CN110308205A - 基于emd广义相位排列熵算法的金属分类方法 - Google Patents
基于emd广义相位排列熵算法的金属分类方法 Download PDFInfo
- Publication number
- CN110308205A CN110308205A CN201910730547.XA CN201910730547A CN110308205A CN 110308205 A CN110308205 A CN 110308205A CN 201910730547 A CN201910730547 A CN 201910730547A CN 110308205 A CN110308205 A CN 110308205A
- Authority
- CN
- China
- Prior art keywords
- metal material
- signal
- sequence
- variety
- entropy
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 64
- 229910052751 metal Inorganic materials 0.000 title claims abstract description 38
- 239000002184 metal Substances 0.000 title claims abstract description 38
- 150000002739 metals Chemical class 0.000 title claims abstract description 17
- 239000007769 metal material Substances 0.000 claims abstract description 173
- 239000000463 material Substances 0.000 claims abstract description 76
- 238000009825 accumulation Methods 0.000 claims abstract description 33
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 22
- 238000012549 training Methods 0.000 claims abstract description 10
- 230000003321 amplification Effects 0.000 claims abstract description 9
- 238000003199 nucleic acid amplification method Methods 0.000 claims abstract description 9
- 230000035508 accumulation Effects 0.000 claims description 32
- 239000000523 sample Substances 0.000 claims description 14
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 claims description 9
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims description 6
- PXHVJJICTQNCMI-UHFFFAOYSA-N Nickel Chemical compound [Ni] PXHVJJICTQNCMI-UHFFFAOYSA-N 0.000 claims description 6
- KDLHZDBZIXYQEI-UHFFFAOYSA-N Palladium Chemical compound [Pd] KDLHZDBZIXYQEI-UHFFFAOYSA-N 0.000 claims description 6
- 238000000819 phase cycle Methods 0.000 claims description 6
- BASFCYQUMIYNBI-UHFFFAOYSA-N platinum Chemical compound [Pt] BASFCYQUMIYNBI-UHFFFAOYSA-N 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 6
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 claims description 5
- 229910052737 gold Inorganic materials 0.000 claims description 5
- 239000010931 gold Substances 0.000 claims description 5
- VYZAMTAEIAYCRO-UHFFFAOYSA-N Chromium Chemical compound [Cr] VYZAMTAEIAYCRO-UHFFFAOYSA-N 0.000 claims description 3
- FYYHWMGAXLPEAU-UHFFFAOYSA-N Magnesium Chemical compound [Mg] FYYHWMGAXLPEAU-UHFFFAOYSA-N 0.000 claims description 3
- ZOKXTWBITQBERF-UHFFFAOYSA-N Molybdenum Chemical compound [Mo] ZOKXTWBITQBERF-UHFFFAOYSA-N 0.000 claims description 3
- KJTLSVCANCCWHF-UHFFFAOYSA-N Ruthenium Chemical compound [Ru] KJTLSVCANCCWHF-UHFFFAOYSA-N 0.000 claims description 3
- BQCADISMDOOEFD-UHFFFAOYSA-N Silver Chemical compound [Ag] BQCADISMDOOEFD-UHFFFAOYSA-N 0.000 claims description 3
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 claims description 3
- RTAQQCXQSZGOHL-UHFFFAOYSA-N Titanium Chemical compound [Ti] RTAQQCXQSZGOHL-UHFFFAOYSA-N 0.000 claims description 3
- HCHKCACWOHOZIP-UHFFFAOYSA-N Zinc Chemical compound [Zn] HCHKCACWOHOZIP-UHFFFAOYSA-N 0.000 claims description 3
- QCWXUUIWCKQGHC-UHFFFAOYSA-N Zirconium Chemical compound [Zr] QCWXUUIWCKQGHC-UHFFFAOYSA-N 0.000 claims description 3
