CN117109487B - 一种金属厚度自动化无损测量方法 - Google Patents
一种金属厚度自动化无损测量方法 Download PDFInfo
- Publication number
- CN117109487B CN117109487B CN202311368951.XA CN202311368951A CN117109487B CN 117109487 B CN117109487 B CN 117109487B CN 202311368951 A CN202311368951 A CN 202311368951A CN 117109487 B CN117109487 B CN 117109487B
- Authority
- CN
- China
- Prior art keywords
- sequence
- current
- periodic
- taking
- period
- 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.)
- Active
Links
- 239000002184 metal Substances 0.000 title claims abstract description 37
- 238000000691 measurement method Methods 0.000 title claims abstract description 10
- 230000000737 periodic effect Effects 0.000 claims abstract description 140
- 238000009826 distribution Methods 0.000 claims abstract description 68
- 238000000034 method Methods 0.000 claims abstract description 62
- 238000005259 measurement Methods 0.000 claims abstract description 42
- 230000007774 longterm Effects 0.000 claims abstract description 38
- 238000001914 filtration Methods 0.000 claims abstract description 26
- 230000008569 process Effects 0.000 claims abstract description 24
- 238000004458 analytical method Methods 0.000 claims abstract description 21
- 238000005070 sampling Methods 0.000 claims description 43
- 230000035772 mutation Effects 0.000 claims description 13
- 230000001174 ascending effect Effects 0.000 claims description 12
- 238000009825 accumulation Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 5
- 230000008030 elimination Effects 0.000 claims description 4
- 238000003379 elimination reaction Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 2
- 230000007613 environmental effect Effects 0.000 abstract description 7
- 230000008859 change Effects 0.000 description 4
- 230000005855 radiation Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000001066 destructive effect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000010291 electrical method Methods 0.000 description 1
- 238000012994 industrial processing Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B15/00—Measuring arrangements characterised by the use of electromagnetic waves or particle radiation, e.g. by the use of microwaves, X-rays, gamma rays or electrons
- G01B15/02—Measuring arrangements characterised by the use of electromagnetic waves or particle radiation, e.g. by the use of microwaves, X-rays, gamma rays or electrons for measuring thickness
- G01B15/025—Measuring arrangements characterised by the use of electromagnetic waves or particle radiation, e.g. by the use of microwaves, X-rays, gamma rays or electrons for measuring thickness by measuring absorption
Landscapes
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- General Physics & Mathematics (AREA)
- Length-Measuring Devices Using Wave Or Particle Radiation (AREA)
Abstract
本发明涉及厚度测量技术领域,提出了一种金属厚度自动化无损测量方法,包括:获取长期电流信号;根据不同周期电流序列对应的能量分布序列中元素的分布获取每个周期电流序列的测量扰动系数;根据长期电流信号以及每个周期电流序列的去趋势分析结果获取每个周期电流序列的独立波动系数;根据相邻周期电流序列之间独立波动系数以及测量扰动系数的差异获取能量干扰置信度;根据能量干扰置信度获取滤波窗口尺度,利用中值滤波去噪算法基于滤波窗口尺度得到置信电流信号;根据置信电流信号利用测厚仪得到金属板材的测量厚度。本发明通过分析电流信号的内在趋势以及能量值波动情况消除了金属板材测厚过程中环境干扰的影响,提高了自动化测量的准确率。
Description
技术领域
本发明涉及厚度测量技术领域,具体涉及一种金属厚度自动化无损测量方法。
背景技术
工件、材料的尺寸参数的测量是工业生产、加工以及制造过程中至关重要的环节,尺寸的测量不仅关系着产品、材料的生产成本、质量,更与产品使用过程中的安全性和稳定性密切相关。厚度测量作为几何测量的代表性测量工作,在测量领域、质检领域中广受关注,而对金属板材的高精度测量是业界难点之一。
常见的金属板材的厚度测量可以分为接触式测量、非接触式测量两种方式,其中接触式测量虽然精度较高,但效率较低,且无法实现实时在线和极限环境测量,易产生误差且容易造成测头和被测物表面的磨损,无法满足现代化生产需求。而非接触测量中电学法、射线法是目前主流使用的厚度测量方法,其中射线法主要基于射线的吸收、反射以及散射原理得到测量值,基于射线法研发了多种测量仪器,例如X射线测厚仪。但是X射线测厚仪在测量过程中容易受到环节噪声的干扰,导致电离室内得到的转换后的电信号信噪比偏低,从而影响金属板材厚度测量结果的精度。
发明内容
本发明提供一种金属厚度自动化无损测量方法,以解决自动测量金属板材厚度时干扰因素导致测量值准确率降低的问题,所采用的技术方案具体如下:
本发明一个实施例一种金属厚度自动化无损测量方法,该方法包括以下步骤:
获取测量过程中的长期电流信号;
将长期电流信号中任意两个相邻波峰之间的时间段作为一个电流周期;根据不同电流周期之间周期电流序列、能量分布序列之间的分布差异获取每个周期电流序列的测量扰动系数;
根据长期电流信号以及每个周期电流序列的去趋势分析结果获取每个周期电流序列的独立波动系数;
根据相邻周期电流序列之间独立波动系数以及测量扰动系数的差异获取能量干扰置信度;根据能量干扰置信度获取滤波窗口尺度,利用中值滤波去噪算法基于滤波窗口尺度得到长期电流信号对应的置信电流信号;根据所述置信电流信号利用测厚仪得到金属板材的测量厚度。
优选的,所述根据不同电流周期之间周期电流序列、能量分布序列之间的分布差异获取每个周期电流序列的测量扰动系数的方法为:
将每个电流周期内的每个监测时刻电流值按照时间升序的顺序组成的序列作为每个电流周期的周期电流序列;
根据长期电流信号的采样处理结果获取每个周期电流序列的能量分布序列;
将每个能量分布序列的峰峰值与每个能量分布序列中元素最大值的比值作为第一乘积因子;
根据每个能量分布序列与其余能量分布序列内元素稳定性的差异获取每个周期电流序列的周期突变指数;
每个周期电流序列的测量扰动系数由第一乘积因子、周期突变指数两部分组成,其中,所述测量扰动系数与第一乘积因子、周期突变指数成正比关系。
优选的,所述根据长期电流信号的采样处理结果获取每个周期电流序列的能量分布序列的方法为:
对长期电流信号进行采样处理得到预设数量个采样点组成的采样电流序列,对每个采样点的电流值进行平方运算得到每个采样点的初始能量值,将每个采样点的初始能量值的归一化结果作为每个采样点的真实能量值;
将每个电流周期内所有采样点的真实能量值按照时间升序的顺序组成的序列作为每个电流周期对应周期电流序列的能量分布序列。
优选的,所述根据每个能量分布序列与其余能量分布序列内元素稳定性的差异获取每个周期电流序列的周期突变指数的方法为:
获取所有能量分布序列的变异系数的均值,将每个能量分布序列的变异系数与所述变异系数的均值之间差值的绝对值作为第一波动差值;
获取所有能量分布序列的峰峰值的均值,将每个能量分布序列的峰峰值与所述峰峰值的均值之间差值的绝对值作为第二波动差值;
每个周期电流序列的周期突变指数由第一波动差值、第二波动差值两部分组成,其中,所述周期突变指数与第一波动差值、第二波动差值成正比关系。
优选的,所述根据长期电流信号以及每个周期电流序列的去趋势分析结果获取每个周期电流序列的独立波动系数的方法为:
将利用去趋势波动分析DFA算法得到长期电流信号的去趋势结果作为消除趋势电流序列;
根据每个周期电流序列的去趋势分析结果获取每个周期电流序列与其每个近邻周期电流序列之间的测量稳定系数;
根据消除趋势电流序列获取每个周期电流序列与其每个近邻周期电流序列之间的内在关联系数;
将每个周期电流序列的所有近邻周期电流序列上所述测量稳定系数与内在关联系数之间的差值绝对值的均值作为每个周期电流序列的独立波动系数。
优选的,所述根据每个周期电流序列的去趋势分析结果获取每个周期电流序列与其每个近邻周期电流序列之间的测量稳定系数的方法为:
利用去趋势波动分析DFA算法对每个电流周期内的数据序列进行去趋势处理,将每个周期电流序列去趋势后的结果作为每个周期电流序列对应的短期分布序列;
