CN102207474A - 一种基于xrf光谱仪合金牌号鉴定的智能方法 - Google Patents
一种基于xrf光谱仪合金牌号鉴定的智能方法 Download PDFInfo
- Publication number
- CN102207474A CN102207474A CN 201110068712 CN201110068712A CN102207474A CN 102207474 A CN102207474 A CN 102207474A CN 201110068712 CN201110068712 CN 201110068712 CN 201110068712 A CN201110068712 A CN 201110068712A CN 102207474 A CN102207474 A CN 102207474A
- Authority
- CN
- China
- Prior art keywords
- trade mark
- parameter
- sample
- content
- master sample
- 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
Images
Abstract
本发明涉及智能计算和XRF光谱仪的PMI技术领域,尤其涉及一种基于XRF光谱仪合金牌号鉴定的智能方法。本发明解决现有XRF光谱仪合金牌号鉴别功能对同类仪器设备个体性差异以及新增标准样本变化的自适应性调节能力不足的问题。本发明利用模糊隶属度函数制定匹配计算方法来解决由于XRF光谱仪本身的软硬件因素产生的不确定性问题;同时,为提高合金牌号匹配准确度及其普适的稳定性,还利用遗传算法从自适应校准检测参数和自适应调整匹配参数两方面来优化计算结果,从而使得特定仪器在检测物品以及进行合金牌号鉴定时具备更强的自适应性能力。
Description
技术领域
本发明涉及智能计算和XRF光谱仪的PMI(Positive Material Identification)技术领域,尤其涉及一种基于合金牌号鉴定过程中合金含量计算参数校准和合金牌号自适应匹配的智能方法。
背景技术
X射线荧光光谱分析是分析检测物质中元素成分含量的先进技术。合金牌号鉴定为其主要应用之一。合金牌号鉴定过程主要包含两部分:XRF光谱仪测定合金各元素含量以及根据含量在给定合金牌号库中进行牌号匹配查询。在含量测定过程中,由于光谱仪物理参数以及几何因子等仪器检测参数不可忽略的数值误差的存在,使得依赖确定性的物理数学方法的定量计算方法,比如基本参数(FP)法,需要适应光谱仪器本身的个体差异性带来的测量值误差变化;在牌号匹配过程中,由于合金牌号各元素含量确定性范围边界的设定误差、样本含量计算中对主元素含量采用归一化产生的误差以及牌号鉴定流程整体带来的系统性误差的存在,使得牌号匹配查询方法需要适应给定牌号库的不同以及仪器类型的不同带来的匹配误差。智能计算是一种有别于传统确定性计算方法的全新计算方法学体系,其最大的特点就是根据优化目标对计算参数进行自适应性调整。按照当前流行的观点,它主要包含神经网络、模糊系统和演化计算(参见文献1)
常见X射线荧光光谱分析仪的工作原理有两种:波长色散和能量色散,能量色散型XRF光谱分析仪的研制和使用更为普遍;在XRF光谱检测分析方法中,常见的两类定量方法为经验系数(EC)法和基本参数(FP)法,其中以FP法更具备普适性,所需标准样本较EC法更少,其计算结果对仪器物理特性和检测参数的设定更为敏感(参见文献2)。尽管FP法本身为克服物理参数和几何因子等误差影响采取了相对强度和逐步逼近法来校正强度计算,但由于FP法的复杂性导致其计算结果对仪器个体的依赖性很强,因此,对仪器检测参数的进一步适应性校准显得尤为必要。在合金牌号鉴定方面,首先,合金中不同元素含量之间不存在特定的关联性,可以认为具有一定的自由度,这种不同步性导致鉴定所需计算的匹配度的计量存在模糊性。用模糊数学的观点来看,当一个合金样本各元素含量不完全满足任何一个牌号标准时,它究竟应该被归入哪一个牌号,只存在匹配程度的不同,而无绝对区分依据,这种匹配程度可以用模糊数学的隶属度来描述。其次,合金牌号库的制定有比较多的参照标准,一般每个国家都有自己的国家标准,也有国际标准,但相同类型的合金在各自的标准合金牌号库中的元素含量范围基本一致,但由于还是存在差别,导致对于依赖严格边界判定的牌号匹配查询来说,不足以保证识别上的一致性。