[發明專利]高溫合金晶粒尺寸識別模型的構建方法及尺寸識別方法

有效

• 申請號: 202110186836.5
• 申請日: 2021-02-18
• 公開（公告）號: CN112836433B
• 公開（公告）日: 2023-03-14
• 發明（設計）人: 陳昊;彭思琴;黎明;張聰炫;陳曦;李軍華;鄔冠華
• 申請（專利權）人: 南昌航空大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G01B17/00
• 代理公司: 北京高沃律師事務所 11569
• 代理人: 張琳麗

1.一種高溫合金晶粒尺寸識別模型的構建方法，其特征在于，包括：

獲取高溫合金晶粒的原始樣本集，所述原始樣本集由標簽為晶粒尺寸的高溫合金晶粒超聲波特征參數樣本構成；

根據原始樣本集，采用基于高斯分布的多分布整體趨勢擴散法獲得擴充虛擬樣本；

判斷第二預測模型的預測精度是否高于第一預測模型的預測精度，并在第二預測模型的預測精度高于第一預測模型的預測精度時，確定所述擴充虛擬樣本為有效虛擬樣本；其中，所述第一預測模型為采用所述原始樣本集訓練得到的機器學習模型，所述第二預測模型為采用所述原始樣本集以及所述擴充虛擬樣本訓練得到的機器學習模型；

采用所述原始樣本集以及所述有效虛擬樣本所構成的重構樣本集訓練高溫合金晶粒尺寸識別模型；

其中，所述根據原始樣本集，采用基于高斯分布的多分布整體趨勢擴散法獲得擴充虛擬樣本，具體包括：

基于所述原始樣本集，采用基于高斯分布的多分布整體趨勢擴散法生成虛擬樣本；

根據所述原始樣本集，采用基于高斯分布的多分布整體趨勢擴散法計算高溫合金晶粒超聲波特征參數的可接受邊界以及晶粒尺寸的可接受邊界；

篩選所述虛擬樣本中高溫合金晶粒超聲波特征參數位于高溫合金晶粒超聲波特征參數可接受邊界內且晶粒尺寸位于晶粒尺寸可接受邊界內的虛擬樣本作為所述擴充虛擬樣本。

2.根據權利要求1所述的高溫合金晶粒尺寸識別模型的構建方法，其特征在于，所述方法還包括：

構建基于支持向量機回歸方法的第一預測模型；

采用所述原始樣本集對所述第一預測模型進行訓練。

3.根據權利要求1所述的高溫合金晶粒尺寸識別模型的構建方法，其特征在于，所述方法還包括：

構建基于支持向量機回歸方法的第二預測模型；

采用所述原始樣本集和所述擴充虛擬樣本構成樣本集對所述第二預測模型進行訓練。

4.一種高溫合金晶粒尺寸的識別方法，其特征在于，包括：

對待識別合金晶粒進行超聲檢測，并提待識別合金晶粒的取超聲特征參數；

將所述超聲特征參數輸入權利要求1-3任一項中的高溫合金晶粒尺寸識別模型，得到所述待識別合金晶粒的尺寸大小。

5.一種高溫合金晶粒尺寸識別模型的構建系統，其特征在于，包括：

原始樣本集獲取模塊，用于獲取高溫合金晶粒的原始樣本集，所述原始樣本集由標簽為晶粒尺寸的高溫合金晶粒超聲波特征參數樣本構成；

擴充虛擬樣本獲得模塊，用于根據原始樣本集，采用基于高斯分布的多分布整體趨勢擴散法獲得擴充虛擬樣本，具體包括：

基于所述原始樣本集，采用基于高斯分布的多分布整體趨勢擴散法生成虛擬樣本；

根據所述原始樣本集，采用基于高斯分布的多分布整體趨勢擴散法計算高溫合金晶粒超聲波特征參數的可接受邊界以及晶粒尺寸的可接受邊界；

篩選所述虛擬樣本中高溫合金晶粒超聲波特征參數位于高溫合金晶粒超聲波特征參數可接受邊界內且晶粒尺寸位于晶粒尺寸可接受邊界內的虛擬樣本作為所述擴充虛擬樣本；

有效虛擬樣本確定模塊，用于判斷第二預測模型的預測精度是否高于第一預測模型的預測精度，并在第二預測模型的預測精度高于第一預測模型的預測精度時，確定所述擴充虛擬樣本為有效虛擬樣本；其中，所述第一預測模型為采用所述原始樣本集訓練得到的機器學習模型，所述第二預測模型為采用所述原始樣本集以及所述擴充虛擬樣本訓練得到的機器學習模型；

金晶粒尺寸識別模型訓練模塊，用于采用所述原始樣本集以及所述有效虛擬樣本所構成的重構樣本集訓練高溫合金晶粒尺寸識別模型。