[發明專利]一種金屬老化等級測量方法

在審

• 申請號: 201810963846.3
• 申請日: 2018-08-23
• 公開（公告）號: CN109086547A
• 公開（公告）日: 2018-12-25
• 發明（設計）人: 董美蓉;黃健偉;陸繼東;陸盛資;余移山
• 申請（專利權）人: 華南理工大學
• 主分類號: G06F17/50
• 分類號: G06F17/50;G01N21/71
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 劉巧霞

1.一種金屬老化等級測量方法，其特征在于，包括步驟：

S1、選取多個定標樣品，通過LIBS系統測定并采集等離子體發射光譜數據；

S2、采用遞歸支持向量機算法構建定標分類模型并進行特征選擇，確定重要特征組合并建立金屬老化等級定標分類模型；

S3、通過LIBS系統測定并采集待測金屬樣品的等離子體發射光譜數據；

S4、根據步驟S2確定的重要特征組合提取待測金屬樣品的特征信號，并輸入到優化的分類模型中，得到金屬樣品的老化等級預測值。

2.根據權利要求1所述的金屬老化等級測量方法，其特征在于：所述步驟S1中的定標樣品為經過不同時效試驗或不同服役時間后老化等級不同的金屬樣品，所有定標樣品的光譜數據為n×m維矩陣，其中n為樣品個數，m為光譜特征個數，即：

3.根據權利要求1所述的金屬老化等級測量方法，其特征在于：利用小波變換對步驟S1所得的光譜數據進行去噪聲信號處理。

4.根據權利要求3所述的金屬老化等級測量方法，其特征在于：利用小波變換對光譜數據進行去噪聲信號處理具體步驟為：

S1.1、選擇小波基函數，采用Mallat算法對光譜數據進行多層分解，得到相應的低頻子帶信號系數與高頻子帶信號系數，小波變換的公式如下：

其中，WT(a,τ)為經過小波變換后的小波信號系數，ψ(·)為基本小波函數；a為尺度因子，影響小波基函數的伸縮；τ為平移因子，影響小波基函數的平移尺度；f(t)為光譜信號隨波長的變化；t表示波長；

S1.2、根據零均值的高斯白噪聲特點，計算噪聲的標準偏差并進一步得到小波變換去噪聲的閾值，其計算公式如下：

σ＝MAD/0.6745

其中σ為噪聲信號的標準偏差，MAD為光譜數據分解中高頻子帶信號系數絕對值的中值；

S1.3、使用步驟S1.2得到的閾值對分解的高頻子帶信號進行軟閾值去噪聲處理，并對信號進行重構，得到去噪聲后的光譜信號，軟閾值去噪聲的系數處理規則如下：

其中，W_λ為軟閾值去噪聲后的小波系數；w為小波分解系數；λ為步驟S1.2中確定的閾值；Sgn函數用于返回一個參數，指出輸入變量的正負號。

5.根據權利要求1所述的金屬老化等級測量方法，其特征在于：所述步驟S2具體包括：

S2.1、對定標樣品的光譜數據進行Z-score標準化預處理，其中Z-score標準化的計算公式如下：

x^*＝(x-μ)/δ

其中，x*為進行Z-score標準化后的光譜數據，x為原始的光譜數據，μ為該特征譜線中所有樣品數據的均值，δ為該特征譜線中所有樣品數據的標準差；

S2.2、利用支持向量機模型對定標樣品的光譜數據進行建模，對當前光譜特征組合下的模型平均預測能力進行權重評價；

S2.3、根據步驟S2.2中對各特征譜線的權重評價，將相應的特征譜線按照其權重絕對值大小進行排列，并按比例將權重系數排名靠后的特征譜線剔除，剩下的特征譜線作為新的特征組合用于下一層的模型構建；

S2.4、重復步驟S2.2-S2.3，得到不同特征組合下的模型預測能力，最后選擇預測結果準確率最高的特征譜線組合作為重要特征組合，并基于確定的特征組合建立最優的定標分類模型。

6.根據權利要求5所述的金屬老化等級測量方法，其特征在于：所述步驟2.2中的權重評價方法為基于交叉驗證的模型評價方法。

7.根據權利要求1所述的金屬老化等級測量方法，其特征在于：利用小波變換對步驟S3所得的待測金屬樣品光譜數據進行去噪聲信號處理。