[發(fā)明專利]高溫合金晶粒尺寸識別模型的構(gòu)建方法及尺寸識別方法

有效

• 申請?zhí)枺?/td>: 202110186836.5
• 申請日: 2021-02-18
• 公開（公告）號: CN112836433B
• 公開（公告）日: 2023-03-14
• 發(fā)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(quán)）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

本發(fā)明公開了一種高溫合金晶粒尺寸識別模型的構(gòu)建方法及系統(tǒng)、高溫合金晶粒尺寸的識別方法及系統(tǒng)。該構(gòu)建方法包括：獲取高溫合金晶粒的原始樣本集，原始樣本為高溫合金晶粒的超聲波特征參數(shù)，標簽為晶粒尺寸；根據(jù)原始樣本集，基于高斯分布獲得擴充虛擬樣本；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，如果是，則確定擴充虛擬樣本為有效虛擬樣本；其中，第一預測模型為采用原始樣本集訓練得到的機器學習模型，第二預測模型為采用原始樣本集以及擴充虛擬樣本訓練得到的機器學習模型；采用原始樣本集以及有效虛擬樣本所構(gòu)成的重構(gòu)樣本集訓練高溫合金晶粒尺寸識別模型。本發(fā)明擴充了樣本量，提高了晶粒尺寸識別的準確度和有效性。

技術(shù)領(lǐng)域

本發(fā)明涉及高溫合金晶粒尺寸測量技術(shù)領(lǐng)域，特別是涉及一種高溫合金晶粒尺寸識別模型的構(gòu)建方法及系統(tǒng)、高溫合金晶粒尺寸的識別方法及系統(tǒng)。

背景技術(shù)

高溫合金在復雜的工作環(huán)境下能夠保持優(yōu)異的抗疲勞、抗氧化、抗腐蝕性能及良好的機械性能，一般廣泛地被應用于航空發(fā)動機、各種工業(yè)燃氣渦輪機的組成零構(gòu)件中，而晶粒尺寸對高溫合金的機械性能有顯著影響，因此有效評價晶粒尺寸對合金材料的在役檢查和質(zhì)量檢測非常重要。在高溫合金超聲評價這個研究領(lǐng)域中，樣本集規(guī)模與樣本的信息量都會影響模型的效果，因此改善小樣本空間對提升預測模型的性能具有重要的價值。

然而高溫合金材料中樣本獲取成本較高或樣本信息空間分布不均衡，會使得樣本數(shù)量較少或樣本信息不充足，從而導致模型預測誤差偏大，因而往往無法有效對其晶粒尺寸作出準確識別。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種高溫合金晶粒尺寸識別模型的構(gòu)建方法及系統(tǒng)、以及一種高溫合金晶粒尺寸的識別方法及系統(tǒng)。

為實現(xiàn)上述目的，本發(fā)明提供了如下方案：

一種高溫合金晶粒尺寸識別模型的構(gòu)建方法，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(shù)樣本構(gòu)成；

根據(jù)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(gòu)成的重構(gòu)樣本集訓練高溫合金晶粒尺寸識別模型。

可選的，所述根據(jù)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(jù)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(shù)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(shù)位于高溫合金晶粒超聲波特征參數(shù)可接受邊界內(nèi)且晶粒尺寸位于晶粒尺寸可接受邊界內(nèi)的虛擬樣本作為所述擴充虛擬樣本。

可選的，所述方法還包括：

構(gòu)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。

可選的，所述方法還包括：

構(gòu)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(gòu)成樣本集對所述第二預測模型進行訓練。