[發明專利]一種X射線定向儀缺陷識別的批量處理方法

有效

• 申請號: 201810915378.2
• 申請日: 2018-08-13
• 公開（公告）號: CN109034262B
• 公開（公告）日: 2021-08-31
• 發明（設計）人: 關守平;王玉勇
• 申請（專利權）人: 東北大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G01N23/20
• 代理公司: 沈陽東大知識產權代理有限公司 21109
• 代理人: 劉曉嵐

1.一種X射線定向儀缺陷識別的批量處理方法，其特征在于包括如下步驟：

步驟1：建立單晶晶體回擺曲線樣本庫，包括標準類型的回擺曲線數據樣本和每種缺陷類型的回擺曲線數據樣本，提取該樣本中每條回擺曲線的特征向量，并保存樣本每條回擺曲線的特征向量，作為樣本庫；

步驟2：批量選取n個待測單晶晶體回擺曲線數據，對待測單晶晶體回擺曲線數據提取特征向量，用于表述曲線特征；

步驟3：進行參數初始化，所述參數設置包括：聚類數目c及初始聚類中心V⁰，V⁰為迭代初始值，迭代停止閾值ε，最大迭代次數B，當前迭代次數b，初始化粒子位置PX⁰和速度PV⁰，設粒子的位置表示為PX＝[PX₁,…,PX_Pm]^T，具體為PX_p＝[px_p1,…,px_pc]_c×m,p∈[1,Pm]，粒子的速度表示為PV＝[PV₁,…,PV_Pm]^T，具體為PV_p＝[pv_p1,…,pv_pc]_c×m,p∈[1,Pm]，當前迭代中使得目標函數值最小時的個體最優PX_pbest，群體最優PX_gbest；Pm粒子群數量，m指特征向量維度；

步驟4：使用改進的FCM聚類算法對所有特征向量進行聚類，得到聚類中心，以及所有特征向量對各聚類中心的隸屬度矩陣；其中，改進的FCM聚類算法引入粒子群優化算法，進行迭代，得到優化后的聚類中心，以及所有特征向量與各聚類中心的隸屬度矩陣；

步驟5：計算有效半徑VR＝(VR_k)_c×1，根據數據聚類的判斷準則，篩除異常數據；VR_k為第k個聚類中心的有效半徑，定義為如下公式：

其中，n為樣本總數，c為聚類數目，其數值上與樣本庫樣本總數相等，(VR_k)_c×1指VR_k為c×1維的向量，d_ik表示第i個待測單晶晶體回擺曲線數據特征向量與第k個聚類中心的距離，c₁表示密度影響率，c₂表示對異常數據的判斷的嚴格程度，其中，ρ_k為密度函數，定義第k個聚類中心V_k的密度函數ρ_k為如下公式：

其中，d_ik表示第i個待測單晶晶體回擺曲線數據特征向量與第k個聚類中心的距離；u_ik表示第i個待測單晶晶體回擺曲線數據特征向量屬于第k個聚類中心的隸屬度，公式如下，其中，s為模糊指數；

其中，X_i為第i個待測單晶晶體回擺曲線數據，V_k為第k個聚類中心的隸屬度，t≠k，指一種特殊情況，如果一條曲線和聚類中心距離為0則隸屬度為1，那么和除了這條曲線t不等于k的中心的隸屬度為0；

對數據聚類的判斷準則如下：

若且h≠k，滿足d_ik≤VR_k且u_ik≥u_ih,k≠h時，則第i個數據歸屬于第k類；

若滿足d_ik≥VR_k時，此時第i個數據屬于異常數據；

步驟6：使用改進的模糊傳遞閉包聚類算法對得到的聚類中心進行缺陷類型識別，進而得出所有待測單晶晶體回擺曲線對應的缺陷類型及其相似度；其中，改進的模糊傳遞閉包聚類算法改進了模糊相似矩陣，定義模糊相似矩陣為R＝(r_ab)，其中：

其中，r_ab為相似度，m為特征向量維度，x_0j為取峰值不變的晶體衍射曲線數據為曲線的0相似度標準，即任何單晶材料曲線與其相似度均為0；x_aj和x_bj分別為第a個和第b個單晶晶體回擺曲線數據第j個特征，value_ab為批量選取第a條和第b條回擺曲線數據特征向量的歐氏距離，和第a條回擺曲線數據特征向量與零標準曲線的特征向量歐氏距離的相對值，β為經驗參數。