CN116756497B - 一种超薄出发判断器的灵敏性测试方法 - Google Patents

Abstract

本发明涉及数据处理技术领域，具体涉及一种超薄出发判断器的灵敏性测试方法。该方法获取不同判断器在相同压力下的原始测试数据，基于不同判断器的原始测试数据的测试次数波动情况筛选出每个判断器的测试数据，根据相邻的测试次数下测试数据的电频值的变化范围的相似程度，获取测试次数的类别截取评价值，以及相邻的测试次数的类别截取评价值之间的差异，获取类别数；并结合测试数据与簇类之间的距离进行超薄出发判断器的灵敏性测试。本发明类别数的获取过程依赖测试数据所产生的数据波动变化，避免了相似数据变化被错误分划的情况，使类别数更加合适，增加了超薄出发判断器的灵敏性测试的准确率。

Description

一种超薄出发判断器的灵敏性测试方法

技术领域

本发明涉及数据处理技术领域，具体涉及一种超薄出发判断器的灵敏性测试方法。

背景技术

超薄出发判断器是一种用于检测和测量非常薄的物体或材料的装置，其能够确定目标物体是否超过或达到预设的厚度或薄度要求。超薄出发判断器对于需要测量非常薄的物体或材料的应用非常广泛，可以提供有效的测量和控制手段，确保产品质量和性能的要求得到满足，超薄出发判断器的灵敏性对产品质量和性能的检测非常重要。因此，需要对超薄出发判断器的灵敏性进行测试，以保证其测量产品的质量的准确性。

现有技术通常基于预设的类别数K，利用K-means算法对超薄出发判断器的测试数据进行聚类，固定的类别数极难对测试数据产生的变化特性进行准确分划，使得灵敏性测试过程中的局部相似性指标参数较难被独立识别，导致聚类簇出现重叠的情况，降低超薄出发判断器的灵敏性测试的准确率。

发明内容

为了解决固定的类别数极难对测试数据产生的变化特性进行准确分划，使聚类簇出现重叠，导致超薄出发判断器的灵敏性测试的准确率较低的技术问题，本发明的目的在于提供一种超薄出发判断器的灵敏性测试方法，所采用的技术方案具体如下：

本发明提出了一种超薄出发判断器的灵敏性测试方法，该方法包括：

根据不同判断器在相同压力下的测试次数与电平值获取每个判断器对应不同的原始测试数据；

基于不同判断器的原始测试数据的测试次数的波动情况筛选出每个判断器的测试数据；

根据每个判断器的相邻的测试次数下测试数据对应的电平值的变化范围的相似程度，以及每个测试次数对应的测试数据的电平值，获取判断器的每个测试次数的类别截取评价值；依据相邻的测试次数的类别截取评价值之间的差异，获取判断器的每个测试次数的基准测试次数与测试数据进行聚类的类别数；

基于类别数对测试数据进行聚类，根据所有测试数据与簇类之间的距离进行超薄出发判断器的灵敏性的测试。

进一步地，所述测试数据的获取方法，包括：

将常数1与预设偏离值的差值作为偏离下限调整值，常数1与预设偏离值的和作为偏离上限调整值；将预设标准测试次数与所述偏离下限调整值的乘积，作为允许偏离范围的下限，将预设标准测试次数与所述偏离上限调整值的乘积，作为允许偏离范围的上限；

对于每个判断器对应的每个原始测试数据，若原始测试数据的测试次数在允许偏离范围之内，则将原始测试数据作为测试数据。

进一步地，所述类别截取评价值的获取方法，包括：

每个测试次数对应的测试数据的最小电平值构成对应测试次数下的电平变化范围的下限，每个测试次数对应的测试数据的最大电平值构成对应测试次数下的电平变化范围的上限；将两个测试次数对应的电平变化范围的交集作为对应两个测试次数之间的电平交叉范围；

根据相邻的两个测试次数之间的电平交叉范围，以及每个测试次数下测试数据的电平值与对应测试次数的基准测试次数下测试数据的电平值，获取判断器的每个测试次数下的类别截取评价值。

进一步地，所述根据相邻的两个测试次数之间的电平交叉范围，以及每个测试次数下测试数据的电平值与对应测试次数的基准测试次数下测试数据的电平值，获取判断器的每个测试次数下的类别截取评价值的方法，为：