同类合金在不同标准牌号库中影响到匹配结果的区别主要在于:a)参考分析元素的选定会有不同,比如不锈钢BS英国标准中的301S21中不含对Mo的含量的判定,而美国标准中NITON公司版本的牌号库中对应的同类不锈钢牌号SS301对Mo的含量规定为0~0.3,而且对不锈钢的主元素Fe也给定了含量范围,但BS标准中Fe是靠归一化处理去计算;b)同类合金的同一种元素的含量范围会有少量差别,比如不锈钢BS标准中304系列的牌号Ni含量为8~10或者8.5~11.5,而美国标准中NITON公司版本的牌号库中对应的SS304牌号的Ni含量为8~10.5,边界并非严格相同。这些数值差别本身虽然不大,但结合合金元素含量的测量误差或计算误差,对于依赖于严格边界判定的计算确定性距离的匹配方法来说,则是不可忽略的。基于以上两方面讨论可知,基于自适应参数优化调整的模糊匹配查询方法,通过基于标准样本采用遗传算法训练参数的优化调整方式,在解决保持匹配准确度的适应性问题上能够起到良好的改善作用。
文献1:《计算智能——从概念到实现》英文版,Russel C.Eberhart等,人民邮电出版社
文献2:《X射线荧光光谱分析》,吉昂等,科学出版社
发明内容
针对上述存在的技术问题,本发明的目的是提供一种基于XRF光谱仪合金牌号鉴定的智能方法,以提高XRF光谱仪在合金牌号鉴定应用中的匹配准确率并使其具备对不同仪器个体以及给定牌号库的变化仍保持较高匹配准确率的自适应能力。
为达到上述目的,本发明采用如下的技术方案:
XRF光谱仪为波长色散或者能量色散类型的X射线荧光光谱仪,其配套分析软件具备基本的定性功能和基于FP法的定量分析功能;基于符合以上类型和所述功能的XRF光谱仪的配套检测分析软件平台,包括以下步骤:
(1)收集待检测的FP法校正所需标准样本集;
(2)用XRF光谱仪对FP法校正所需标准样本集进行检测,获取实测强度信息,然后根据标准样本已知的真实含量信息和实测强度信息,基于XRF光谱仪分析软件配置的FP法计算模块,采用遗传算法对FP法输入参数进行真值逼近校准;
(3)收集待检测的给定牌号库牌号标准样本集;
(4)用XRF光谱仪对牌号标准样本集进行检测,并根据(2)所得校准后的FP法计算参数调用FP法计算各牌号标准样本的含量;
(5)根据FP法计算所得的牌号标准样本的计算含量,分别对每个标准样本按照带权重的基于领域偏移参数的模糊匹配度计算方法计算与给定牌号库中每个牌号的匹配度,最后根据匹配度得到实测牌号结果;
(6)依照标准样本已知的真实牌号,统计给定牌号库所有牌号标准样本的匹配正确率,以正确率为指标采用遗传算法调整匹配度计算中的模糊匹配参数直至当前标准样本集匹配结果逼近最优;
(7)若给定牌号库更换,比如英国标准牌号库更换为美国标准牌号库,且存在标准之间的牌号对照表,即不需要针对新牌号库收集新的标准合金牌号样本,则转(5);若给定牌号库更换,且能够收集到对应新牌号库的合金标准样本,则转(3);
(8)若当前给定牌号库合金牌号标准样本集发生改变,比如有新的标准样本添加,则转(3),且针对新增样本进行增量优化调整;
(9)用XRF光谱仪对未知牌号的待测合金样品进行检测,基于已校准的FP法计算参数及已优化的匹配参数,采用FP法定量计算方法计算含量,采用步骤4)所述的带权重的基于领域偏移参数的模糊匹配度计算方法计算匹配度,依照给定牌号库鉴定合金牌号。
所述步骤(2)中FP法参数的自适应性校准包括以下步骤:
①选定一组待校准的仪器检测参数,该组参数皆为FP法计算时所需设定的仪器测量环境参数,也就是仪器本身的硬件物理参数或几何因子;
②将选定参数作为遗传算法的个体进行编码,并初始化产生初始群体;
③根据FP法计算得出的标准样本的计算含量值与真实含量值之间的关系,如下式所示,
CCij为第i个样本的第j个元素的计算含量
MCij为第i个样本的第j个元素的真实含量
m为标准样本个数
n为每个标准样本所含待测元素个数
或者根据FP法校正得到的理论强度值与实测强度值之间的关系,如线性相关性,制定遗传算法的个体适应度函数并计算;
④根据每代个体的适应度函数值对个体进行演化,直至到达遗传算法的终止条件;
⑤记录演化得到的最优个体参数值结果。
所述步骤(6)中匹配参数的自适应调整包括以下步骤:
①将匹配度计算中的邻域偏移参数和权重系数作为遗传算法的个体进行编码,并初始化产生初始群体;
②执行如权利要求1中所述的本发明方法步骤(5),将所得的每个标准样本的计算牌号与其已知的真实牌号对比,计算标准样本集中所有样本的匹配正确率,如下式,其中,n为标准样本集的样本个数:
③将步骤②中的计算值作为个体适应度,对个体进行演化,直至满足终止条件;
④记录最优个体参数值结果。
所述带权重的基于领域偏移参数的匹配度计算方法,匹配度采用模糊数学中的模糊隶属度进行定义,包括以下步骤:
①获取待测样品的元素含量P;
