[發(fā)明專利]一種基于支持向量機(jī)的電化學(xué)噪聲腐蝕類型判別方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201410849135.5
• 申請(qǐng)日: 2014-12-31
• 公開（公告）號(hào): CN104502267A
• 公開（公告）日: 2015-04-08
• 發(fā)明（設(shè)計(jì)）人: 李健;張宇;孔偉康;陳冠任;鄭煥軍
• 申請(qǐng)（專利權(quán)）人: 天津大學(xué)
• 主分類號(hào): G01N17/02
• 分類號(hào): G01N17/02
• 代理公司: 天津才智專利商標(biāo)代理有限公司12108
• 代理人: 龐學(xué)欣

1.一種基于支持向量機(jī)的電化學(xué)噪聲腐蝕類型判別方法，其特征在于：所述的基于支持向量機(jī)的電化學(xué)噪聲腐蝕類型判別方法包括按順序進(jìn)行的下列步驟：

步驟1)建立輸入特征向量：對(duì)從電化學(xué)噪聲腐蝕實(shí)驗(yàn)得到的電化學(xué)噪聲信號(hào)數(shù)據(jù)進(jìn)行整理，并由此建立輸入特征向量；

步驟2)分集處理：將輸入特征向量分為訓(xùn)練集80％和測(cè)試集20％；

步驟3)尋找最佳的SVM參數(shù)：由于SVM使用交叉驗(yàn)證方法，在訓(xùn)練過(guò)程中取不同的懲罰參數(shù)c與核函數(shù)參數(shù)g，計(jì)算其均分交叉驗(yàn)證的平均精度；當(dāng)平均精度達(dá)到最大時(shí)的懲罰參數(shù)c與核函數(shù)參數(shù)g被認(rèn)為是最佳的SVM參數(shù)；

步驟4)通過(guò)訓(xùn)練集訓(xùn)練得到最佳的SVM模型：將上述得到的最佳懲罰參數(shù)c與核函數(shù)參數(shù)代入訓(xùn)練集進(jìn)行訓(xùn)練而得到最佳的SVM模型；

步驟5)利用SVM模型預(yù)測(cè)電化學(xué)噪聲腐蝕類型：利用上述SVM模型去預(yù)測(cè)測(cè)試集而得到電化學(xué)噪聲腐蝕類型的預(yù)測(cè)結(jié)果。

2.根據(jù)權(quán)利要求1所述的基于支持向量機(jī)的電化學(xué)噪聲腐蝕類型判別方法，其特征在于：在步驟1)中，所述的建立輸入特征向量的方法如下：

步驟1.1)提煉不同腐蝕類型的典型電化學(xué)噪聲信號(hào)：根據(jù)電化學(xué)噪聲在時(shí)域圖中的腐蝕將其區(qū)分為點(diǎn)蝕、均勻腐蝕和鈍化三種腐蝕類型；不同的腐蝕類型其表現(xiàn)的電化學(xué)噪聲在時(shí)域圖上有很大區(qū)別；當(dāng)發(fā)生點(diǎn)蝕時(shí)，電流噪聲和電壓噪聲會(huì)出現(xiàn)明顯的暫態(tài)峰；當(dāng)發(fā)生鈍化或者均勻腐蝕時(shí)，電流噪聲和電壓噪聲則表現(xiàn)為高頻的無(wú)規(guī)律的振蕩；

步驟1.2)數(shù)據(jù)分組：將采集得到的實(shí)驗(yàn)數(shù)據(jù)按1024個(gè)點(diǎn)為一單位進(jìn)行數(shù)據(jù)切割，即每512秒存一個(gè)單獨(dú)小文件，文件名按時(shí)間疊加，則可以得到大量的各種腐蝕的數(shù)據(jù)；

步驟1.3)提取每組數(shù)據(jù)各個(gè)特征參數(shù)：對(duì)這些所有小文件中每種腐蝕類型隨機(jī)選取上百組數(shù)據(jù)，批處理這些數(shù)據(jù)，得到每組數(shù)據(jù)各個(gè)特征參數(shù)的值；

步驟1.4)組成輸入特征向量：通過(guò)計(jì)算各組的電化學(xué)信號(hào)特征值，得到了上百組樣本的值；將每組樣本的10項(xiàng)參數(shù)按噪聲電阻、特征電荷、特征頻率、小波歸一化能量d1～d7層的能量比的順序組成一組特征向量，上百組樣本值可得到上百組不同的特征向量。

3.根據(jù)權(quán)利要求1所述的基于支持向量機(jī)的電化學(xué)噪聲腐蝕類型判別方法，其特征在于：在步驟3)中，所述的尋找最佳的SVM參數(shù)的方法是：首先采用大間隔去找到懲罰參數(shù)c與核函數(shù)參數(shù)g最佳值的大致位置，然后再在該最佳位置附近采用小間隔去尋找最佳懲罰參數(shù)c與核函數(shù)參數(shù)g。