类别截取评价值的计算公式如下：

式中，为第j个测试次数的类别截取评价值；为第j个测试次数下电平值在 第j-1个与第j个测试次数之间的电平交叉范围内测试数据的个数；为第j个测试次数 下电平值在第j个与第j+1个测试次数之间的电平交叉范围内测试数据的个数；为第j 个测试次数下所有测试数据的电平值的均值；为第j个测试次数对应的基准测试次数 下所有测试数据的电平值的均值；为调整常数；sinc为辛格函数；为绝对值函数；Norm为 归一化函数。

进一步地，所述获取判断器的每个测试次数的基准测试次数与测试数据进行聚类的类别数的方法，为：

第二个测试次数与第三个测试次数对应的基准测试次数均为第一个测试次数；

从第二个测试次数开始，若第二个测试次数与第三个测试次数的类别截取评价值之间的差值绝对值大于预设的差异阈值，则将第一个至第二个测试次数作为寿命相似段，将第三个测试次数作为第四个测试次数的基准测试次数；

判断第三个测试次数与第四个测试次数的类别截取评价值之间的差值绝对值是否大于预设的差异阈值，若是，则将第三个测试次数作为寿命相似段，将第四个测试次数作为第五个测试次数的基准测试次数；若否，则将第三个测试次数作为第五个测试次数的基准测试次数；

若第二个测试次数与第三个测试次数的类别截取评价值之间的差值绝对值小于或者等于预设的差异阈值，则将第一个测试次数作为第四个测试次数的基准测试次数；

判断第三个测试次数与第四个测试次数的类别截取评价值之间的差值绝对值是否大于预设的差异阈值，若是，则将第一个至第三个测试次数作为寿命相似段，将第四个测试次数作为第五个测试次数的基准测试次数；若否，则将第一个测试次数作为第五个测试次数的基准测试次数；

以此进行更新迭代，将所有的测试次数划分为寿命相似段；将寿命相似段的个数作为聚类的类别数。

进一步地，所述基于类别数对测试数据进行聚类，根据所有测试数据与簇类之间的距离进行超薄出发判断器的灵敏性的测试的方法：为：

基于类别数对所有判断器的测试数据进行聚类；

对于任意两个聚类簇，若两个聚类簇中分别存在一个测试数据，两个所述测试数据的测试次数相等，则对应两个聚类簇均作为接触聚类簇；

对于任意一个测试数据，分别获取测试数据与簇类中心之间的欧式距离；若最小的欧式距离对应的簇类中心的聚类簇不是接触聚类簇，则将测试数据划分为最小的欧式距离对应的簇类中心的聚类簇中；

若最小的欧式距离对应的簇类中心的聚类簇是接触聚类簇，判断第二最小的欧式距离对应的簇类中心的聚类簇是否为接触聚类簇，若否，则将测试数据划分为第二最小的欧式距离对应的簇类中心的聚类簇中；若是，则判断第三最小的欧式距离对应的簇类中心的聚类簇是否为接触聚类簇；

以此进行更新迭代，将测试数据划分到簇类中心的聚类簇中；

将每个聚类簇的簇类中心作为标定测试数据，将标定测试数据的测试次数从小到大，将所有的标定测试数据依次进行连接，作为参数测试的标定结果。

本发明具有如下有益效果：

本发明实施例中，根据不同压力下测试数据的测试次数的波动情况范围筛选出正常的测试数据，去除测试数据中异常的测试数据，减少后续的分析计算量并提高后续分析的准确性；依据相邻测试次数下测试数据对应的电平值的变化范围的相似程度，确定每个测试次数的类别截取评价值，类别截取值呈现每个测试次数次下测试数据的波动情况，并依据触发器使用性能衰减的电平值变化差异情况进行类别数参考的数据段的选取，进而获取类别数；由于选取过程依赖测试数据所产生的数据波动变化，避免了相似数据变化被错误分划的情况，减少聚类簇之间出现重叠的情况，提高了结果聚类簇中对于簇类的物理实体性能描述的准确性，增加了超薄出发判断器的灵敏性测试的准确率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。

图1为本发明一个实施例所提供的一种超薄出发判断器的灵敏性测试方法的方法流程图；

图2为本发明一个实施例所提供的触发器输出的测试次数-电平值曲线示意图。

具体实施方式

一种超薄出发判断器的灵敏性测试方法实施例：

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种超薄出发判断器的灵敏性测试方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

