[发明专利]一种基于PEC/UT数据融合的亚表面缺陷深度检测方法及系统

权利要求书

1.一种基于PEC/UT数据融合的亚表面缺陷深度检测方法，其特征在于：包括：

S101、借助脉冲涡流和超声波检测仪对不同缺陷深度下的亚表面缺陷进行多次检测，获得基于脉冲涡流和基于超声波的亚表面缺陷数据样本；

S102、对采集到的脉冲涡流和超声波的样本数据单独进行特征提取，将所提取的特征和缺陷深度大小作为输入，对应的缺陷深度作为输出，构建基于脉冲涡流和基于超声波的SVM分类器，通过所构建的分类器分别对脉冲涡流和超声波进行分类，获得不同缺陷深度下，脉冲涡流和超声波的缺陷概率分布；

S103、分别通过证据信息熵、冲突熵和分布熵对证据可信度进行评价，构建出基于多准则的权重优化模型，利用该模型对证据的可信度大小进行评价，并根据证据的可信度大小自适应分配证据权重；

S104、根据权重优化模型获得的证据权重对证据概率密度分布进行修正，将证据权重分配过程中产生的冗余概率分配给另一证据，最后进行D-S融合，并加权获得量化结果。

2.根据权利要求1所述的一种基于PEC/UT数据融合的亚表面缺陷深度检测方法，其特征在于：所述步骤S102中具体包括：

S1021、采集到的脉冲涡流和超声波的样本数据中包含多种不同深度下的缺陷数据，记第i类深度下的数据样本集合为X_i，i＝1,2,…,N；

S1022、单独提取多种脉冲涡流和超声波信号特征PEC_X_ij，UT_X_ij，其中i表示缺陷深度，j＝(1,2,…N)表示特征序号；

S1023、根据所提取特征和对应的缺陷深度，分别构建基于脉冲涡流的亚表面缺陷深度SVM分类模型和基于超声波的亚表面缺陷深度SVM分类模型，利用所构建的模型进行预测获得脉冲涡流和超声波的亚表面缺陷深度检测概率密度分布P,Q。

3.根据权利要求1所述的一种基于PEC/UT数据融合的亚表面缺陷深度检测方法，其特征在于：所述构建基于多准则的权重优化模型，具体包括：

S1031、计算不同缺陷深度下，PEC/UT的信息熵值H(PEC)、H(UT)，计算公式为：

式(1)中，m_i表示脉冲涡流证据或超声波证据，A_j为脉冲涡流或超声波中提取的第j种缺陷深度；

S1032、计算不同缺陷深度下，PEC/UT的冲突熵值HK(PEC)、HK(UT)，计算公式为：

式(2)中，m_i表示脉冲涡流证据或超声波证据，K_j表示待测证据与不同深度下样本证据的冲突大小，j表示缺陷深度类别，K的计算公式如下：

式(3)中，m(A)表示检测缺陷深度结果为A的概率，n表示脉冲涡流证据或超声波证据；

S1033、计算不同缺陷深度下，PEC/UT的分布熵值S(PEC)，S(UT)，计算公式为：

式(4)中，m_i表示脉冲涡流证据或超声波证据，d_j表示待测证据与不同深度下样本类中心的海林格距离，海林格距离公式如下：

式(5)中，d_i为证据距离，P为待测证据，Q_i为不同类别的类中心位置；

S1034、将证据信息熵、冲突熵和分布熵组合获得证据组合权重，权重组合公式如下：

4.根据权利要求1所述的一种基于PEC/UT数据融合的亚表面缺陷深度检测方法，其特征在于：所述步骤S104中，具体包括：

S1041、根据基于多准则的权重优化模型获得的证据权重对证据概率密度分布进行修正，计算公式如下：

式(7)中，m(A)、m(B)表示脉冲涡流证据和超声波证据，w(A)、w(B)表示对应的权重均小于1，m(A’)、m(B’)表示修正后的脉冲涡流证据和超声波证据；

S1042、进行D-S证据融合，组合规则如下：

S1043、加权获得量化结果，加权公式如下：

式(9)中，m(A)表示D-S融合后的概率，i代表对应的缺陷深度。