- 229910045601 alloy Inorganic materials 0.000 claims description 3
- 239000000956 alloy Substances 0.000 claims description 3
- 239000004411 aluminium Substances 0.000 claims description 3
- 229910052782 aluminium Inorganic materials 0.000 claims description 3
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 claims description 3
- 229910052787 antimony Inorganic materials 0.000 claims description 3
- WATWJIUSRGPENY-UHFFFAOYSA-N antimony atom Chemical compound [Sb] WATWJIUSRGPENY-UHFFFAOYSA-N 0.000 claims description 3
- 230000001174 ascending effect Effects 0.000 claims description 3
- 229910052790 beryllium Inorganic materials 0.000 claims description 3
- ATBAMAFKBVZNFJ-UHFFFAOYSA-N beryllium atom Chemical compound [Be] ATBAMAFKBVZNFJ-UHFFFAOYSA-N 0.000 claims description 3
- 229910052793 cadmium Inorganic materials 0.000 claims description 3
- BDOSMKKIYDKNTQ-UHFFFAOYSA-N cadmium atom Chemical compound [Cd] BDOSMKKIYDKNTQ-UHFFFAOYSA-N 0.000 claims description 3
- 229910052804 chromium Inorganic materials 0.000 claims description 3
- 239000011651 chromium Substances 0.000 claims description 3
- 229910017052 cobalt Inorganic materials 0.000 claims description 3
- 239000010941 cobalt Substances 0.000 claims description 3
- GUTLYIVDDKVIGB-UHFFFAOYSA-N cobalt atom Chemical compound [Co] GUTLYIVDDKVIGB-UHFFFAOYSA-N 0.000 claims description 3
- 229910052732 germanium Inorganic materials 0.000 claims description 3
- GNPVGFCGXDBREM-UHFFFAOYSA-N germanium atom Chemical compound [Ge] GNPVGFCGXDBREM-UHFFFAOYSA-N 0.000 claims description 3
- 229910052735 hafnium Inorganic materials 0.000 claims description 3
- VBJZVLUMGGDVMO-UHFFFAOYSA-N hafnium atom Chemical compound [Hf] VBJZVLUMGGDVMO-UHFFFAOYSA-N 0.000 claims description 3
- 229910052738 indium Inorganic materials 0.000 claims description 3
- APFVFJFRJDLVQX-UHFFFAOYSA-N indium atom Chemical compound [In] APFVFJFRJDLVQX-UHFFFAOYSA-N 0.000 claims description 3
- 229910052741 iridium Inorganic materials 0.000 claims description 3
- GKOZUEZYRPOHIO-UHFFFAOYSA-N iridium atom Chemical compound [Ir] GKOZUEZYRPOHIO-UHFFFAOYSA-N 0.000 claims description 3
- 229910052742 iron Inorganic materials 0.000 claims description 3
- 239000011777 magnesium Substances 0.000 claims description 3
- 229910052749 magnesium Inorganic materials 0.000 claims description 3
- WPBNNNQJVZRUHP-UHFFFAOYSA-L manganese(2+);methyl n-[[2-(methoxycarbonylcarbamothioylamino)phenyl]carbamothioyl]carbamate;n-[2-(sulfidocarbothioylamino)ethyl]carbamodithioate Chemical compound [Mn+2].[S-]C(=S)NCCNC([S-])=S.COC(=O)NC(=S)NC1=CC=CC=C1NC(=S)NC(=O)OC WPBNNNQJVZRUHP-UHFFFAOYSA-L 0.000 claims description 3
- 229910052750 molybdenum Inorganic materials 0.000 claims description 3
- 239000011733 molybdenum Substances 0.000 claims description 3
- 229910052759 nickel Inorganic materials 0.000 claims description 3
- 229910052758 niobium Inorganic materials 0.000 claims description 3
- 239000010955 niobium Substances 0.000 claims description 3
- GUCVJGMIXFAOAE-UHFFFAOYSA-N niobium atom Chemical compound [Nb] GUCVJGMIXFAOAE-UHFFFAOYSA-N 0.000 claims description 3