本发明所针对的具体场景：在多样本进行聚类标定触发器灵敏度参数情况下，由于样本实测值存在数据波动，可能造成局部密集区域令簇类范围产生多样本相似范围被误分划的情况。

下面结合附图具体的说明本发明所提供的一种超薄出发判断器的灵敏性测试方法的具体方案。

请参阅图1，其示出了本发明一个实施例提供的一种超薄出发判断器的灵敏性测试方法的方法流程图，该方法包括：

步骤S1：根据不同判断器在相同压力下的测试次数与电平值获取每个判断器对应不同的原始测试数据。

具体的，在实验台上安放相同类型下不同的待测样本，启动测试装置，采集相同类型下每个判断器对应的原始测试数据。判断器在检测到物体出发即输出电信号，物体对判断器施加压力，判断器会输出触发电平的强度。由于判断器一并接入电路，因此触发器在施加的不同测试压力下，会产生测试次数-电平值曲线。图2为本发明一个实施例所提供的触发器输出的测试次数-电平值曲线示意图，如图2所示，n表示测试次数，V表示电平值，图中的曲线为单条的测试次数-电平值曲线。

需要说明的是，测试次数-电平值曲线的水平方向表示判断的多个测试次数，竖直方向表示每个测试次数对应的电平值；即判断器在压力下出现多个测试次数。每个原始测试数据为测试次数-电平值曲线上的任意的数据点，即原始测试数据在每个测试次数均有相应的电平值。

判断器的灵敏不能够无限制提升，说明触发器的触发阈值不能够无限制降低，否则当判断器安装至生产线上时，存在的震动、气流等外来因素干扰会导致过低阈值的判断器被频繁触发。

以测试次数为横轴，电平值为纵轴建立二维坐标系，将每个判断器对应的原始测试数据在二维坐标系中进行标注，原始测试数据为二维坐标系内标注的数据点。

步骤S2：基于不同判断器的原始测试数据的测试次数的波动情况筛选出每个判断器的测试数据。

参数标定过程中，判断器在测试过程中，部分次品判断器无法达到与其他合格判断器所达到的设计使用寿命，即触发次数，造成测试数据的参考性低。因此，需要对原始测试数据进行筛选。

测试数据的获取方法为：将常数1与预设偏离值的差值作为偏离下限调整值，常数1与预设偏离值的和作为偏离上限调整值；将预设标准测试次数与偏离下限调整值的乘积，作为允许偏离范围的下限，将预设标准测试次数与偏离上限调整值的乘积，作为允许偏离范围的上限；对于每个判断器对应的每个原始测试数据，若原始测试数据的测试次数在允许偏离范围之内，则将原始测试数据作为测试数据。

作为一个示例，对于同一类型下每个判断器在标准测试压力P下的测试数据，根据 测试数据对应的测试次数的最大值与测试次数最小值，以及设计产品时确定的先 验极限的预设标准测试次数判断原始测试数据的合格情况。需要说明的是，预设标准测 试次数会随着判断器的型号而改变，本发明实施例中预设标准测试次数取经验值10万，实 施者可根据实际情况自行设定。

由于判断器制造时按照预设标准测试次数的标准进行制造，则原始测试数据对 应的测试次数以为中心进行小幅波动。由于先验的物理材料限制，与附近的测 试次数可能超出的波动范围，超出的原始测试数据与先验极限的预设标准测试次数的 差距较大，说明超出的原始测试数据为部分未达到设计要求的判断器产生的，为提高测试 器的灵敏测试的准确性，需要舍弃这部分原始测试数据。

将常数1与预设偏离值的差值作为偏离下限调整值，常数1与预设偏离值的和 作为偏离上限调整值，则允许偏离范围为。将测试次数在允许偏 离范围内的原始测试数据作为测试数据，进行后续分析；将测试次数不在允许偏离范围内 的原始测试数据作为异常的测试数据，需要舍弃。本发明实施例中预设偏离值取经验值，实施者可根据实际情况自行设定。