②依次计算待测样品与牌号库中标准牌号的匹配度:
a)获取牌号X的一个元素的含量范围D;
b)使用领域偏移参数,获取实际用于判定的元素含量范围D’;
c)计算待测样品的对应元素含量P相对于邻域范围D’的模糊隶属度
d)获取牌号下一个元素的含量范围以及待测样品对应含量,转b);全部元素匹配度计算完成,则转e)
e)根据所有元素的邻域隶属度计算整体匹配度
③取匹配度最高的三个牌号作为结果输出。
若当前给定牌号库合金牌号标准样本集发生改变,比如有新的标准样本添加,则针对新增样本按如下步骤进行增量优化调整:
①将新增标准样本作为待测样本,调用如权利要求1所属的基于合金牌号鉴定的智能方法步骤(9),使用已优化过的参数模型计算匹配度;
②如果匹配正确,则退出,样本入库,继续下一个样本;
③如果匹配出现不吻合,则选取匹配相关牌号对应标准样本作为新的目标标准样本集(用于计算适应度),转如权利1所属的步骤(3),并且分阶段将具体设计的演化过程按下述方式多次调用:在每次迭代选择待演化的参数时,逐步增加其变化范围,如果达到演化终止条件,则查看终止方式,若是代数终止,则继续进入下一段范围的演化,直至终止条件;如果终止方式为个体收敛,即最优个体连续一段代数迭代中保持不变,且达到适应度要求,即达到某个正确率,则退出,保存参数,样本入库;
④如果所有新增样本已处理完毕,终止;否则,转①。
本发明具有以下优点和积极效果:
1)本发明利用模糊隶属度函数制定匹配计算方法来解决由于XRF光谱仪本身的软硬件因素产生的不确定性问题;
2)本发明为提高合金牌号匹配准确度及其普适的稳定性,还利用遗传算法从自适应校准检测参数和自适应调整匹配参数两方面来优化计算方法,从而使得特定仪器在检测物品以及进行合金牌号鉴定时具备更强的自适应性能力。
附图说明
图1是本发明提供的基于XRF光谱仪合金牌号鉴定的智能方法的流程图。
图2是本发明中仪器检测参数真值自适应校准方法流程图。
图3是本发明中模糊匹配参数自适应调整方法流程图。
具体实施方式
本发明所提供基于XRF光谱仪的合金牌号鉴定的智能方法,所述XRF光谱仪为波长色散或者能量色散类型的X射线荧光光谱仪,其配套检测分析软件具备基本的定性分析和基于FP法的定量分析功能;本发明基于符合以上类型和所述功能的XRF光谱仪的配套检测分析软件平台,实现以下各步骤:
(1)收集待检测的FP法校正所需标准样本集。
(2)用XRF光谱仪对FP法校正所需标准样本集进行检测,获取实测强度信息,然后根据标准样本已知的真实含量信息和实测强度信息,基于XRF光谱仪分析软件配置的FP法计算模块,采用遗传算法对FP法输入参数进行真值逼近校准。
(3)收集待检测的给定牌号库牌号标准样本集。
(4)用XRF光谱仪对牌号标准样本集进行检测,并根据(2)所得校准后的FP法计算参数调用FP法计算各牌号标准样本的含量。
(5)根据FP法计算所得的牌号标准样本的计算含量,分别对每个标准样本按照带权重的基于领域偏移参数的模糊匹配度计算方法计算与给定牌号库中每个牌号的匹配度,最后根据匹配度得到实测牌号结果。
(6)依照标准样本已知的真实牌号,统计给定牌号库所有牌号标准样本的匹配正确率。以正确率为指标采用遗传算法调整匹配度计算中的模糊匹配参数直至当前标准样本集匹配结果逼近最优。
(7)若给定牌号库更换,比如英国标准牌号库更换为美国标准牌号库,且存在标准之间的牌号对照表,即不需要针对新牌号库收集新的标准合金牌号样本,则转(5);若给定牌号库更换,且能够收集到对应新牌号库的合金标准样本,则转(3)。
(8)若当前给定牌号库合金牌号标准样本集发生改变,比如有新的标准样本添加,则转(3),且针对新增样本进行增量优化调整。
(9)用XRF光谱仪对未知牌号的待测合金样品进行检测,基于已校准的FP法计算参数及已优化的匹配参数,采用FP法定量计算方法计算含量,采用步骤4)所述的带权重的基于领域偏移参数的模糊匹配度计算方法计算匹配度,依照给定牌号库鉴定合金牌号。
上述步骤(1)~(8)属于参数自适应调整部分,采用依赖于标准样本的离线方式进行训练调整,其中前6步为适应调整初始化过程,在XRF光谱仪配置本发明时实施;步骤(9)属于本发明最终前端应用的合金检测及牌号匹配查询过程。本发明方法结构图如图1所示。
图1所示的合金检测及牌号匹配查询部分包含两个依赖前提:仪器检测并定性、FP法定量计算,如图1中的虚线框所示,由XRF光谱仪本身配套的系统检测分析软件的检测定性功能和FP法定量计算功能来完成。
所述参数自适应调整部分包含仪器检测参数真值(即FP法计算的输入参数)的自适应性校准和模糊匹配参数的自适应调整。在图1所示的检测匹配查询部分与参数调整部分之间的数据交换中:
