[發明專利]基于進化模糊最大最小神經網絡的管道新缺陷識別方法

在審

• 申請號: 201910586223.3
• 申請日: 2019-07-01
• 公開（公告）號: CN110390355A
• 公開（公告）日: 2019-10-29
• 發明（設計）人: 劉金海;馬艷娟;臧東;曲福明;馬大中;朱和貴
• 申請（專利權）人: 東北大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;F17D5/00
• 代理公司: 沈陽優普達知識產權代理事務所(特殊普通合伙) 21234
• 代理人: 李曉光

1.一種基于進化模糊最大最小神經網絡的管道新缺陷識別方法，其特征在于：在現有模型基礎上能夠進行繼續訓練，包括以下幾個步驟：

1)利用管道的原有標記樣本建立源模型；

2)在新測得到標記數據集合中篩選出新深度標記樣本子集D_new；

3)在源模型基礎上，利用新標記子集D_new進行繼續訓練，建立新標記樣本識別模型；

4)利用已經訓練好的新模型進行管道缺陷識別。

2.根據權利要求1所述的基于進化模糊最大最小神經網絡的管道新缺陷識別方法，其特征在于步驟1)中，利用管道的原有標記樣本建立源模型，具體包括以下步驟：

101)初始化算法參數

θ＝0.1,γ＝4,V₁＝W₁＝x₁ (1)

其中，θ是約束系數，γ是敏感度參數，V₁,W₁分別是第一個超盒的最大點和最小點，x₁為第一個輸入樣本；

102)從第二個源數據樣本開始，逐一輸入樣本數據，表示為x_h,(h≥2)；

103)計算各源數據樣本屬于當前超盒的隸屬度B_j，尋找具有優先擴充資格的超盒，其中擁有最大隸屬度的超盒為具有優先擴充權利的超盒；隸屬度B_j的計算公式如下：

B_j＝{X,V_j,W_j,b_j} (2)

其中，X為輸入樣本，V_j,W_j是指第j個超盒的最大值點以及最小值點，b_j為隸屬度函數，定義如下：

其中，n為特征維度，i為特征維度中的任一維度，f(x,γ)為衰減函數，其定義如下:

104)判斷是否滿足擴充條件，如滿足擴充條件，則擴充并更新該超盒；擴充規則如公式(5)所示：

超盒更新規則如公式(6)所示：

105)判斷是否所有樣本全部執行完畢，若是，執行步驟106)；

106)在不同分類之間進行進行重疊測試；

107)如果不同分類之間存在重疊，則進行重疊消除；

108)所有樣本處理完畢后，得到輸出二進制值矩陣U，其中U計算入公式(8)所示：

類c_k的計算公式如公式(9)所示：

其中，j＝1，2，……m是超盒的個數，u_jk是二進制值矩陣U中的值。

c_k是類向量C中的值。

3.根據權利要求2所述的基于進化模糊最大最小神經網絡的管道新缺陷識別方法，其特征在于步驟105)判斷是否所有樣本全部執行完畢，若沒有全部執行完畢，則循環執行步驟102)－104)。

4.根據權利要求2所述的基于進化模糊最大最小神經網絡的管道新缺陷識別方法，其特征在于步驟106)中重疊測試條件如下：

case1:V_ji＜V_ki＜W_ji＜W_ki

case2:V_ki＜V_ji＜W_ki＜W_ji

case3:V_ji＜V_ki＜W_ki＜W_ji

case4:V_ki＜V_ji＜W_ji＜W_ki (9)

其中，V_ki,W_ki為第k個超盒的最大點與最小點，V_ji,W_ji為第j個超盒的最大值點與最小值點。