[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

本發明公開了一種基于支持向量機的鋼錠中缺陷超聲信號識別方法，屬于超聲無損檢測領域，該方法基于支持向量機算法，通過高斯徑向基核函數對鋼錠中缺陷超聲信號的特征參數向量矩陣進行數據處理，將原低維空間中線性不可分的數據點映射到高維空間使其線性可分，之后構造一個最優的分類超平面，使得在該平面兩側，距離平面最近的不同類數據間的距離最大化，從而實現對不同信號的正確分類。在識別過程中為提高信號識別率，對信號的特征參數和支持向量機系統參數進行了優選。

技術領域

本發明屬于超聲無損檢測領域，具體涉及一種基于支持向量機的鋼錠中缺陷超聲信號識別方法，適用于鋼錠的超聲檢測中的缺陷信號的識別分類問題。

背景技術

隨著冶金、石油、石化、航天、造船等工業的發展，鋼材產品的需求量在不斷增加，因此對鋼錠的數量要求和質量要求也相應提高。鋼錠中一旦出現質量缺陷，必將直接影響到后續的軋制和鍛造過程甚至是鋼材成品質量。因此，及時檢測出鋼錠中的缺陷并修復能夠彌補的缺陷，最大程度的降低經濟損失，已經成為鋼錠生產過程中不可或缺的重要環節。

鋼錠由于體積和尺寸比較大，生產工藝復雜，因此在生產過程中容易產生縮孔、疏松、偏析等多種類型的缺陷。其中對鋼錠質量影響較大的為縮孔和疏松缺陷。因為縮孔和疏松這兩類缺陷屬于孔隙類缺陷會破壞其金屬基體的連續性，容易形成應力集中與裂紋源，且在后續的加工過程中不易消除，因此在檢測時重點對這兩類典型缺陷進行檢測分析。

超聲檢測是一種對人體無危害、對環境無污染的檢測方法。超聲檢測對構件件中各種類型的缺陷都有比較高的靈敏性，而且檢測效率高，容易開發便攜式儀器，操作方便，易于實現自動化。因此，超聲波檢測是目前金屬構件無損檢測過程中應用最多、最廣泛的檢測方法。

由于不同類型的缺陷對鋼錠結構的完整性有著不同的影響。因此需要根據缺陷類型來對確定其對鋼錠的危害性，這就要求在對缺陷進行超聲檢測時，在定位的檢測的基礎上還要對缺陷的類別進行識別。在當前的工業檢測當中，對鋼錠中缺陷的類型識別大多依靠現場檢測人員根據積累的經驗對缺陷進行識別。這就使得檢測結果受人為因素的影響很大，可靠性不高。

隨著科技的快速發展，基于機器學習的智能識別方法開始被應用于語音識別、圖像識別等多個領域，常用的機器算法有神經網絡、支持向量機、隨機森林等。其中，支持向量機作為一種基于統計學VC維理論和結構風險最小化原理基礎上發展而來的一種機器學習算法，可以有效避免傳統統計學方法中的維數災難、非線性和局部最小值等問題。并且由于其在對小樣本學習問題上的優越性使其不需要利用樣本趨向無窮大的漸進性條件，使其即使在小樣本條件下仍能夠找到學習問題的最優解，實現較好的識別分類效果。

發明內容

針對鋼錠中典型缺陷的超聲檢測信號波形復雜，缺陷類型識別困難問題，本發明提出一種基于支持向量機的鋼錠中缺陷超聲信號的識別方法。通過該識別方法可以較為快速準確的對鋼錠典型缺陷信號進行類型識別。

本發明提出的基于支持向量機的鋼錠中缺陷超聲信號識別方法，其基本原理在于：

基于支持向量機算法，通過核函數將原低維空間中線性不可分的信號數據點映射到高維空間使其線性可分，之后構造一個最優的分類超平面，使得在該平面兩側，距離平面最近的不同類數據間的距離最大化，從而實現對信號的正確分類。

支持向量機進行識別分類的信號是以超聲檢測信號的特征參數向量矩陣形式輸入的，因此信號特征參數的提取是進行缺陷類型識別的基礎。對于缺陷識別系統，選取的特征參數若能代表缺陷信號的典型特點，使不同類型缺陷之間表現出的差異性越大，則識別系統的識別率就越高，因此特征參數的選取對分類器缺陷識別的性能至關重要。