；核主成分分析；极端梯度提升树；集合经验模态分解；频域特征值
Research on crack damage identification algorithm of pipeline anticorrosion coating based on XGBoost
Key words：Inspection of pipeline anticorrosion coating；Crack length identification；Isolation Forest；Miss Forest；Kernel Principal Component Analysis；eXtreme Gradient Boosting；Ensemble Empirical Mode Decompositio
收稿日期：2022-09-02
基金项目：辽宁省教育厅研究经费项目（LQGD2020021)