步骤S3：根据每个判断器的相邻的测试次数下测试数据对应的电平值的变化范围的相似程度，以及每个测试次数对应的测试数据的电平值，获取判断器的每个测试次数的类别截取评价值；依据相邻的测试次数的类别截取评价值之间的差异，获取判断器的每个测试次数的基准测试次数与测试数据进行聚类的类别数。

对于多样本下的测试数据，样本属于工业产品，存在公差情况，使得各个样本的测试数据在符合整体设计指标趋向的特点时又存在部分数据波动。K-means聚类需要判断类别数，类别数过大产生样本输出电平的波动不能完整分划，类别数过小会导致参数波动被遮盖，因此需要通过分析测试曲线的波动情况进行类别数的判断。其中，K-means聚类算法为本领域技术人员公知技术，在此不再赘述。

每个测试次数对应的测试数据的最小电平值构成对应测试次数下的电平变化范围的下限，每个测试次数对应的测试数据的最大电平值构成对应测试次数下的电平变化范围的上限；将两个测试次数对应的电平变化范围的交集作为对应两个测试次数之间的电平交叉范围；根据相邻的两个测试次数之间的电平交叉范围，以及每个测试次数下测试数据的电平值与对应测试次数的基准测试次数下测试数据的电平值，获取判断器的每个测试次数下的类别截取评价值。

作为一个示例，测试次数j的取值范围大于等于2，从第2个测试次数开始计算类别截取评价值，需要说明的是第2个测试次数与第3个测试次数对应的基准测试次数。需要说明的是，第1个测试次数为测试数据的测试次数在允许偏离范围内第1次出现的测试次数，第2个测试次数为测试数据的测试次数在允许偏离范围内第2次出现的测试次数，依次类推得到第j个测试次数的具体含义。

每个测试次数会对应不同判断器在相同测试次数对应的测试数据。每个测试次数对应的测试数据的最小电平值作为对应测试次数下的电平变化范围的下限，最大电平值作为对应测试次数下的电平变化范围的上限。

假设，第1个测试次数的电平变化范围为[10，30]，第2个测试次数的电平变化范围 为[15，40]，第3个测试次数的电平变化范围为[9，42]，第2个测试次数对应的测试数据的电 平值从小到大依次为15，17，25，35，40。将第1个与第2个电平变化范围的交集[15，30]，作为 对应两个测试次数之间的电平交叉范围，将第2个与第3个电平变化范围的交集[15， 40]，作为对应两个测试次数之间的电平交叉范围。统计第2个测试次数下电平值在内测试数据的个数为3，即15，17，25；第2个测试次数下电平值在内测试数据的 个数为5，即15，17，25，35，40。当越接近0说明第1、2、3个测试次数所构成的 局部范围并未出现电平范围过于大幅波动的情况。

将2个测试次数下所有测试数据的电平值的均值作为；第2个测试次数对应的基准测试次数为第1个测试次数，若第1个测试次数对应的测试 数据的电平值从小到大依次为10，17，23，28，30，则将1个测试次数下所有测试数据的电平 值的均值作为；呈现数值方向判断第2个位置 的电平值强度是否较基准范围产生过大变化。

将与分别利用归一化函数进行归一化处理，依次得到、；将作为分子，与调整常数之和作为分母得到的比值，并通过sinc 函数进行映射后，得到第2个测试次数的类别截取评价值；当比值越近0时，类别截取评 价值越接近1，呈现第2个测试次数对应的电平值的波动情况对范围的评价值越高。类别 截取评价值的计算公式如下：

式中，为第j个测试次数的类别截取评价值；为第j个测试次数下电平值在 第j-1个与第j个测试次数之间的电平交叉范围内测试数据的个数；为第j个测试次数 下电平值在第j个与第j+1个测试次数之间的电平交叉范围内测试数据的个数；为第j 个测试次数下所有测试数据的电平值的均值；为第j个测试次数对应的基准测试次数 下所有测试数据的电平值的均值；为调整常数，取经验值0.001，作用是防止分母为0，导致 无意义；sinc为辛格函数；为绝对值函数；Norm为归一化函数。

需要说明的是，当越小时，说明第j-1、j、i+1个测试次数所构成的局 部范围内电平值的波动程度较小，类别截取评价值较大，评价的参考性越大；当越大时，说明第j个测试次数的电平变化范围与其对应的基准测试次数的电平 变化范围之间的差异较大，第j个测试次数的电平波动情况对范围K中的评价的参考较大， 则类别截取评价值较大。