- 229910052763 palladium Inorganic materials 0.000 claims description 3
- 229910052697 platinum Inorganic materials 0.000 claims description 3
- 229910052703 rhodium Inorganic materials 0.000 claims description 3
- 239000010948 rhodium Substances 0.000 claims description 3
- MHOVAHRLVXNVSD-UHFFFAOYSA-N rhodium atom Chemical compound [Rh] MHOVAHRLVXNVSD-UHFFFAOYSA-N 0.000 claims description 3
- 229910052707 ruthenium Inorganic materials 0.000 claims description 3
- 229910052709 silver Inorganic materials 0.000 claims description 3
- 239000004332 silver Substances 0.000 claims description 3
- 229910052715 tantalum Inorganic materials 0.000 claims description 3
- GUVRBAGPIYLISA-UHFFFAOYSA-N tantalum atom Chemical compound [Ta] GUVRBAGPIYLISA-UHFFFAOYSA-N 0.000 claims description 3
- 229910052718 tin Inorganic materials 0.000 claims description 3
- 229910052719 titanium Inorganic materials 0.000 claims description 3
- 239000010936 titanium Substances 0.000 claims description 3
- WFKWXMTUELFFGS-UHFFFAOYSA-N tungsten Chemical compound [W] WFKWXMTUELFFGS-UHFFFAOYSA-N 0.000 claims description 3
- 229910052721 tungsten Inorganic materials 0.000 claims description 3
- 239000010937 tungsten Substances 0.000 claims description 3
- 229910052720 vanadium Inorganic materials 0.000 claims description 3
- GPPXJZIENCGNKB-UHFFFAOYSA-N vanadium Chemical compound [V]#[V] GPPXJZIENCGNKB-UHFFFAOYSA-N 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 3
- 229910052727 yttrium Inorganic materials 0.000 claims description 3
- VWQVUPCCIRVNHF-UHFFFAOYSA-N yttrium atom Chemical compound [Y] VWQVUPCCIRVNHF-UHFFFAOYSA-N 0.000 claims description 3
- 229910052725 zinc Inorganic materials 0.000 claims description 3
- 239000011701 zinc Substances 0.000 claims description 3
- 229910052726 zirconium Inorganic materials 0.000 claims description 3
- 229910000765 intermetallic Inorganic materials 0.000 claims description 2
- 239000012925 reference material Substances 0.000 abstract description 8
- 230000000694 effects Effects 0.000 abstract description 7
- 239000000284 extract Substances 0.000 abstract description 3
- 238000000605 extraction Methods 0.000 abstract description 3
- 230000008676 import Effects 0.000 abstract description 2
- 239000010935 stainless steel Substances 0.000 description 18
- 229910001220 stainless steel Inorganic materials 0.000 description 18
- 238000012850 discrimination method Methods 0.000 description 6
- 238000012360 testing method Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 239000010963 304 stainless steel Substances 0.000 description 2
- 229910000589 SAE 304 stainless steel Inorganic materials 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000010970 precious metal Substances 0.000 description 2
- 238000004448 titration Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000001808 coupling effect Effects 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 150000002344 gold compounds Chemical class 0.000 description 1
- 238000000892 gravimetry Methods 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 210000000697 sensory organ Anatomy 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 238000004804 winding Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/04—Analysing solids
