CN105300267B - 基于电磁涡流和数据融合算法的金属板厚度测量方法 - Google Patents

Abstract

本发明公开了一种基于电磁涡流和数据融合算法的金属板厚度测量方法，首先采用基于电磁涡流的厚度测量方法对被测金属板进行N次预测量，获取N个预测量厚度值，构建预测量厚度值向量，然后进行滤波得到低频分量X和高频分量H，根据高频分量H计算偏移描述向量V，归一化得到权值向量W，然后计算被测金属板最终的厚度测量值本发明通过滤波使信号中的高低频分量有效地提取出来并描述测量信息的分布特性，如误差大小程度等，然后根据代表预测量厚度值误差的高频分量来计算得到权值向量，采用权值向量来对代表真实厚度逼近值的低频分量进行融合得到最终厚度值，使得到的厚度测量值更加准确。

Description

基于电磁涡流和数据融合算法的金属板厚度测量方法

技术领域

本发明属于金属板厚度测量技术领域，更为具体地讲，涉及一种基于电磁涡流和数据融合算法的金属板厚度测量方法。

背景技术

电磁涡流技术测量金属板厚度的方法主要依据的模型是涡流的趋肤效应，即电磁涡流的趋肤深度随着加载的激励频率的增加而减少。一般情况下，涡流法测量厚度都是使用的实验测量的方法，得到一系列的测试点，再通过曲线拟合的途径实现，所以测量的误差大且曲线特性的可移植性差，即曲线只能针对实验用的材料有用。因为趋肤深度除了与动态的激励频率有关外，材料本身的电磁参数，电导率σ和磁导率μ，也对趋肤深度有着很大的影响。

目前研究者只对有限的材料进行了研究和实验，对大部分材料的结果还是未知。这样对测量方法的通用性有着很大的限制作用。随着研究的进一步深入，提出了多种测量方法来解决了这个问题。但是对于实际测量中出现的随机性的误差和抗干扰能差的问题，这些测量方法都很难解决这个问题。为了使得测量结果更加准确，抗干扰能力强，各种各样的方法被开始提出来讨论与研究。

数据融合方法是近几十年来被研究的很多的数据处理方法，特别是现阶段数据量爆炸式的增长，数据形式多样化的互联网时代。单一的数据处理方法已经不能够很好的用于现有的数据处理。数据融合方法由此被提上了研究的舞台，特别是现阶段提出的大数据处理方法。数据融合方法能够很好的提取数据中隐藏的信息以及利用多数据中所具有的共同特性特征来描述一个事物及其特征。融合方法现阶段也是各种各样，种类繁多，对于不同的研究对象，需要使用不同种类的融合方式和方法。其中高频数据融合方法首先被提出是在图像边沿增强中，该方法可以结合原始图像和高频图像，使得图像细节增强。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于电磁涡流和数据融合算法的金属板厚度测量方法，对采用基于电磁涡流的测量方法得到的若干预测量厚度值进行滤波，提取高低频分量，融合得到最终的金属板厚度测量值。

为实现上述发明目的，本发明基于电磁涡流和数据融合算法的金属板厚度测量方法包括以下步骤：

S1：首先采用基于电磁涡流的厚度测量方法对被测金属板进行N次预测量，获取N个预测量厚度值s_i，i表示预测量序号，取值范围为i＝1,2,…,N，然后构成预测量厚度值向量S＝[s₁,s₂,…,s_N]；

S2：对预测量厚度值向量S＝[s₁,s₂,…,s_N]进行滤波，分离得到低频分量X和高频分量H；

S3：在高频分量H的各元素值的绝对值|h_i|中搜索得到最大值m＝max(|h_i|)，然后计算偏移描述向量V＝[v₁,v₂,…,v_N]＝[m-|h₁|,m-|h₂|,…,m-|h_N|]；

S4：将偏移描述向量V＝[v₁,v₂,…,v_N]进行归一化，得到权值向量W＝[w₁,w₂,…,w_N]；

S5：计算被测金属板最终的厚度测量值

本发明基于电磁涡流和数据融合算法的金属板厚度测量方法，首先采用基于电磁涡流的厚度测量方法对被测金属板进行N次预测量，获取N个预测量厚度值，构建预测量厚度值向量，然后进行滤波得到低频分量X和高频分量H，根据高频分量H计算偏移描述向量V，归一化得到权值向量W，然后计算被测金属板最终的厚度测量值