相邻的测试次数的类别截取评价值之间的差异说明两个测试次数的电平值的变化范围的差异情况，获取每个测试次数的基准测试次数与测试数据进行聚类的类别数。

第二个测试次数与第三个测试次数对应的基准测试次数均为第一个测试次数；从第二个测试次数开始，若第二个测试次数与第三个测试次数的类别截取评价值之间的差值绝对值大于预设的差异阈值，则将第一个至第二个测试次数作为寿命相似段，将第三个测试次数作为第四个测试次数的基准测试次数；判断第三个测试次数与第四个测试次数的类别截取评价值之间的差值绝对值是否大于预设的差异阈值，若是，则将第三个测试次数作为寿命相似段，将第四个测试次数作为第五个测试次数的基准测试次数；若否，则将第三个测试次数作为第五个测试次数的基准测试次数；若第二个测试次数与第三个测试次数的类别截取评价值之间的差值绝对值小于或者等于预设的差异阈值，则将第一个测试次数作为第四个测试次数的基准测试次数；判断第三个测试次数与第四个测试次数的类别截取评价值之间的差值绝对值是否大于预设的差异阈值，若是，则将第一个至第三个测试次数作为寿命相似段，将第四个测试次数作为第五个测试次数的基准测试次数；若否，则将第一个测试次数作为第五个测试次数的基准测试次数；以此进行更新迭代，将所有的测试次数划分为寿命相似段；将寿命相似段的个数作为聚类的类别数。

需要说明的是，第1个测试次数为测试数据的测试次数在允许偏离范围内第1次出现的测试次数，第2个测试次数为测试数据的测试次数在允许偏离范围内第2次出现的测试次数，依次类推得到第j个测试次数的具体含义。

开始情况，将第一个测试次数作为基准测试次数，则第二个测试次数与第三个测 试次数对应的基准测试次数均为第一个测试次数，进而获取第二个测试次数的类别截取评 价值与第三个测试次数的类别截取评价值；且本发明实施例中规定第一个测试次数 与第一个测试次数的电平值变化范围较为相似，即第1个测试次数与第2个测试次数可能作 为一段寿命相似段，或者为一段寿命相似段的部分。以作为第j个测试次数。

计算与的差值绝对值，呈现第2个测试次数与第3个 测试次数的评价值的差异情况，当该值越大，说明第2个测试次数与第3个测试次数的电平 值变化范围之间的差异越大，进一步说明第2个测试次数与第3个测试次数的相似程度越 低。

将与预设的差异阈值进行比较，本发明实施例中预设的差异阈值取经 验值0.4，实施者可根据实际情况自行设置。即判断与0.4的大小，若，说明第2个测试次数与第3个测试次数的电平值变化范围之间的差异过 大，此时停止计算，以为一段寿命相似段，即第一个寿命相似段的判断结束，需要开 始第二个寿命相似段的判断。因此，将第3个测试次数作为基准测试次数，并将第3个测试测 试作为第4个测试次数的基准测试次数，获取第4个测试次数的类别截取评价值。

若，说明第3个测试次数与第4个测试次数的电平值变化范围之 间的差异过大，停止计算，以为一段寿命相似段，即第二个寿命相似段的判断结束，需要 开始第三个寿命相似段的判断。因此，将第4个测试次数作为基准测试次数，并将第4个测试 次数作为第5个测试次数的基准测试次数，获取第5个测试次数的类别截取评价值。若，说明第3个测试次数与第4个测试次数的电平值变化范围较为相似，说明 当前寿命相似段尚未判断结束，将第3个测试次数作为第5个测试次数的基准测试次数，获 取第5个测试次数的类别截取评价值。

若，说明第2个测试次数与第3个测试次数的电平值变化范围之 间的差异较小，较为相似，需要继续对第4个测试次数的电平变化范围进行判断，由于第一 个寿命相似段的判断尚未结束，则将第1个测试测试作为第4个测试次数的基准测试次数， 获取第4个测试次数的类别截取评价值。

若，说明第3个测试次数与第4个测试次数的电平值变化范围较 为相似，此时停止计算，将为一段寿命相似段，即第一个寿命相似段的判断结束，需 要开始第二个寿命相似段的判断。因此，将第4个测试次数作为基准测试次数，并将第4个测 试次数作为第5个测试次数的基准测试次数，获取第5个测试次数的类别截取评价值。，说明第3个测试次数与第4个测试次数的电平值变化范围较为相似，说 明当前寿命相似段尚未判断结束，将第1个测试次数作为第5个测试次数的基准测试次数， 获取第4个测试次数的类别截取评价值。

以此进行更新迭代，将所有的测试次数划分为多个寿命相似段，并将寿命相似段的个数作为利用K-means聚类算法进行聚类的类别数K。

至此，类别数K确定完成。

步骤S4：基于类别数对测试数据进行聚类，根据所有测试数据与簇类之间的距离进行超薄出发判断器的灵敏性的测试。

聚类过程中由于部分测试数据之间波动特性，会在全部测试数据聚集的样本空间中形成特殊导向区域，将相互接近的簇类之间的延伸方向进行引导，造成簇类重叠。为避免出现簇类重叠的情况，在对测试数据的聚类时，需要对测试数据与各簇类中心之间的距离进一步分析。具体分析过程如下：

优选地，基于类别数对所有判断器的测试数据进行聚类；对于任意两个聚类簇，若两个聚类簇中分别存在一个测试数据，两个测试数据的测试次数相等，则对应两个聚类簇均作为接触聚类簇；对于任意一个测试数据，分别计算测试数据与簇类中心之间的欧式距离；若最小的欧式距离对应的簇类中心的聚类簇不是接触聚类簇，则将测试数据划分为最小的欧式距离对应的簇类中心的聚类簇中；若最小的欧式距离对应的簇类中心的聚类簇是接触聚类簇，判断第二最小的欧式距离对应的簇类中心的聚类簇是否为接触聚类簇，若是，则判断第三最小的欧式距离对应的簇类中心的聚类簇是否为接触聚类簇；若否，则将测试数据划分为第二最小的欧式距离对应的簇类中心的聚类簇中；以此进行更新迭代，将测试数据划分到簇类中心的聚类簇中。

（1）判断接触聚类簇。

利用K-means聚类算法对测试数据进行聚类时，当聚类簇内数据较多时，可能出现簇类重叠的现象。判断聚类簇出现簇类重叠现象的方法为：

聚类算法在实施过程中，簇类在横轴范围扩张属于扩张同一样本数据的情况，在纵轴范围扩张属于扩张多样本的情况。因此，当不同簇类出现对于同一段数据产生竞争的情况时，需要利用测试数据的测试次数对于后续聚类的测试数据进行重新分配。

对于任意两个聚类簇K1和K2，聚类簇K1中存在测试数据h1，聚类簇K2中存在测试数据h2，若测试数据h1与测试数据h2的测试次数相同，则说明聚类簇K1与聚类簇K2出现重叠情况，将聚类簇K1与聚类簇K2均作为接触聚类簇。

（2）对测试数据进行聚类。

对于任意一个测试数据h5，若测试数据聚类的类别数K为4，则测试数据会聚类为 四个聚类簇，依次为聚类簇K1、聚类簇K2、聚类簇K3和聚类簇K4。计算测试数据h5依次与每 个聚类簇的簇类中心之间的欧式距离，依次为、、与。

需要说明的是，任意两个测试数据之间的欧式距离的计算方法为：若两个测试数 据在二维坐标系内对应的数据点的坐标为，则两个测试数据之间的 欧式距离的计算公式为。根据上述方法，获取任意两个测试数据 之间的欧式距离。

选取、、、中的最小值，若为最小值，则判断聚类簇K1是否为接触聚 类簇；若对应的聚类簇K1不是接触聚类簇，则将测试数据h5聚类到聚类簇K1中。

若聚类簇K1是接触聚类簇，为减弱簇类重叠现象，不能将测试数据h5聚类到聚类 簇K1中；则选取、、、中的第二最小值，即除外，、、中的最小值，若为、、中的最小值，判断对应的聚类簇K2是否为接触聚类簇。若聚类簇K2不 是接触聚类簇，则将测试数据h5聚类到聚类簇K2中；若聚类簇K2不是接触聚类簇，则继续判 断、、、中的第三最小值，即、中最小值对应的聚类簇是否为接触聚类簇， 以此进行更新迭代，直至测试数据h5被聚类到四个聚类簇中的某个聚类簇中。

根据测试数据h5的聚类方法，将每个测试数据分别聚类到对应的聚类簇中。

将每个聚类簇的簇类中心作为标定测试数据，将标定测试数据的测试次数从小到大，将所有的标定测试数据依次进行连接，作为测试类型的判断器的参数测试的标定结果。

至此，本发明完成。

一种超薄出发判断器的灵敏性测试数据分类方法实施例：

超薄出发判断器是一种用于检测和测量非常薄的物体或材料的装置。通过对判断器产生的测试数据在不同测量次数下的电平值的波动情况进行判断器的灵敏度测量，但是相邻的测试次数的测试数据对应的电平值之间的差异较小，导致不同测量次数下的电平值的波动情况难以衡量判断器的灵敏度。因此，需要对判断器产生的测试数据进行分类。

出发判断器在灵敏性测试过程中存在灵敏度变化衰减情况，在利用固定类别数K的K-means算法对超薄出发判断器的测试数据进行聚类时，固定类别数K极难对测试数据产生的变化特性进行准确分划，容易导致测试数据的聚集程度较低，使聚类簇内部聚集性较差，进而导致超薄出发判断器的测试数据分类效果不佳。

为了解决超薄出发判断器在测试过程中存在灵敏度变化衰减情况，导致K值选取不合理，使超薄出发判断器的测试数据分类效果不佳的技术问题，本发明的目的在于提供一种超薄出发判断器的灵敏性测试数据分类方法，所采用的技术方案具体如下：

步骤S1：根据不同判断器在相同压力下的测试次数与电平值获取每个判断器对应不同的原始测试数据；

步骤S2：基于不同判断器的原始测试数据的测试次数的波动情况筛选出每个判断器的测试数据；

步骤S3：根据每个判断器的相邻的测试次数下测试数据对应的电平值的变化范围的相似程度，以及每个测试次数对应的测试数据的电平值，获取判断器的每个测试次数的类别截取评价值；依据相邻的测试次数的类别截取评价值之间的差异，获取判断器的每个测试次数的基准测试次数与测试数据进行聚类的类别数。

本发明实施例提供一种超薄出发判断器的灵敏性测试数据分类方法具有如下技术效果：

本发明实施例中，根据不同压力下测试数据的测试次数的波动情况范围筛选出正常的测试数据，去除测试数据中异常的测试数据，减少后续的分析计算量并提高后续分析的准确性；依据相邻测试次数下测试数据对应的电平值的变化范围的相似程度，确定每个测试次数的类别截取评价值，类别截取值呈现每个测试次数次下测试数据的波动情况，并依据触发器使用性能衰减的电平值变化差异情况进行类别数参考的数据段的选取，进而获取类别数；由于选取过程依赖测试数据所产生的数据波动变化，避免了相似数据变化被错误分划的情况，使类别数更加合理，提高了超薄出发判断器的测试数据分类效果。

其中，步骤S1-S3在上述一种超薄出发判断器的灵敏性测试方法实施例中已给出了详细说明，不再赘述。

需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。

Claims (2)

1.一种超薄出发判断器的灵敏性测试方法，其特征在于，该方法包括：

根据不同判断器在相同压力下的测试次数与电平值获取每个判断器对应不同的原始测试数据；

基于不同判断器的原始测试数据的测试次数的波动情况筛选出每个判断器的测试数据；

根据每个判断器的相邻的测试次数下测试数据对应的电平值的变化范围的相似程度，以及每个测试次数对应的测试数据的电平值，获取判断器的每个测试次数的类别截取评价值；依据相邻的测试次数的类别截取评价值之间的差异，获取判断器的每个测试次数的基准测试次数与对测试数据进行聚类的类别数；

基于类别数对测试数据进行聚类，根据所有测试数据与簇类之间的距离进行超薄出发判断器的灵敏性的测试；

所述类别截取评价值的获取方法，包括：

每个测试次数对应的测试数据的最小电平值构成对应测试次数下的电平变化范围的下限，每个测试次数对应的测试数据的最大电平值构成对应测试次数下的电平变化范围的上限；将两个测试次数对应的电平变化范围的交集作为对应两个测试次数之间的电平交叉范围；

根据相邻的两个测试次数之间的电平交叉范围，以及每个测试次数下测试数据的电平值与对应测试次数的基准测试次数下测试数据的电平值，获取判断器的每个测试次数下的类别截取评价值；

所述根据相邻的两个测试次数之间的电平交叉范围，以及每个测试次数下测试数据的电平值与对应测试次数的基准测试次数下测试数据的电平值，获取判断器的每个测试次数下的类别截取评价值的方法，为：

类别截取评价值的计算公式如下：

式中，为第j个测试次数的类别截取评价值；/>为第j个测试次数下电平值在第j-1个与第j个测试次数之间的电平交叉范围内测试数据的个数；/>为第j个测试次数下电平值在第j个与第j+1个测试次数之间的电平交叉范围内测试数据的个数；/>为第j个测试次数下所有测试数据的电平值的均值；/>为第j个测试次数对应的基准测试次数下所有测试数据的电平值的均值；/>为调整常数；sinc为辛格函数；/>为绝对值函数；Norm为归一化函数；

所述获取判断器的每个测试次数的基准测试次数与对测试数据进行聚类的类别数的方法，为：

第二个测试次数与第三个测试次数对应的基准测试次数均为第一个测试次数；

从第二个测试次数开始，若第二个测试次数与第三个测试次数的类别截取评价值之间的差值绝对值大于预设的差异阈值，则将第一个至第二个测试次数作为寿命相似段，将第三个测试次数作为第四个测试次数的基准测试次数；

判断第三个测试次数与第四个测试次数的类别截取评价值之间的差值绝对值是否大于预设的差异阈值，若是，则将第三个测试次数作为寿命相似段，将第四个测试次数作为第五个测试次数的基准测试次数；若否，则将第三个测试次数作为第五个测试次数的基准测试次数；

若第二个测试次数与第三个测试次数的类别截取评价值之间的差值绝对值小于或者等于预设的差异阈值，则将第一个测试次数作为第四个测试次数的基准测试次数；

判断第三个测试次数与第四个测试次数的类别截取评价值之间的差值绝对值是否大于预设的差异阈值，若是，则将第一个至第三个测试次数作为寿命相似段，将第四个测试次数作为第五个测试次数的基准测试次数；若否，则将第一个测试次数作为第五个测试次数的基准测试次数；

以此进行更新迭代，将所有的测试次数划分为寿命相似段；将寿命相似段的个数作为聚类的类别数；

所述基于类别数对测试数据进行聚类，根据所有测试数据与簇类之间的距离进行超薄出发判断器的灵敏性的测试的方法：为：

基于类别数对所有判断器的测试数据进行聚类；

对于任意两个聚类簇，若两个聚类簇中分别存在一个测试数据，两个所述测试数据的测试次数相等，则对应两个聚类簇均作为接触聚类簇；

对于任意一个测试数据，分别获取测试数据与簇类中心之间的欧式距离；若最小的欧式距离对应的簇类中心的聚类簇不是接触聚类簇，则将测试数据划分为最小的欧式距离对应的簇类中心的聚类簇中；

若最小的欧式距离对应的簇类中心的聚类簇是接触聚类簇，判断第二最小的欧式距离对应的簇类中心的聚类簇是否为接触聚类簇，若否，则将测试数据划分为第二最小的欧式距离对应的簇类中心的聚类簇中；若是，则判断第三最小的欧式距离对应的簇类中心的聚类簇是否为接触聚类簇；

以此进行更新迭代，将测试数据划分到簇类中心的聚类簇中；

将每个聚类簇的簇类中心作为标定测试数据，依据测试次数将标定测试数据从小到大进行排序，将排序后的标定测试数据依次进行连接，作为参数测试的标定结果。

2.根据权利要求1所述的一种超薄出发判断器的灵敏性测试方法，其特征在于，所述测试数据的获取方法，包括：

将常数1与预设偏离值的差值作为偏离下限调整值，常数1与预设偏离值的和作为偏离上限调整值；将预设标准测试次数与所述偏离下限调整值的乘积，作为允许偏离范围的下限，将预设标准测试次数与所述偏离上限调整值的乘积，作为允许偏离范围的上限；

对于每个判断器对应的每个原始测试数据，若原始测试数据的测试次数在允许偏离范围之内，则将原始测试数据作为测试数据。