a)虚线框“强度”表示仪器检测参数真值校准所需的标样实测强度,通过XRF光谱仪直接检测得到;
b)虚线框“参数”表示经过校准后的仪器测量参数值将作为采用FP法计算含量时所输入的对应参数值;
c)虚线框“含量”表示匹配参数的自适应调整所需的实测含量信息是采用FP法定定量分析的计算方法计算而得;
d)虚线框“参数2”表示经过自适应优化调整了的匹配参数值将作为合金牌号匹配度计算时所采用的模糊匹配参数的取值。
e)如图1所示的两处“调用”是指,自适应调整所需的标准样本集信息需要调用XRF光谱仪的检测分析功能来获取。
所述本发明方法步骤(9)匹配过程中,基于带权重的基于邻域偏移参数的匹配度计算的匹配算法步骤如下:
1)获取待测样品的元素含量P;
2)依次计算待测样品与牌号库中标准牌号的匹配度:
a)获取牌号X的一个元素的含量范围D;
b)使用领域偏移参数,获取实际用于判定的元素含量范围D’;
c)计算待测样品的对应元素含量P相对于邻域范围D’的模糊隶属度
d)获取牌号下一个元素的含量范围以及待测样品对应含量,转b);全部元素匹配度计算完成,则转e)
e)根据所有元素的邻域隶属度计算整体匹配度。
3)取匹配度最高的三个牌号作为结果输出。
其中匹配度的计算基于模糊数学中的模糊隶属度进行定义。以合金样本中任意元素对于牌号对应元素的标准范围的隶属度作为评价依据,对隶属度作如下表示:若样本s中的元素e对于牌号g中对应元素的范围标准D的符合程度为μe(s,g),则称μe(s,g)为样本s对于牌号g在元素e上的隶属度。区域匹配度在对应区域的一定邻域范围内有意义,在该邻域中存在判断上的模糊性,即可将其隶属度定义为(0,1]之间的数,其中0表示完全不匹配,1表示完全匹配,在超出邻域范围的其它区间上,隶属度为常数0,表示不存在匹配关系。本发明采用均匀分布进行隶属度函数计算,对于单个元素的隶属度的计算由下式给出:
对于多个元素的隶属度共同构成的匹配度指标,其综合隶属函数可通过线形加权方法得出:
由于用隶属度描述评价等级能够描述出区域匹配的模糊性,在实际应用中就更加显示出它的客观性和合理性。
所述本发明方法步骤(2)中仪器检测参数真值的自适应校准方法结构图如图2所示,具体步骤为:
1)选定一组待校准的仪器检测参数,该组参数皆为FP法计算时所需设定的仪器测量环境参数,也就是仪器本身的硬件物理参数或几何因子;
2)将选定参数作为遗传算法的个体进行编码,并初始化产生初始群体;
3)根据FP法计算得出的标准样本的计算含量值与真实含量值之间的关系或者根据FP法校正得到的理论强度值与实测强度值之间的关系,制定遗传算法的个体适应度函数并计算;
4)根据每代个体的适应度函数值对个体进行演化,直至到达遗传算法的终止条件;
5)记录演化得到的最优个体参数值结果。
其中仪器检测功能以及FP法计算功能需要通过调用仪器配套检测分析软件中使用的FP法软件包来实现,故如图1一样用虚线框表示。
所述本发明方法步骤(5)中的匹配方法与步骤(9)中的相同。
所述本发明方法步骤(6)中匹配参数的自适应调整方法结构图如图3所示,具体步骤为:
1)将邻域偏移参数和权重系数作为遗传算法的个体进行编码,并初始化产生初始群体;
2)执行本发明方法步骤(5),将所得的每个标准样本的计算牌号与其已知的真实牌号对比,计算标准样本集中所有样本的匹配正确率,如下式,其中,n为标准样本集的样本个数:
3)将步骤2)中的计算值作为个体适应度,对个体进行演化,直至满足终止条件;记录最优个体参数值结果。
(实施例)
本实施例是在能量色散型手持式XRF光谱仪上实现的。使用的软硬件工作环境如下:光谱仪携带的PDA使用ARM11 600MHz作为处理器,内存大小为256MB。仪器配套的系统检测分析软件运行于PDA安装的Windows Mobile操作系统之上,具备物品检测和定性分析及FP法定量分析功能。本实施例将本发明方法实现为三个动态链接库软件模块,分别为牌号匹配查询模块gradeQuery.dll、牌号匹配参数自适应调整模块gradePA.dll和仪器检测参数自适应校准模块fpPC.dll,与光谱仪配套的系统检测分析软件进行交互工作。所需FP法定量计算软件包为仪器配套监测分析软件所使用的FP法计算软件包fp.dll。数据交换以文件记录读取的形式实现。由于参数优化调整的内容都是依赖于静态的标准样本集或牌号库牌号的信息,因此参数自适应调整是以离线优化的方式工作的。其中,仪器检测参数的自适应校正,除非FP法标样信息发生改变,否则一般只在每台仪器适应调整初始化时进行;模糊匹配参数自适应调整在适应初始化调整之后,其进一步的优化调整行为由牌号库内容或牌号标样信息的改变事件或者人工来触发。
如图1所示,本发明方法实现的不是一个独立的软件系统模块,而是要依赖于XRF光谱仪设备以及配套检测分析软件并与其交互的辅助功能模块。本发明方法工作流程的实现为:
首先对实施本发明方法的XRF光谱仪进行FP法参数校准,即调用fpPC.dll模块,为每台仪器记录一组校准过的仪器检测参数也即FP法计算的输入参数;
然后基于给定合金牌号库以及牌号标准样本,对匹配参数进行优化调整,即调用gradePA.dll模块,期间采用FP法基于校准过的参数进行含量计算;
当使用XRF光谱仪进行合金牌号鉴定时,调用gradeQuery.dll进行牌号匹配,期间要用到FP法计算含量结果和调整好的匹配参数。
结合图1、图2和图3所示,本发明方法的具体实施步骤如下:
(1)收集给定合金牌号库中每类合金牌号标准样本各2个组成FP法校正所需的标准样本集,该样本集所含元素涵盖16个合金牌号鉴定所参照的主要元素成分。
(2)选择X光管入射角、出射角和滤光片厚度三个检测参数为适应性调整的参数对象(根据仪器本身的特性以及需要的不同还可以选择不同的参数进行调整),将这三个参数作为遗传算法的个体进行二进制编码,其取值范围依次为:滤光片厚度(0-3mm,step 0.1mm)、入射角(40-60,step 1)、出射角(40-60,step 1),随机产生满足取值范围的初始群体,群体规模为100个;
(3)FP法参数自适应校准的适应度计算步骤如下:
a)标准样本集信息采集(由于所选择的个体参数需校正的偏差因仪器个体差异而不同,因此标准样本的采样需对不同仪器进行):将检测标准样本集得到的一组实测强度值和标准样本集真实含量CC的一组已知值进行格式化输入,比如组织成Excel文件中的两张表格,“含量”和“强度”,作为FP法生成实测强度和理论强度之间的校正曲线时所需的标样信息输入;
b)基于步骤a)的标样信息和个体参数信息,调用FP法计算包生成校正信息文件(此为FP法计算的中间步骤);
c)将标准样本作为待测样本,利用步骤b)中的校正信息,将待测样本的实测强度作为输入,调用FP法的定量计算样本含量MC;
d)为了快速计算,本实施例将每个标样的各元素真实含量CC与FP法计算含量MC的差值绝对值之和的最小值作为优化指标,也就是遗传算法的适应度,计算式如下所示(也可以将理论强度和实测强度之间的线性相关性作为优化指标,衡量线性相关性的方法又有多种,可以最后根据对标样的计算含量误差的多目标评价目标来选定衡量线性相关性的方法);
CCij为第i个样本的第j个元素的计算含量
MCij为第i个样本的第j个元素的真实含量
m为标准样本个数
n为每个标准样本所含待测元素个数
(4)根据当前代数个体适应度计算结果评价个体,采用轮盘赌选择策略选择出适应度较好的个体留下,为了保持群体规模,随机复制一些留下的适应度较好的个体,直至规模达到初始规模;基于选择操作之后的群体,采用随机概率进行两个个体之间的两点杂交,以及单个个体的单点变异,完成选择、杂交和变异等演化操作之后,即生成了下一代群体;
(5)如果个体收敛,此实施例规定为最优个体保持10代不变,或者遗传代数到达500代,则终止,记录个体信息,保存在fppara.dat文件中;否则转(3)。
(6)收集给定牌号库中每个牌号所对应的一个或多个标准样本进行检测采样,每个牌号标准样本的重复测试次数视仪器测量误差表现的稳定性而定,本实施例重复测量21次,因为采用的XRF光谱在21次重复测试中的误差范围基本稳定。
(7)根据步骤(2)~(5)所得的参数调用FP法计算(6)中重复测试样本的含量,并保存每个样本名称、系统判定牌号、真实牌号以及合金牌号所含主要16种元素的计算含量等信息为Excel文件。由于存在匹配参数的模糊调整过程,因此牌号标准样本的采样只需同一类型仪器上采集一次即可。
(8)对于某个牌号g的某个元素e而言,以U(ge,min),U(ge,max)和ωe所组成的三元组为待调整的匹配参数。每个牌号的每个元素都存在一个三元组,给定牌号库所有牌号的计量元素的三元组匹配参数共同组成一个个体,对其进行二进制编码,产生初始群体,规模为50。U(ge,min)和U(ge,max)相对于牌号原边界可相对浮动范围为5%~50%,ωe权重系数范围为0,0.5,1,2,4共5个等级。匹配参数初始化方式为,只将每个牌号的主元素的权重进行设置,即U(ge,min)和U(ge,max)设为0,只设置ωe的值。
(9)匹配参数自适应调整的适应度计算步骤如下:
1)从步骤(7)得到的Excel文件中获取标准样本的计算含量信息,从给定牌号库Excel文件中获取牌号的含量信息,再根据当前待调整的个体参数信息,通过基于隶属度的匹配度计算公式计算匹配度.
2)对每个标准样本基于a)得到的匹配度取最高的牌号作为匹配牌号结果,并基于真实牌号按照下式计算匹配正确率,将其作为当前群体中每个个体参数的适应度。
3)记录当前群体每个个体参数中,匹配错误的样本错误牌号和样本的真实牌号所在的个体子串位置;
(10)根据当前代数个体适应度计算结果评价个体,采用轮盘赌选择策略选择出适应度较好的个体留下,为了保持群体规模,随机复制一些留下的适应度较好的个体,直至规模达到初始规模;基于选择操作之后的群体,采用随机概率进行两个个体之间的两点杂交,以及单个个体的单点变异,对于每个个体,杂交和变异只在步骤(9)的子步骤c)中记录的子串中进行,完成选择、杂交和变异等演化操作之后,即生成了下一代群体;
(11)如果个体收敛,此实施例规定为最优个体保持10代不变,或者正确率即适应度到达98%,或者遗传代数到达500代,则终止,记录个体信息,保存在gmpara.dat文件中;否则转(9)。
(12)若给定牌号库更换,比如英国标准牌号库更换为美国标准牌号库,且存在标准之间的牌号对照表,即不需要针对新牌号库收集新的标准合金牌号样本,则转(8);若给定牌号库更换,且能够收集到对应新牌号库的合金标准样本,则转(6);
(13)若当前给定牌号库合金牌号标准样本集发生改变,比如有新的标准样本添加,则针对新增样本按如下流程进行增量优化调整:
1)将新增标准样本作为待测样本,转(14),使用已优化过的参数模型计算匹配度;
2)如果匹配正确,则退出,样本入库,继续下一个样本;
3)如果匹配出现不吻合,则选取匹配相关牌号对应标准样本作为新的目标标准样本集(用于计算适应度),转(6),并且分阶段将(9)~(11)的演化过程按下述方式多次调用:亦即在每次迭代选择待演化的参数时,逐步增加其变化范围,比如,对于含量较高总体变动范围在-20%~20%之间的元素,可用5%的步长进行阶段演化。如果达到演化终止条件,则查看终止方式,若是代数终止,则继续进入下一段范围的演化,直至终止条件;如果终止方式为个体收敛,此处规定为最优个体保持10代不变,且达到适应度要求,此处规定为正确率达到98%以上,则退出,保存参数,样本入库。
4)如果所有新增样本已处理完毕,终止;否则,转1);
(14)用XRF光谱仪对未知牌号的待测合金样品进行检测,基于已校准的FP法计算参数及已优化的匹配参数,采用FP法定量计算方法计算含量,按下列步骤计算匹配度,然后依照给定牌号库鉴定合金牌号:
1)获取待测样品的元素含量P;
2)依次计算待测样品与牌号库中标准牌号的匹配度:
a)获取牌号X的一个元素的含量范围D;
b)使用领域偏移参数,获取实际用于判定的元素含量范围D’;
c)计算待测样品的对应元素含量P相对于邻域范围D’的模糊隶属度
d)获取牌号下一个元素的含量范围以及待测样品对应含量,转b);全部元素匹配度计算完成,则转e)
e)根据所有元素的邻域隶属度计算整体匹配度。
3)取匹配度最高的三个牌号作为结果输出。
以上实施例仅供说明本发明之用,而非对本发明的限制,有关技术领域的技术人员,在不脱离本发明的精神和范围的情况下,还可以作出各种变换或变型,因此所有等同的技术方案,都落入本发明的保护范围。
Claims (5)
1.一种基于XRF光谱仪的合金牌号鉴定的智能方法,所述XRF光谱仪为波长色散或者能量色散类型的X射线荧光光谱仪,其特征在于,包括以下步骤:
(1)收集待检测的FP法校正所需标准样本集;
(2)用XRF光谱仪对FP法校正所需标准样本集进行检测,获取实测强度信息,然后根据标准样本已知的真实含量信息和实测强度信息,基于XRF光谱仪分析软件配置的FP法计算模块,采用遗传算法对FP法输入参数进行真值逼近校准;
(3)收集待检测的给定牌号库牌号标准样本集;
(4)用XRF光谱仪对牌号标准样本集进行检测,并根据(2)所得校准后的FP法计算参数调用FP法计算各牌号标准样本的含量;
(5)根据FP法计算所得的牌号标准样本的计算含量,分别对每个标准样本按照带权重的基于领域偏移参数的模糊匹配度计算方法计算与给定牌号库中每个牌号的匹配度,最后根据匹配度得到实测牌号结果;
(6)依照标准样本已知的真实牌号,统计给定牌号库所有牌号标准样本的匹配正确率,以正确率为指标采用遗传算法调整匹配度计算中的模糊匹配参数直至当前标准样本集匹配结果逼近最优;
(7)若给定牌号库更换,比如英国标准牌号库更换为美国标准牌号库,且存在标准之间的牌号对照表,即不需要针对新牌号库收集新的标准合金牌号样本,则转(5);若给定牌号库更换,且能够收集到对应新牌号库的合金标准样本,则转(3);
(8)若当前给定牌号库合金牌号标准样本集发生改变,比如有新的标准样本添加,则转(3),且针对新增样本进行增量优化调整;
(9)用XRF光谱仪对未知牌号的待测合金样品进行检测,基于已校准的FP法计算参数及已优化的匹配参数,采用FP法定量计算方法计算含量,采用步骤4)所述的带权重的基于领域偏移参数的模糊匹配度计算方法计算匹配度,依照给定牌号库鉴定合金牌号。
2.根据权利要求1所述的基于XRF光谱仪的合金牌号鉴定的智能方法,其特征在于,所述步骤(2)中FP法参数的自适应性校准包括以下步骤:
①选定一组待校准的仪器检测参数,该组参数皆为FP法计算时所需设定的仪器测量环境参数,也就是仪器本身的硬件物理参数或几何因子;
②将选定参数作为遗传算法的个体进行编码,并初始化产生初始群体;
③根据FP法计算得出的标准样本的计算含量值与真实含量值之间的关系,如下式所示,
CCij为第i个样本的第j个元素的计算含量
MCij为第i个样本的第j个元素的真实含量
m为标准样本个数
n为每个标准样本所含待测元素个数
或者根据FP法校正得到的理论强度值与实测强度值之间的关系,如线性相关性,制定遗传算法的个体适应度函数并计算;
④根据每代个体的适应度函数值对个体进行演化,直至到达遗传算法的终止条件;
⑤记录演化得到的最优个体参数值结果。
4.根据权利要求1-3中任一项所述的基于XRF光谱仪的合金牌号鉴定的智能方法,其特征在于:
所述带权重的基于领域偏移参数的匹配度计算方法,匹配度采用模糊数学中的模糊隶属度进行定义,包括以下步骤:
①获取待测样品的元素含量P;
②依次计算待测样品与牌号库中标准牌号的匹配度:
a)获取牌号X的一个元素的含量范围D;
b)使用领域偏移参数,获取实际用于判定的元素含量范围D’;
c)计算待测样品的对应元素含量P相对于邻域范围D’的模糊隶属度
d)获取牌号下一个元素的含量范围以及待测样品对应含量,转b);全部元素匹配度计算完成,则转e)
e)根据所有元素的邻域隶属度计算整体匹配度
③取匹配度最高的三个牌号作为结果输出。
5.根据权利要求1-4中任一项所述的基于XRF光谱仪的合金牌号鉴定的智能方法,其特征在于:
若当前给定牌号库合金牌号标准样本集发生改变,比如有新的标准样本添加,则针对新增样本按如下步骤进行增量优化调整:
①将新增标准样本作为待测样本,调用如权利要求1所属的基于合金牌号鉴定的智能方法步骤(9),使用已优化过的参数模型计算匹配度;
②如果匹配正确,则退出,样本入库,继续下一个样本;
③如果匹配出现不吻合,则选取匹配相关牌号对应标准样本作为新的目标标准样本集(用于计算适应度),转如权利1所属的步骤(3),并且分阶段将具体设计的演化过程按下述方式多次调用:在每次迭代选择待演化的参数时,逐步增加其变化范围,如果达到演化终止条件,则查看终止方式,若是代数终止,则继续进入下一段范围的演化,直至终止条件;如果终止方式为个体收敛,即最优个体连续一段代数迭代中保持不变,且达到适应度要求,即达到某个正确率,则退出,保存参数,样本入库;
④如果所有新增样本已处理完毕,终止;否则,转①。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110068712 CN102207474B (zh) | 2011-03-22 | 2011-03-22 | 一种基于xrf光谱仪合金牌号鉴定的智能方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110068712 CN102207474B (zh) | 2011-03-22 | 2011-03-22 | 一种基于xrf光谱仪合金牌号鉴定的智能方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102207474A true CN102207474A (zh) | 2011-10-05 |
CN102207474B CN102207474B (zh) | 2013-07-10 |
Family
ID=44696413
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201110068712 Expired - Fee Related CN102207474B (zh) | 2011-03-22 | 2011-03-22 | 一种基于xrf光谱仪合金牌号鉴定的智能方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102207474B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105678329A (zh) * | 2016-01-04 | 2016-06-15 | 聚光科技(杭州)股份有限公司 | 牌号识别方法 |
CN107796840A (zh) * | 2017-09-26 | 2018-03-13 | 中车青岛四方机车车辆股份有限公司 | 合金成分确定方法及装置 |
CN105928962B (zh) * | 2016-07-07 | 2018-05-01 | 浙江泰克松德能源科技有限公司 | 基于隶属度函数的合金牌号识别方法 |
CN108982564A (zh) * | 2018-08-17 | 2018-12-11 | 南京航空航天大学 | 一种水渣xrf定量分析的方法 |
CN111443157A (zh) * | 2020-03-16 | 2020-07-24 | 京威汽车设备有限公司 | 一种加热器燃烧试验系统及方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7763820B1 (en) * | 2003-01-27 | 2010-07-27 | Spectramet, Llc | Sorting pieces of material based on photonic emissions resulting from multiple sources of stimuli |
-
2011
- 2011-03-22 CN CN 201110068712 patent/CN102207474B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7763820B1 (en) * | 2003-01-27 | 2010-07-27 | Spectramet, Llc | Sorting pieces of material based on photonic emissions resulting from multiple sources of stimuli |
Non-Patent Citations (2)
Title |
---|
《光谱学与光谱分析》 20011231 罗立强等 基于知识的X-射线荧光光谱研究进展 871-875 1-5 , * |
《科学技术与工程》 20060930 李辉 X射线荧光光谱基本参数法测定钢铁的组分 2942-2944 1-5 , * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105678329A (zh) * | 2016-01-04 | 2016-06-15 | 聚光科技(杭州)股份有限公司 | 牌号识别方法 |
CN105928962B (zh) * | 2016-07-07 | 2018-05-01 | 浙江泰克松德能源科技有限公司 | 基于隶属度函数的合金牌号识别方法 |
CN107796840A (zh) * | 2017-09-26 | 2018-03-13 | 中车青岛四方机车车辆股份有限公司 | 合金成分确定方法及装置 |
CN108982564A (zh) * | 2018-08-17 | 2018-12-11 | 南京航空航天大学 | 一种水渣xrf定量分析的方法 |
CN111443157A (zh) * | 2020-03-16 | 2020-07-24 | 京威汽车设备有限公司 | 一种加热器燃烧试验系统及方法 |
CN111443157B (zh) * | 2020-03-16 | 2022-10-04 | 京威汽车设备有限公司 | 一种加热器燃烧试验系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102207474B (zh) | 2013-07-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Multi-criteria building energy performance benchmarking through variable clustering based compromise TOPSIS with objective entropy weighting | |
Rocha Gouvêa et al. | Balance‐of‐payments‐constrained growth in a multisectoral framework: a panel data investigation | |
CN102207474B (zh) | 一种基于xrf光谱仪合金牌号鉴定的智能方法 | |
CN110210681B (zh) | 一种基于距离的监测站点pm2.5值的预测方法 | |
CN106778893B (zh) | 一种基于降维与聚类的高光谱样本选择方法 | |
CN107885928A (zh) | 考虑测量误差的步进应力加速性能退化可靠性分析方法 | |
Seifi et al. | Variable sampling plan for resubmitted lots based on process capability index and Bayesian approach | |
Bi et al. | Stem volume equations for native tree species in southern New South Wales and Victoria | |
CN112231621B (zh) | 基于BP-adaboost降低元素检出限的方法 | |
CN108595892A (zh) | 基于时间差分模型的软测量建模方法 | |
CN104990893A (zh) | 一种基于相似判别的汽油辛烷值检测方法 | |
CN103366091A (zh) | 基于多级阈值指数加权平均的异常报税数据检测方法 | |
CN110503156A (zh) | 一种基于最小相关系数的多变量校正特征波长选择方法 | |
CN101377739A (zh) | 基础软件平台的质量评估方法 | |
CN103134433B (zh) | 一种利用位移监测鉴别边坡失稳致滑因子的方法 | |
CN112348290A (zh) | 河流水质预测方法、装置、存储介质及设备 | |
CN105471624A (zh) | 一种通信设备接入终端通信接入网的综合评价方法 | |
CN110659767A (zh) | 一种基于lstm-cnn深度学习模型的股票趋势预测方法 | |
Nadal et al. | Statistical methods for analyzing color difference distributions | |
CN109871937A (zh) | 一种基于rbf神经网络的铝型材机械性能预测方法 | |
CN104990874B (zh) | 金属材料的牌号鉴定方法及系统 | |
CN107644285A (zh) | 售电市场盈利能力评估指标的筛选与权重确定方法及系统 | |
Volk-Makarewicz et al. | Assessing the impact of jumps in an option pricing model: A gradient estimation approach | |
CN115728290A (zh) | 一种土壤中铬元素的检测方法、系统、设备及存储介质 | |
CN104568256A (zh) | 发动机扭矩检测系统及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20130710 Termination date: 20170322 |