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2291/00—Indexing codes associated with group G01N29/00
- G01N2291/02—Indexing codes associated with the analysed material
- G01N2291/023—Solids
- G01N2291/0234—Metals, e.g. steel
Landscapes
- Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Signal Processing (AREA)
- Engineering & Computer Science (AREA)
- Acoustics & Sound (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
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。
Description
技术领域
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。
背景技术
工业技术的发展与金属材料密不可分，现有矿产资源已经无法满足经济发展的需求，一些性质相似金属材料可以作为生产生活的替代品，但某些方面如军用、航天等领域对金属材料的特殊需求，需要严格检测金属材料是否符合要求，故金属材料聚类识别越来越重要。
传统的金属材料辨识方法有物理辨识和化学辨识。其中,物理辨识是通过金属的宏观物理特征或者其在物理过程中表现出的微观特征进行的。常用的方法有感官辨识、断口辨识和火花辨识等。由于物理辨识方法简单、方便、易操作、现场性好并且分析精准度可从定性到半定量,对于一般的常用金属材料,这些方法已能满足要求,但还有-定的局限性,例如,有些辨识方法是有损的,且这些方法误差都比较大,有时不很准确。化学辨识是通过化学反应分析金属的组成成分来辨识是何种金属的方法。常用的化学成分分析方法有滴定分析方法、重量分析法和容量分析法等。化学辨识方法不能在线分析、较复杂且有损。对于实际中的贵重金属材料或珍贵金属藏品的防伪辨识,这些方法显然很不合适。
超声检测***得到的回波信号中不仅携带材料内部及表面结构的丰富信息，也可表征金属材料的微观组织结构。故使用超声无损检测，基于EMD广义相位排列熵算法提取金属材料的特征作为标签，用于快速辨识。
发明内容
为了克服现有技术所存在的不足，本发明提供了一种基于EMD广义相位排列熵算法的金属分类方法，使用KNN分类器训练参考材料聚点，导入待检材料进行聚类分析，能够快速地对不同的金属材料进行鉴别并完成批量分类，效果稳定。
本发明所采用的技术方案是：
一种基于EMD广义相位排列熵算法的金属分类方法，其是由以下步骤组成：
(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。
进一步限定，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：
进一步限定，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，
进一步限定，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。
进一步限定，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。
进一步限定，所述耦合剂为水或甘油，与金属表面耦合效果好，保证检测结果准确、可靠。
进一步限定，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。
进一步限定，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。
与现有技术相比，本发明的基于EMD广义相位排列熵算法的金属分类方法具有以下优点：
(1)本发明利用金属材料预处理、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提取金属材料特征量，使用KNN分类器训练参考材料聚点，导入待检材料进行聚类分析，能够实现批量金属材料的分类且效果稳定。
(2)本发明提供了一种超声无损技术辨识金属材料的方法，鉴别方法相比传统物理及化学鉴别方法来说，不会对材料本身产生损坏或污染，而且通过训练参考材料特征聚点，达到快速分类效果，成本低廉，操作简便，灵敏度高等特点。
(3)本发明首次引入了两参数熵Sq,δ，调节参数q和δ，能够放大时间序列中的细微差异，还引入了时间序列的相位信息，然而相位同步和幅度关联是功能独立现象，且相位信息包含更多关键信息，使提取金属材料特征量辨识效果显著，确保分类结果可靠，快捷省时。
附图说明
图1为时域信号采集***的结构示意图。
图2为参考金属材料的时域波形。
图3为参考金属材料的时域波形的分解图。
具体实施方式
现结合实施例对本发明的技术方案进行进一步说明。
本发明的基于EMD广义相位排列熵算法的金属分类方法，由以下步骤组成：
(1)采集时域信号
参见图1，可利用图1的时域信号采集***进行信号采集，将中心频率为1～10MHz的收发探头与脉冲电压为100～300V、重复频率为100～300Hz的脉冲接收/发射仪连接，将耦合剂水或甘油涂抹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，采样速率为100MHz～5GHz，采样1000～5000次取平均值，得到参考金属材料的时域波形，如图2所示；
(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，参见图3，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；具体为：
2.1)识别步骤(1)所采集的时域波形信号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)利用下述公式对时域波形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)代表待分解信号上下包络线计算的均值序列；hi(t)代表分解的特征分量；
转换为：
h1(t)＝X(t)-m1(t)
h2(t)＝h1(t)-m2(t)
hi(t)＝hi-1(t)-mi(t)
重复i次操作，将IMF1从时域波形信号分离出来，剩余量r1(t)作为一个新的原始信号，循环执行分解步骤；第n次迭代计算后，得到如下式所示rn(t)，当rn(t)趋于单调函数时，分解终止。
r2(t)＝r1(t)-IMF2(t)
r3(t)＝r2(t)-IMF3(t)
…………
rn(t)＝rn-1(t)-IMFn(t)
其中rn(t)表示分解余项和信号的平均趋势；
