[發明專利]一種基于支持向量機的鋼錠中缺陷超聲信號識別方法

在審

• 申請號: 202010706600.5
• 申請日: 2020-07-21
• 公開（公告）號: CN112668382A
• 公開（公告）日: 2021-04-16
• 發明（設計）人: 焦敬品;周通;陳昌華
• 申請（專利權）人: 北京工業大學;南京迪威爾高端制造股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N20/10;G01N29/44;G01N29/46
• 代理公司: 北京思海天達知識產權代理有限公司 11203
• 代理人: 沈波

1.基于支持向量機的鋼錠中缺陷超聲信號識別方法，其特征在于：該方法是通過以下步驟實現的：

1)對待分析的鋼錠超聲檢測信號進行降噪處理并提取特征參數，利用該特征量構造特征參數向量矩陣；

2)確定支持向量機核函數，選取最優系統參數；

3)將訓練樣本的特征參數向量矩陣輸入到支持向量機分類器中進行訓練學習，獲得支持向量機分類模型；

4)將待識別的測試樣本的特征參數向量矩陣輸入到已訓練好的支持向量機分類模型中，進行信號的分類識別，并輸出識別結果。

2.根據權利要求1所述的基于支持向量機的鋼錠中缺陷超聲信號識別方法，其特征在于：實驗裝置系統圖搭建實驗系統，包括計算機、DPR500超聲脈沖發射接收器、超聲探頭、數字示波器以及前置放大器；超聲探頭選用汕超1Z30N探頭，探頭中心頻率為1MHz，探頭直徑均為30mm，激勵信號為負尖波脈沖，采樣頻率為10MHz；超聲探頭正對待測鋼錠試件，超聲探頭通過前置放大器與DPR500超聲脈沖發射接收器連接，DPR500超聲脈沖發射接收器分別與計算機和數字示波器連接。

3.根據權利要求2所述的基于支持向量機的鋼錠中缺陷超聲信號識別方法，其特征在于：對待測鋼錠試件中缺陷進行檢測，共采集120組不同類型信號并設置標簽，對這120組信號采用頻域奇異值分解算法降噪處理后提取12類特征參數，以此構建特征參數向量矩陣；將這120信號中80組作為訓練集樣本來構建支持向量機分類器，40組作為待識別的測試集樣本來驗證本識別方法的識別準確率。

4.根據權利要求3所述的基于支持向量機的鋼錠中缺陷超聲信號識別方法，其特征在于：從80組訓練集樣本作為K-CV尋優算法方法的原始數據；懲罰參數c和核參數g的具體選取步驟為：1)首先設置c和g的取值范圍，設置為[2^-5,2⁵],取值間隔設置為2^x，x∈[-5,5]；2)選取不同組合的c和g參數后，把80組訓練集樣本作為原始數據，利用K-CV方法分為8組來計算訓練集驗證分類準確率；3)最終選取使得訓練集驗證分類準確率最高的c和g的值作為最佳系統參數。

5.根據權利要求4所述的基于支持向量機的鋼錠中缺陷超聲信號識別方法，其特征在于：在確定支持向量機的核函數和系統參數后，將80組訓練集樣本導入支持向量機分類器中進行訓練，最終得到已訓練的支持向量機分類模型。

6.根據權利要求5所述的基于支持向量機的鋼錠中缺陷超聲信號識別方法，其特征在于：對40組待識別的測試集樣本進行編號，無缺陷樣本對應編號為1～15；縮孔缺陷樣本對應編號為16～25；疏松缺陷樣本對應編號為26～50；將測試集樣本導入已訓練支持向量機分類模型中。