本发明通过滤波使信号中的高低频分量有效地提取出来并描述测量信息的分布特性，如误差大小程度等，然后根据代表预测量厚度值误差的高频分量来计算得到权值向量，采用权值向量来对代表真实厚度逼近值的低频分量进行融合得到最终厚度值，使得到的厚度测量值更加准确。

附图说明

图1本发明基于电磁涡流和数据融合算法的金属板厚度测量方法的流程图；

图2是典型的电磁涡流测量装置示意图；

图3是本发明中数据融合算法流程图；

图4是标准厚度值为2mm的被测金属板的数据分析图；

图5是标准厚度值为3mm的被测金属板的数据分析图；

图6是标准厚度值为4mm的被测金属板的数据分析图；

图7是标准厚度值为5mm的被测金属板的数据分析图；

图8是标准厚度值为6mm的被测金属板的数据分析图；

图9是本实施例中采用本发明得到的厚度测量值和标准厚度值的对比图。

具体实施方式

下面结合附图对本发明的具体实施方式进行描述，以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是，在以下的描述中，当已知功能和设计的详细描述也许会淡化本发明的主要内容时，这些描述在这里将被忽略。

图1是本发明基于电磁涡流和数据融合算法的金属板厚度测量方法的流程图。如图1所示，本发明基于电磁涡流和数据融合算法的金属板厚度测量方法包括以下步骤：

S101：测量得到预测量厚度值向量：

首先采用基于电磁涡流的厚度测量方法对被测金属板进行N次预测量，获取N个预测量厚度值s_i，i表示预测量序号，取值范围为i＝1,2,…,N，然后构成预测量厚度值向量S＝[s₁,s₂,…,s_N]。

图2是典型的电磁涡流测量装置示意图。如图2所示，由激励线圈给出脉冲激励，得到原磁场和感应磁场的磁场分布及强度，由检测探头检测得到，输入到测量系统中。测量的基本模型可由公式(1)来描述。

其中δ为趋肤深度，f为激励频率，μ和σ分别为磁导率和电导率。

基于以上模型，目前业内已有多种测量厚度的方法，都可以测量得到被测试金属件厚度的预测量厚度值，因此在实际应用时可以根据实际需要来选择基于电磁涡流的厚度测量方法。

接下来需要对N次测量得到的预测量厚度值进行融合，得到最终的厚度测量值。图3是本发明中数据融合算法流程图。如图3所示，本实施例是对N次测量得到的预测量厚度值进行滤波得到低频分量X和高频分量H，根据高频分量H生成权值向量后将权值向量与低频分量求点积，得到最终的厚度测量值其相应步骤包括步骤S102至步骤S105。

S102：滤波得到低频分量和高频分量：

对预测量厚度值向量S＝[s₁,s₂,…,s_N]进行滤波，分离得到低频分量X和高频分量H。低频分量X表示了厚度值向量S的稳定成分，即对被测试件厚度的一组逼近值或拟合值，这些数据值保持在被测厚度值的邻域内。高频分量中每个元素的绝对值|h_i|表示测量数据s_i对被测厚度值的偏移程度的一种量度。若|h_i|大，表示偏移较大，说明第i次预测量的厚度数据s_i误差较大。反之，若|h_i|较小，表示偏移较小，说明第i次预测量的厚度数据s_i误差小。

因为预测量厚度值向量S中的预测量数据会由于每次测量的环境不同，使得预测量得到的数据有大有小，且出现的位置不确定，但是这些值都是在被测试件真实厚度值的周围，因此可以使用滤波后的低频成分X来描述测量值对被测试件厚度值的逼近值，用高频成分H来描述这些逼近值对被测试件真实厚度值的偏移程度或波动程度。

如图3所示，本实施例中先对预测量厚度值向量S＝[s₁,s₂,…,s_N]滤波得到低频分量X，采用预测量厚度值向量S与低频分量X作差得到高频分量H＝S-X＝[h₁,h₂,…,h_N]。