即时域波形信号的分解如下式所示，得到n个IMF分量和一个剩余量rn，
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，则hi(t)即为IMF分量；
2.3)利用广义相位排列熵算法计算步骤(2.2)分解的IMF分量的特征分量熵值，即
(2.3.1)利用希尔伯特变换法求取参考金属材料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1≤v≤N-(m-1)τ。
(2.3.5)利用两参数熵Sq,δ的定义计算出参考金属材料的回波信号的特征分量熵值gq,δ；
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得距离，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；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。
本发明的待检测金属材料可以是铍、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、铂或金等纯金属或其合金或者金属间化合物和特种金属材料。
实施例1
(1)三种材料各采集10次时域波形信号
表1三种待测材料
(2)提取特征分量
2.1)识别步骤(1)不锈钢材料1#所采集的10次时域波形信号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)利用下述公式对时域波形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：
表2已知材料1#的各分量广义相位排列熵值
(3)提取待检测材料的特征分量
依照步骤(1)三种材料各采集10次时域波形信号，通过步骤(2)经验模态分解得到三种材料时域波形信号的IMF1分量作为待检测材料的特征分量。不锈钢1#作为参考金属材料，将参考金属材料IMF1熵值中的最大值记为gmax＝17.39，最小值记为gmin＝16.63，并将均值 作为参考金属材料的聚点，阈值定义为Δ＝gmax-gmin＝0.76；
表3三种不锈钢材料IMF1特征分量
(4)参考金属材料聚点训练
重复步骤(1)和(2)，表3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。
(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。
表4不锈钢材料1#的辨识结果
并计算待测材料特征分量gk与参考材料特征分量的差；将与阈值△进行比较，如果则该材料是不锈钢材料1#，如果则该样品不是不锈钢材料1#。
实施例2
将已知标记的304不锈钢2#作为参考金属材料，三种材料外形均为圆柱体，其厚度15mm，直径为47.1mm，如表1所示待测材料分别标注编号1#、2#、3#，辨识过程具体由以下步骤实现：
(1)三种材料各采集10次时域波形信号
表1三种待测材料
(2)提取特征分量
2.1)识别步骤(1)所采集10次不锈钢材料2#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)利用下述公式对时域波形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：
表2不锈钢材料2#的各分量排列熵值
(3)提取待检测材料的特征分量
依照步骤(1)三种材料各采集10次时域波形信号，通过步骤(2)经验模态分解得到三种材料时域波形信号的IMF1分量作为待检测材料的特征分量。不锈钢材料2#作为参考金属材料，将参考金属材料IMF1熵值中的最大值记为gmax＝12.37，最小值记为gmin＝11.18，并将均值作为参考金属材料2#的熵值，阈值定义为Δ＝gmax-gmin＝0.83；
表3三种不锈钢材料IMF1特征分量
(4)参考金属材料聚点训练
重复步骤(1)和(2)，表3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得距离，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。
(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。
表4不锈钢材料2#的辨识结果
并计算待测材料特征分量gk与参考材料特征分量的差；将与阈值△进行比较，如果则该材料是不锈钢材料1#，如果则该样品不是不锈钢材料1#。
实施例3
将已知标记的304不锈钢3#作为参考金属材料，三种材料外形均为圆柱体，其厚度15mm，直径为47.1mm，如表1所示待测材料分别标注编号1#、2#、3#，辨识过程具体由以下步骤实现：
(1)三种材料各采集10次时域波形信号
表1三种待测材料
(2)提取特征分量
2.1)识别步骤(1)所采集10次金属材料3#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)利用下述公式对时域波形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：
表2参考材料3#的各分量广义相位排列熵值
(3)提取待检测材料的特征分量
依照步骤(1)三种材料各采集10次时域波形信号，通过步骤(2)经验模态分解得到三种材料时域波形信号的IMF分量作为待检测材料分量。不锈钢3#作为参考金属材料，将参考金属材料IMF1熵值中的最大值记为gmax＝14.43，最小值记为gmin＝14.11，并将均值作为参考金属材料3#的熵值，阈值定义为Δ＝gmax-gmin＝0.32；
表3三种不锈钢材料IMF1特征分量
(4)参考金属材料聚点训练
重复步骤(1)和(2)，表3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得距离，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。
(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。
表4不锈钢材料3#的辨识结果
并计算待测材料特征分量gk与参考材料特征分量的差；将与阈值△进行比较，如果则该材料是不锈钢材料1#，如果则该样品不是不锈钢材料1#。
测试结果：通过测试对比表明，基于EMD广义相位排列熵对相近金属提取特征，采用KNN算法分析相近金属材料具有辨识稳定的效果，保证分类结果准确。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。
Claims (8)
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。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910730547.XA CN110308205B (zh) | 2019-08-08 | 2019-08-08 | 基于emd广义相位排列熵算法的金属分类方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910730547.XA CN110308205B (zh) | 2019-08-08 | 2019-08-08 | 基于emd广义相位排列熵算法的金属分类方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110308205A true CN110308205A (zh) | 2019-10-08 |
