主权项 |
一种基于多维数据融合思想的亚表面缺陷定量化检测方法,其特征在于:所述检测方法包括如下步骤:1)采用超声传感器获得的特征数据预估缺陷深度du;2)采用涡流传感器获得的特征数据预估缺陷深度de;3)建立双曲判别模型:<maths num="0001"><math><![CDATA[<mrow><mi>j</mi><mrow><mo>(</mo><mi>d</mi><mi>u</mi><mo>,</mo><mi>d</mi><mi>e</mi><mo>)</mo></mrow><mo>=</mo><mfrac><mrow><mn>1</mn><mo>-</mo><msup><mi>e</mi><mrow><mo>-</mo><msub><mi>θ</mi><mn>1</mn></msub><mrow><mo>(</mo><mi>d</mi><mi>u</mi><mo>-</mo><msub><mi>θ</mi><mn>3</mn></msub><mo>)</mo></mrow></mrow></msup></mrow><mrow><mn>1</mn><mo>+</mo><msup><mi>e</mi><mrow><mo>-</mo><msub><mi>θ</mi><mn>1</mn></msub><mrow><mo>(</mo><mi>d</mi><mi>u</mi><mo>-</mo><msub><mi>θ</mi><mn>3</mn></msub><mo>)</mo></mrow></mrow></msup></mrow></mfrac><mo>-</mo><mfrac><mrow><mn>1</mn><mo>-</mo><msup><mi>e</mi><mrow><mo>-</mo><msub><mi>θ</mi><mn>2</mn></msub><mrow><mo>(</mo><mi>d</mi><mi>e</mi><mo>-</mo><msub><mi>θ</mi><mn>3</mn></msub><mo>)</mo></mrow></mrow></msup></mrow><mrow><mn>1</mn><mo>+</mo><msup><mi>e</mi><mrow><mo>-</mo><msub><mi>θ</mi><mn>2</mn></msub><mrow><mo>(</mo><mi>d</mi><mi>e</mi><mo>-</mo><msub><mi>θ</mi><mn>3</mn></msub><mo>)</mo></mrow></mrow></msup></mrow></mfrac></mrow>]]></math><img file="FDA0001054607290000011.GIF" wi="1130" he="151" /></maths>其中,du和de表示运用超声传感器和涡流传感器获得的预估缺陷深度,θ<sub>1</sub>、θ<sub>2</sub>、θ<sub>3</sub>表示多维检测方式的判别参数;4)d代表独立运用超声传感器和涡流传感器获得预估缺陷深度,判别过程如下:①:当d偏向于较深的位置时,即d大于预设上限阈值时,j(du,de)→1,判定超声波检测结果有效,而涡流检测结果无效;②:当d偏向于较浅的位置时,即d小于预设下限限阈值时,j(du,de)→‑1,判定超声波检测结果无效,涡流检测结果有效;③:当d在深度上没有特别的趋向时,即d位于预设下限阈值和预设上限阈值之间的闭合区间时,给出如下的中间不确定状况均衡模型:<maths num="0002"><math><![CDATA[<mrow><mi>G</mi><mrow><mo>(</mo><mi>d</mi><mi>u</mi><mo>,</mo><mi>d</mi><mi>e</mi><mo>)</mo></mrow><mo>=</mo><mfrac><mrow><mn>1</mn><mo>-</mo><msup><mi>e</mi><mrow><mo>-</mo><msub><mi>θ</mi><mn>1</mn></msub><mrow><mo>(</mo><mi>d</mi><mi>u</mi><mo>-</mo><msub><mi>θ</mi><mn>3</mn></msub><mo>)</mo></mrow></mrow></msup></mrow><mrow><mn>1</mn><mo>+</mo><msup><mi>e</mi><mrow><mo>-</mo><msub><mi>θ</mi><mn>1</mn></msub><mrow><mo>(</mo><mi>d</mi><mi>u</mi><mo>-</mo><msub><mi>θ</mi><mn>3</mn></msub><mo>)</mo></mrow></mrow></msup></mrow></mfrac><mi>x</mi><mo>+</mo><mfrac><mrow><mn>1</mn><mo>-</mo><msup><mi>e</mi><mrow><mo>-</mo><msub><mi>θ</mi><mn>2</mn></msub><mrow><mo>(</mo><mi>d</mi><mi>e</mi><mo>-</mo><msub><mi>θ</mi><mn>3</mn></msub><mo>)</mo></mrow></mrow></msup></mrow><mrow><mn>1</mn><mo>+</mo><msup><mi>e</mi><mrow><mo>-</mo><msub><mi>θ</mi><mn>2</mn></msub><mrow><mo>(</mo><mi>d</mi><mi>e</mi><mo>-</mo><msub><mi>θ</mi><mn>3</mn></msub><mo>)</mo></mrow></mrow></msup></mrow></mfrac><mi>y</mi></mrow>]]></math><img file="FDA0001054607290000012.GIF" wi="1229" he="150" /></maths>其中,G(du,de)表示均衡后的缺陷深度,即检测结果;x与y分别是两种检测方式下获得的特征数据,θ<sub>1</sub>、θ<sub>2</sub>、θ<sub>3</sub>表示多维检测方式的判别参数,通过最小二乘的计算方式获得。 |