[发明专利]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。

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g_q,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，P_V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g_q,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g_k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。