[發明專利]基于決策樹的焊接缺陷巨磁電阻渦流檢測方法及檢測裝置

有效

• 申請號: 201410008935.4
• 申請日: 2014-01-07
• 公開（公告）號: CN103760231B
• 公開（公告）日: 2016-11-23
• 發明（設計）人: 王超;李旸;高鵬;支亞
• 申請（專利權）人: 天津大學
• 主分類號: G01N27/90
• 分類號: G01N27/90
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 程毓英

1.一種基于決策樹的焊接缺陷巨磁電阻渦流檢測裝置，包括一個矩形線圈、交流激勵電壓產生電路、四個相同的巨磁電阻傳感器、信號調理電路、數據采集模塊、分析計算模塊，其中，交流激勵電壓產生電路的輸出連接到矩形線圈；四個巨磁電阻傳感器排列成一條直線固定在矩形線圈的底部；巨磁電阻的敏感軸方向平行于矩形線圈的導線，使得矩形線圈產生的一次磁場方向垂直于巨磁電阻的敏感軸方向；矩形線圈的內部放置一塊永磁鐵，用于對磁場進行偏置；四個巨磁電阻的輸出分別連接信號調理電路的不同的通道，信號調理電路用于對巨磁電阻的輸出信號進行濾波及放大；經過調理后的信號經過數據采集模塊輸入到分析計算模塊，分析計算模塊用于解調檢測到的四路通道信號的實部數據，并根據實部數據檢測是否存在焊接缺陷。

2.一種采用權利要求1所述的電渦流焊接檢測裝置實現的基于決策樹的焊接缺陷巨磁電阻渦流檢測方法，包括下列步驟：

（1）獲取學習樣本：對良好焊縫和不同種類缺陷焊縫進行編號，分別采集良好焊縫和不同缺陷焊縫的四輸出通道數據（x₁，x₂，x₃，x₄），計算同一時刻下的四路信號相互之間的峰峰值V_pp、方差Var和斜率變化kk；

（2）在步驟（1）得到的學習樣本的基礎上，基于各組學習樣本的峰峰值V_pp、方差Var和斜率變化kk，構造訓練樣本特征量分布表：

其中，U稱為樣本集，X₁～X_n為各訓練樣本；C為樣本特征量集，其中C₁,C₂,C₃依次為四路信號相互之間的峰峰值V_pp、方差Var和斜率變化kk；D為類型決策集，元素為D₁,D₂,D₃，依次為良好焊縫，含氣孔焊縫和未焊透焊縫；C_ij(i＝1,2,3,j＝1,2...n)為各個樣本特征量的取值；

（3）對訓練樣本特征量分布表中的各個樣本特征量的取值C_ij(i＝1,2,3,j＝1,2...n)的連續數據采用基于最小熵原理的離散化算法進行離散化，得到離散化診斷決策表：

其中,aij=1Cij≤P1i2P1i<Cij≤P2i(i=1,2,3,j=1,2...n),3Cij>P2i]]>P1_i，P2_i為基于最小熵原理的離散化算法獲得的兩個斷點值；C₁',C₂',C₃'依次為C₁,C₂,C₃離散化之后的數值。

（4）利用C4.5算法對離散化診斷決策表進行分析，計算C₁',C₂',C₃'三個特征量各自的信息增益率，選擇信息增益率最大的特征量作為第一個根節點，對各分支重復利用C4.5算法，根據離散化診斷決策表中各特征量的a_ij值確定if…then診斷規則，建立的決策樹模型，輸入節點，即根節點為C₁',C₂',C₃'三個特征量中信息增益率最大的特征量，輸出節點為三種樣本類型D₁,D₂,D₃，中間層節點及分支情況由訓練樣本數據確定的if…then規則生成；

（5）樣本測試：測試待測焊縫的四通道輸出數據（x₁，x₂，x₃，x₄），計算待測焊縫的峰峰值、方差和斜率變化，分別記作C₁,C₂,C₃，采用步驟（3）的方法對其離散化處理，依次記作C₁',C₂',C₃'，并輸入步驟（4）訓練好的決策樹模型，經過各層節點的分類選擇，得到焊縫的分類結果。