详情

原文传递基于EMD广义相位排列熵算法的金属分类方法

专利名称：	基于EMD广义相位排列熵算法的金属分类方法
摘要：	本发明属于金属无损鉴别分类技术领域，特别涉及一种基于EMD广义相位排列熵算法的金属分类方法，其主要是通过金属材料预处理、采集超声原始信号、经验模态分解提取高频信号、计算高频信号广义相位排列熵、用KNN分类器训练参考材料聚点，导入待检材料进行聚类分析，实现批量金属的分类且效果稳定，能够放大时间序列中的细微差异，使提取金属材料特征量辨识效果显著，确保分类结果可靠。
专利类型：	发明专利
国家地区组织代码：	陕西;61
申请人：	陕西师范大学
发明人：	马明明;贺西平;张小凤;贺升平
专利状态：	有效
申请日期：	2019-08-08T00:00:00+0800
发布日期：	2019-10-08T00:00:00+0800
申请号：	CN201910730547.X
公开号：	CN110308205A
代理机构：	西安佩腾特知识产权代理事务所(普通合伙)
代理人：	曹宇飞
分类号：	G01N29/04(2006.01);G;G01;G01N;G01N29
申请人地址：	710064 陕西省西安市雁塔区长延堡办长安南路199号
主权项：	1.一种基于EMD广义相位排列熵算法的金属分类方法，其特征在于由以下步骤组成： (1)采集时域信号将收发探头与脉冲接收/发射仪连接，加入耦合剂置于参考金属材料的表面，超声探头发射脉冲信号，通过与脉冲接收/发射仪连接的示波器对该收发探头接收的回波信号进行采样，经多次采样并取平均值，得到参考金属材料的时域波形； (2)提取特征分量利用经验模态分解法对步骤(1)所采集的参考金属材料的时域波形X(t)依次分解，再用广义相位排列熵算法计算得到参考金属材料的回波信号的特征分量熵值gq,δ；所述广义相位排列熵算法公式为：其中，v代表参考金属材料提取的特征信号中数据序列的位置，PV代表参考金属材料提取的特征信号数据序列中出现相同位置序列的概率；q代表放大金属材料特征信号中出现相同位置概率的值，δ代表指数倍的放大金属材料特征信号中出现相同位置概率的值，R代表放大提取的特征信号数据序列的相同位置概率可选取的实数值,R∈(0，1]； (3)提取待检测材料的特征分量用步骤(1)和步骤(2)相同的方法提取出待检测材料的回波信号的特征分量熵值； (4)参考金属材料聚点训练重复步骤(1)和(2)，得到多种参考金属材料的多个回波信号的特征分量熵值gq,δ，取平均值分别作为多种参考金属材料的聚点 (5)待检金属材料分类将步骤(3)待检测金属材料的特征分量熵值gk和步骤(4)所得的多种参考金属材料的聚点，利用KNN算法确定出待测金属材料与多种参考金属材料的欧几里德距离，根据聚类算法准则对多种待测金属材料分类，如此重复，直至完成所有待测金属材料的分类。 2.根据权利要求1所述的基于EMD广义相位排列熵算法的金属分类方法，其特征在于，所述步骤(2)具体为： 2.1)识别步骤(1)所采集参考金属材料的时域波形信号X(t)的局部极值，连接极大值得到上包络线，连接极小值得到下包络线，根据上下包络线得到均值序列m1； 2.2)利用下述公式对原始信号进行经验模态分解，确定出IMF分量；X(t)-mi(t)＝hi(t)，i∈n mi(t)代表第i个待分解信号上下包络线计算的均值序列；hi(t)代表分解的第i个特征分量；当hi(t)满足以下两个条件：关于零均值线是局部对称的且零点和极值点数目相等；信号局部极大值和极小值定义的上下包络线均值为0时，则hi(t)为IMF分量； 2.3)利用广义相位排列熵算法确定步骤(2.2)分解的IMF分量的特征分量熵值，其中广义相位排列熵算法公式为： 3.根据权利要求2所述的基于EMD广义相位排列熵算法的金属分类方法，其特征在于，所述步骤(2.3)具体为： (2.3.1)利用希尔伯特变换法求取参考金属材料的各个IMF信号的瞬时相位序列θ(i)，序列长度为N； (2.3.2)对步骤(2.3.1)求得的瞬时相位序列θ(i)进行相空间重构，得到重构序列Zj，重构序列个数为N-(m-1)*t； Zj＝[θ(j),θ(j+t),…,θ(j+(m-1)t)],1≤j≤N-(m-1)t 其中m为相空间重构维数，t为重构的时间延迟； (2.3.3)将重构序列Zj按数值升序排列为k1,k2,…km，得到位置序列Sj，并确定位置序列相同的序列个数，记为Numv Sj＝(k1,k2,…km)，1≤j≤N-(m-1)τ (2.3.4)将步骤(2.3.3)所的各种排列出现的频率作为其概率，则得到各种排列的概率为 (2.3.5)利用两参数熵Sq,δ的定义确当出参考金属材料的回波信号的特征分量熵值gq,δ， 4.根据权利要求1所述的基于EMD广义相位排列熵算法的金属分类方法，其特征在于，步骤(5)具体为： (5.1)将步骤(3)待检测金属材料的特征分量熵值和步骤(4)所得的多种参考金属材料的聚点分别导入KNN模型算法中，确定出待测金属材料gk分别与多种参考金属材料聚点之间的欧几里得距离； (5.2)将步骤(5.1)的欧几里得距离分别与多种参考金属材料的聚点的阈值△进行比较，当\|gk-g\|≤△，则该待测金属材料与该参考金属材料同类别，将其分配给参考金属材料所对应的类别，完成多种待测金属材料的分类。 5.根据权利要求1～4任一项所述的基于EMD广义相位排列熵算法的金属分类方法，其特征在于，所述脉冲接收/发射仪的脉冲电压为100～300V、脉冲重复频率为100～300Hz；示波器采样速率为100MHz～5GHz，采样次数为1000～5000次；收发探头的中心频率为1～10MHz。 6.根据权利要求5所述的基于EMD广义相位排列熵算法的金属分类方法，其特征在于，所述耦合剂为水或甘油。 7.根据权利要求5所述的基于EMD广义相位排列熵算法的金属分类方法，其特征在于，所述参考金属材料为纯金属或合金、金属间化合物和特种金属材料。 8.根据权利要求7所述的基于EMD广义相位排列熵算法的金属分类方法，其特征在于，所述纯金属材料为铍、镁、铝、铟、锗、锡、铅、锑、钛、钒、铬、锰、铁、钴、镍、锌、钇、鋯、铌、钼、钌、铑、钯、银、镉、铪、钽、钨、铱、铂或金。
所属类别：	发明专利