由于预测量厚度值向量S中每个预测量数据都是在被测金属件厚度值的上下波动，因此在进行滤波时采用中值滤波器可以得到更为准确合理的滤波结果，这种滤波器不会破坏本有的数据，最后的数据组成都是已测量得到的数据值，最大限度地保留了数据的真实性。

S103：计算偏移描述向量V：

在高频分量H的各元素值的绝对值|h_i|中搜索得到最大值m＝max(|h_i|)，然后计算偏移描述向量V＝[v₁,v₂,…,v_N]＝[m-|h₁|,m-|h₂|,…,m-|h_N|]。通过这样的处理后，对于第i次预测量的厚度值，若对应的v_i大，则表示该次测量的信息大概率有效，应在低频向量中取对应数据的大部分值，反之则取小部分值。基于以上规则来计算权值向量W。

S104：计算权值向量W：

将偏移描述向量V＝[v₁,v₂,…,v_N]进行归一化，得到权值向量可见，w_i描述了第i次测量中，测量数据的准确程度或逼近真实值的概率，值越大真实性越可信。

根据偏移描述向量V和权值向量的计算过程可知，如果某次测量数据对应的高频分量绝对值|h_i|较小时，其偏移描述值v_i会相对较大，从而得到的权值w_i也相对较大，使得到的权值向量符合误差小的测量数据权值大、误差大的测量数据权值小的原则，从而使最终计算得到的厚度值更接近真实的厚度值。

S105：计算厚度测量值：

根据低频分量X和权值向量W计算被测金属板最终的厚度测量值其中上标T表示转置。

实施例

为了说明本发明的技术效果，采用五个具有标准厚度的金属板作为被测金属板进行实验验证，采用基于电磁涡流的厚度测量装置对每个被测金属板分别进行8次测试。表1是五个被测金属板8次测量的厚度值(单位：mm)。

表1

如表1所示，每次测量的数据都在标准值的邻域内，但是每次都会有不同程度的波动。

图4是标准厚度值为2mm的被测金属板的数据分析图。图5是标准厚度值为3mm的被测金属板的数据分析图。图6是标准厚度值为4mm的被测金属板的数据分析图。图7是标准厚度值为5mm的被测金属板的数据分析图。图8是标准厚度值为6mm的被测金属板的数据分析图。如图4至图8所示，根据每个被测金属板得到的权值向量可以看出，偏差大的部分权值小，反之权值更大。

图9是本实施例中采用本发明得到的厚度测量值和标准厚度值的对比图。如图9所示，采用本发明得到的厚度测量值与标准厚度值相比，其误差平均在0.07mm。可以看出，融合后的结果比融合前的测量值精确度提高了一个数量级。

尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

Claims (3)

1.一种基于电磁涡流和数据融合算法的金属板厚度测量方法，其特征在于，包括以下步骤：

S1：首先采用基于电磁涡流的厚度测量方法对被测金属板进行N次预测量，获取N个预测量厚度值s_i，i表示预测量序号，取值范围为i＝1,2,…,N，然后构成预测量厚度值向量S＝[s₁,s₂,…,s_N]；

S2：对预测量厚度值向量S＝[s₁,s₂,…,s_N]进行滤波，分离得到低频分量X和高频分量H，低频分量X表示预测量厚度值对被测金属板厚度值的逼近值，高频分量H表示预测量厚度值对被测金属板厚度值的偏移程度；

S3：在高频分量H的各元素值的绝对值|h_i|中搜索得到最大值m＝max(|h_i|)，然后计算偏移描述向量V＝[v₁,v₂,…,v_N]＝[m-|h₁|,m-|h₂|,…,m-|h_N|]；

S4：将偏移描述向量V进行归一化，得到权值向量W＝[w₁,w₂,…,w_N]；

S5：计算被测金属板最终的厚度测量值

2.根据权利要求1所述的金属板厚度测量方法，其特征在于，所述步骤S2中低频分量X和高频分量H的获取方法为：先对预测量厚度值向量S＝[s₁,s₂,…,s_N]滤波得到低频分量X，然后采用预测量厚度值向量S与低频分量X作差得到高频分量H＝S-X＝[h₁,h₂,…,h_N]。

3.根据权利要求1或2所述的金属板厚度测量方法，其特征在于，所述滤波采用中值滤波器进行滤波。