[發明專利]基于孿生支持向量機的水輪機轉輪葉片裂紋識別方法、系統、設備及存儲介質

在審

• 申請號: 202011053144.5
• 申請日: 2020-09-29
• 公開（公告）號: CN112116587A
• 公開（公告）日: 2020-12-22
• 發明（設計）人: 王鵬;朱紅波;秦承鵬;李東江;何虎昌;蔡暉;江雄;郎梼;李梁;王強;賈若飛;王志強;王銘輝;王福貴;袁東;劉加將;侯召堂;陳征
• 申請（專利權）人: 西安熱工研究院有限公司;四川華能康定水電有限責任公司;華能集團技術創新中心有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/46;G06K9/62
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 房鑫

1.一種基于孿生支持向量機的水輪機轉輪葉片裂紋識別方法，其特征在于，包括下述步驟：

對水輪機轉輪葉片表面進行檢測，得原始檢測圖片，再采用圖像處理技術對原始檢測圖片進行提取，再根據提取的RGB數據構建可讀矩陣，然后對可讀矩陣進行特征提取，再將提取的特征通過核局部投影算法進行數據融合降維，得特征矩陣，最后基于孿生支持向量機構建分類模型，再利用特征矩陣對分類模型進行訓練及測試，然后利用訓練及測試后的分類模型自動識別水輪機轉輪葉片的裂紋故障。

2.根據權利要求1所述的基于孿生支持向量機的水輪機轉輪葉片裂紋識別方法，其特征在于，具體包括以下步驟：

1)利用渦流探傷儀檢測水輪機轉輪葉片表面，得原始檢測圖片；

2)對原始檢測圖片進行圖像處理，以提取RGB數據，然后將提取的RGB數據轉換為可讀矩陣；

3)從可讀矩陣中進行特征提取，再通過核局部投影算法進行數據融合降維，得特征矩陣；

4)基于孿生支持向量機構建分類模型，利用已知裂紋故障對應的特征矩陣、正常部分對應的特征矩陣及焊接區對應的特征矩陣對分類模型進行訓練及檢測；

5)利用訓練及檢測后的分類模型自動識別水輪機轉輪葉片的裂紋故障。

3.根據權利要求2所述的基于孿生支持向量機的水輪機轉輪葉片裂紋識別方法，步驟3)的具體操作為：

以可讀矩陣X＝[x₁,x₂,L,x_n]為輸入，利用非線性映射函數將其由原始輸入空間映射到高維特征空間,在高維特征空間中對可讀矩陣進行分解，得投影向量γ，其中，狀態向量的低維表示為投影向量γ通過求解式(1)得到：

其中，D為對角矩陣，L為拉普拉斯矩陣；

得核局部投影算法的廣義特征值方程為：

投影向量γ由狀態特征空間中的狀態矩陣線性表示為：

其中，β表示核局部投影算法權值向量，利用核矩陣將該廣義特征值方程轉化為：

KLKβ＝μKDKβ (4)

求解式(4)，得β，再根據β計算投影向量γ，則核局部投影算法求得的投影矩陣為：

則投影矩陣P對應的特征矩陣A為：

A＝P(:,1) (6)。

4.根據權利要求2所述的基于孿生支持向量機的水輪機轉輪葉片裂紋識別方法，步驟4)的具體操作過程為：

41)對特征矩陣A配備相應的標簽矩陣B；

42)構造一對孿生的優化問題為：

其中，為優化目標，s.t.-(Bw₁+e₂b₁)+ξ≥e₂,ξ≥0為優化條件，w₁和w₂為支持向量機超平面的法向量，e₁和e₂分別為維數為n₊和n_-單位列向量，C₁和C₂為懲罰因子，ξ和η分別為兩類的松弛向量，式(8)為與式(7)相匹配的孿生優化目標及條件；

向式(7)及式(8)中引入拉格朗日算子γ₁、γ₂、β₁及β₂，同時將優化條件引入到優化目標中，得拉格朗日函數為：

利用拉格朗日函數在鞍點處求導為零，對孿生優化問題進行求解，輸入新的檢測數據x，利用公式(11)進行測試：

其中，K(A,x)表示核函數。