| CN110308205B CN110308205B (zh) | 2021-10-08 |
Family
ID=68082099
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910730547.XA Expired - Fee Related CN110308205B (zh) | 2019-08-08 | 2019-08-08 | 基于emd广义相位排列熵算法的金属分类方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110308205B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114088400A (zh) * | 2021-11-01 | 2022-02-25 | 中国人民解放军92728部队 | 一种基于包络排列熵的滚动轴承故障诊断方法 |
| CN114813934A (zh) * | 2022-03-02 | 2022-07-29 | 西安交通大学 | 一种用于机器人环境目标物表面材质探测与识别的方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107505396A (zh) * | 2017-09-12 | 2017-12-22 | 燕山大学 | 一种结构损伤在线实时监测方法及*** |
-
2019
- 2019-08-08 CN CN201910730547.XA patent/CN110308205B/zh not_active Expired - Fee Related
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107505396A (zh) * | 2017-09-12 | 2017-12-22 | 燕山大学 | 一种结构损伤在线实时监测方法及*** |
Non-Patent Citations (1)
| Title |
|---|
| 刘备等: "基于变分模态分解与多尺度排列熵的生物组织变性识别", 《物理学报》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114088400A (zh) * | 2021-11-01 | 2022-02-25 | 中国人民解放军92728部队 | 一种基于包络排列熵的滚动轴承故障诊断方法 |
| CN114088400B (zh) * | 2021-11-01 | 2024-04-09 | 中国人民解放军92728部队 | 一种基于包络排列熵的滚动轴承故障诊断方法 |
| CN114813934A (zh) * | 2022-03-02 | 2022-07-29 | 西安交通大学 | 一种用于机器人环境目标物表面材质探测与识别的方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110308205B (zh) | 2021-10-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Liu et al. | Defect intelligent identification in resistance spot welding ultrasonic detection based on wavelet packet and neural network | |
| CN102636303B (zh) | 一种基于表面超声波测定薄镀层残余应力的方法 | |
| US20230176016A1 (en) | Method for Monitoring Service State of Switch Rail Based on Feature Fusion | |
| CN111626153A (zh) | 一种基于集成学习的局放故障状态识别方法 | |
| CN110308205A (zh) | 基于emd广义相位排列熵算法的金属分类方法 | |
| CN1743839A (zh) | 一种结构缺陷超声在线智能识别***及识别方法 | |
| CN112162041B (zh) | 一种基于幅度均方根值的高斯分布识别金属材料的方法 | |
| Xu et al. | Rail defect detection method based on recurrent neural network | |
| CN101071117A (zh) | 基于宽频脉冲伏安法的电化学电子舌 | |
| CN106596729B (zh) | 2.25Cr-1Mo钢疲劳裂纹扩展监测及氢脆评价方法 | |
| CN112668382A (zh) | 一种基于支持向量机的钢锭中缺陷超声信号识别方法 | |
| CN112462355B (zh) | 一种基于时频三特征提取的对海目标智能检测方法 | |
| CN112364296B (zh) | 一种基于深度学习的p波到时自动拾取方法 | |
| CN113805018A (zh) | 一种配电网10kV电缆局部放电故障类型智能识别方法 | |
| CN109190272A (zh) | 基于弹性波和机器学习的混凝土结构缺陷检测方法 | |
| CN109116196A (zh) | 一种电力电缆故障放电声智能识别方法 | |
| CN115656335A (zh) | 一种轴承套圈内部缺陷快速检测与识别方法 | |
| CN101109732A (zh) | 基于模糊平面特征的超声无损检测回波信号分类方法 | |
| CN2809640Y (zh) | 一种结构缺陷超声在线智能识别*** | |
| CN114778690A (zh) | 一种增材制件气孔缺陷的激光超声定量检测方法 | |
| CN110161376A (zh) | 一种行波故障时刻提取算法 | |
| CN110308206A (zh) | 基于emd广义相位排列熵对相近金属材料的鉴别方法 | |
| Li et al. | Emerging Data Processing Methods for Single‐Entity Electrochemistry | |
| Kruse et al. | Segmentation of micro-Doppler signatures of human sequential activities using renyi entropy | |
| CN117331047A (zh) | 基于毫米波雷达的人体行为数据分析方法及*** |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20211008 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |