[發明專利]一種基于特征元素定量分析的金屬材料快速分類檢測方法

在審

• 申請號: 202110063802.7
• 申請日: 2021-01-18
• 公開（公告）號: CN112801152A
• 公開（公告）日: 2021-05-14
• 發明（設計）人: 曹穎;韓克甲;李洪偉;張立婷;張文濤
• 申請（專利權）人: 曹穎
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/06;G06N3/08
• 代理公司: 北京久維律師事務所 11582
• 代理人: 邢江峰

1.一種基于特征元素定量分析的金屬材料快速分類檢測方法，其特征在于：包括以下步驟；

步驟一、根據金屬材料的元素含量信息建立金屬材料狀態多源信息數據庫，并將金屬材料的元素含量分為0-1五種狀態；

步驟二、從上述金屬材料狀態多源信息數據庫中確定影響金屬材料運行狀態的主要因素，將其作為BP神經網絡模型的輸入層神經元并構建學習樣本；

步驟三、建立以BP算法為基礎的三層神經網絡，包括輸入層、隱含層和輸出層；其中輸出層含有一個輸出節點，輸入層與隱含層之間存在連接權值ωi，n，隱含層與輸出層之間存在連接權值ωm，k，輸入層的數據經由各個連接權值得到輸出層的輸出數據，隱含層神經元節點數為算法如下：

式中p為隱含層神經元節點數，m為輸出層神經元數，n為輸入層神經元數，a為1-10之間的常數；

步驟四、設置學習率、訓練次數和訓練目標誤差，并對神經網絡進行訓練和驗證，訓練時將所述學習樣本輸入BP神經網絡后計算神經網絡輸出值與評價目標值之間的誤差，當誤差在可接受的范圍時，神經網絡學習結束，否則以如下方式修改連接權值：

式中，η為學習速率，k為訓練次數，a為動量因子，為誤差函數的梯度；

當第k步誤差大于第k-1步的誤差時，a為0；當第k步誤差小于第k-1步的誤差時，a為0.9，

學習速率η以下方式修改：

式中，為η(k)學習速率，E(k)為第k步的誤差；

重復訓練直到誤差達一定的范圍，神經網絡訓練結束；

步驟五、根據訓練后的神經網絡建立簡潔高效的模型；

步驟六、帶入模型參數，綜合評估集合輸出結果，確定樣品分類信息。

2.根據權利要求1所述的一種基于特征元素定量分析的金屬材料快速分類檢測方法，其特征在于：步驟一中，所述五種狀態分為：0-0.2分為I類、0.2-0.4分為II類、0.4-0.6分為III類、0.6-0.8分為V類、0.8-1分為VI類。

3.根據權利要求1所述的一種基于特征元素定量分析的金屬材料快速分類檢測方法，其特征在于：步驟二中，采用多源線性回歸分析，基于顯著性值確定主要因素；步驟四中神經訓練時采用traingdm函數訓練。

4.根據權利要求1所述的一種基于特征元素定量分析的金屬材料快速分類檢測方法，其特征在于：步驟四中，所述學習率設置為0.05，最大訓練次數為10000，訓練目標誤差為0.0001。

5.根據權利要求1所述的一種基于特征元素定量分析的金屬材料快速分類檢測方法，其特征在于：步驟五中，需要對建立的模型進行訓練和驗證，包括修正率、訓練次數和訓練目標誤差。