[发明专利]一种基于AdaBoost的复合材料损伤识别方法及系统

权利要求书

1.一种基于AdaBoost的复合材料损伤识别方法，其特征在于：包括，

采集复合材料损伤的声发射信号并进行特征提取，分别获得训练样本数据、测试样本数据和对应损伤类别数据；

利用所述训练样本数据与分类平面距离构建基于加权最小二乘支持向量机的训练模型；

训练模型基于所述训练样本数据与所述分类平面距离将所述训练样本数据划分为三种类型，包括，最难型数据、较难型数据和简单型数据；

所述最难型数据包括，被赋予较大的权重和距离较小的样本数据；

所述较难型数据包括，被赋予中等大小权重和距离中等的所述样本数据；

所述简单型数据包括，被赋予最小权重和距离最大的所述样本数据；

所述加权最小二乘支持向量机利用划分的所述三种类型对相同的所述训练样本数据得到不同的分类结果，包括，

其中，v_i：样本的权重，c₁、c₂：参数，d_i：第i个样本与分类平面之间的距离；

将当前弱分类器生成的识别错误率与第一个弱分类器的识别错误率的比值定义为过滤因子；

对所述训练模型进行训练，利用过滤因子控制弱分类器生成的识别错误率，直至无法找到满足条件的所述弱分类器时，停止训练，输出损伤识别模型；

将所述测试样本数据导入所述损伤识别模型内，若正确识别实际损伤类型，则完成优化；

利用优化后的所述损伤识别模型识别复合材料损伤数据并输出识别结果。

2.如权利要求1所述的基于AdaBoost的复合材料损伤识别方法，其特征在于：所述满足条件包括，

当所述识别错误率在不小于核宽参数最小值σ_min的情况下，同时满足小于0.5和小于k倍第一个所述弱分类器的所述识别错误率。

3.如权利要求1或2所述的基于AdaBoost的复合材料损伤识别方法，其特征在于：所述过滤因子取值范围大于1且小于2。

4.如权利要求3所述的基于AdaBoost的复合材料损伤识别方法，其特征在于：利用所述过滤因子还包括，

当第二次分类时，同时满足所述识别错误率小于0.5且小于第一个所述弱分类器与所述过滤因子乘积条件，则生成新的所述弱分类器；

重复生成所述弱分类器的分类步骤，直至无法找到所述满足条件的所述弱分类器，停止分类；

所述弱分类器在分类时对所述训练样本数据分别生成分类意见；

整合所有生成的所述弱分类器的所述分类意见，分别标记为相同分类意见和不同分类意见。

5.如权利要求1所述的基于AdaBoost的复合材料损伤识别方法，其特征在于：训练所述训练模型包括，

对所述训练模型分别输入带标签的训练样本{(x₁,y₁),…,(x_N,y_N)}、加权LSSVM中的惩罚因子C、核宽参数初始值σ_ini、搜索步长σ_step、最小值σ_min、过滤因子k和权重模型参数c₁、c₂；

初始化输入的数值，训练样本初始权重加权LSSVM初始权重

所述训练模型进行迭代处理，迭代次数t＝1、2、…、T；

迭代完成，输出所述损伤识别模型

其中，x_i：所述训练样本数据，y_i：训练样本标签，h_t：所述弱分类器，α_t：权重。