将每个周期电流序列作为中心序列,将每个中心序列前后相邻的预设数量个周期电流序列作为中心序列的近邻周期电流序列;
将中心序列的短期分布序列与其近邻周期电流序列对应的短期分布序列之间的度量距离按照时间升序组成的序列作为中心序列的近邻趋势序列;
将每个中心序列及其任意一个近邻周期电流序列对应的近邻趋势序列之间的相似性度量结果作为每个中心序列的测量稳定系数。
优选的,所述根据消除趋势电流序列获取每个周期电流序列与其每个近邻周期电流序列之间的内在关联系数的方法为:
在消除趋势电流序列中分别标记每个电流周期对应的子序列,将每个周期电流序列对应的电流周期作为中心周期,将每个中心周期前后相邻的预设数量个所述子序列作为中心周期的近邻子序列;
将中心周期的子序列与其近邻子序列之间的度量距离按照时间升序组成的序列作为中心周期的自相关趋势序列;
将每个中心周期及其任意一个近邻子序列对应的自相关趋势序列之间的相似性度量结果作为每个中心周期的内在关联系数。
优选的,所述根据相邻周期电流序列之间独立波动系数以及测量扰动系数的差异获取能量干扰置信度的方法为:
将采样电流序列中所有元素的分布方差作为第一组成因子;
将相邻两个周期电流序列之间测量扰动系数差值的绝对值与相邻两个周期电流序列之间独立波动系数差值的绝对值的乘积作为第一累加因子;将第一累加因子在所有周期电流序列上的累加作为第二组成因子;
能量干扰置信度由第一组成因子、第二组成因子两部分组成,其中,所述能量干扰置信度与第一组成因子、第二组成因子成正比关系。
优选的,所述根据能量干扰置信度获取滤波窗口尺度的方法为:
将采样电流序列中元素的数量与能量干扰置信度的乘积作为分子;将周期电流序列的数量作为分母;
将分子与分母的比值和预设参数的和作为取整函数的输入,将取整函数的输出作为滤波窗口的边长。
优选的,所述根据所述置信电流信号利用测厚仪得到金属板材的测量厚度的方法为:
将置信电流信号作为X射线测厚仪中电离室内探测器输出电流信号的去噪结果,基于置信电流信号利用厚度和射线强度的计算公式得到金属板材厚度的测量值。
本发明的有益效果是:本发明通过分析长期电流信号采样后不同电流周期内采样点能量值的稳定程度构建了测量扰动系数;其次分析长期电流信号自身趋势的波动情况以及采样后不同周期电流序列在近邻时间段内趋势波动的变化情况构建了独立波动系数,其有益效果在于利用相同时间段内长期自相关趋势下电流信号的波动以及短期内电流信号的波动,对每个周期电流序列的稳定程度进行精准评估;进一步的,基于测量扰动系数以及独立波动系数构建能量干扰置信度,基于能量干扰置信度自适应获取中值滤波算法中滤波窗口的长度,其有益效果在于考虑金属板材测量过程中受环境干扰的影响选择合适的滤波窗口的大小,从而提高对电流信号的滤波处理效果,提高金属板材厚度测量的精度。
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,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地介绍,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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一个实施例所提供的一种金属厚度自动化无损测量方法的流程示意图;
图2为本发明一个实施例所提供的电流周期划分的示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1,其示出了本发明一个实施例提供的一种金属厚度自动化无损测量方法流程图,该方法包括以下步骤:
步骤S001,获取测量过程中的长期电流信号。
选择合适尺寸的待测金属板材,将待测金属板材平稳放置在X射线测厚仪的发送器和接收器之间,发射器向待测金属板材发送X射线,接收器是将X射线强度经过电离室探测器转化为电流信号。在电离室附近选择一个监测点,用于安置电流传感器,将利用电流传感器采集上述测量过程中的电流信号记为长期电流信号,电流传感器的安装位置可以根据X射线测厚仪中电离室的实际位置选择。
至此,得到测量过程中的长期电流信号,用于后续厚度测量值的计算。
步骤S002,根据不同电流周期之间周期电流序列、能量分布序列之间的分布差异获取每个周期电流序列的测量扰动系数。
由于到在利用X射线测厚仪测量金属板材的厚度时,测量过程中容易受到环境干扰导致测量值与实际值之间出现误差,因此本发明考虑环境噪声对X射线测厚仪的响应时间的延迟特征,旨在根据电流信号的波形的变化和不同时间段内信号能量的变化构建能量干扰置信度,根据能量干扰置信度确定中值滤波算法中滤波窗口的尺寸。
依次获取长期电流信号中波峰对应的采集时刻,将长期电流信号中任意两个相采样时刻之间的时间段作为一个电流周期,长期电流信号中电流周期的划分示意图如图2所示。其次,对于任意一个电流周期,获取每个监测时刻的电流值,将每个电流周期内的每个监测时刻电流值按照时间升序的顺序组成的序列作为每个电流周期的周期电流序列,将第a个电流周期的周期电流序列记为。
进一步的,利用奈奎斯特采样定理对长期电流信号进行采样处理,将所得N个采样点组成的采样电流序列,将每个采样点的电流值的平方作为每个采样点的初始能量值,将所述初始能量值的归一化结果作为每个采样点的真实能量值,奈奎斯特采样定理为公知技术,具体过程不再赘述。其次,对于任意一个周期电流序列,利用位于其对应电流周期内的采样点的真实能量值构建每个一个周期电流序列的能量分布序列,具体的,将每个电流周期内所有采样点的真实能量值按照时间升序的顺序组成的序列作为每个电流周期对应周期电流序列的能量分布序列,将周期电流序列对应的能量分布序列记为/>。
如果一个电流周期内受到环境干扰的影响,那么此电流周期内周期电流序列内元素的分布与其余电流周期内电流值的分布会有所不同,而干扰的程度不同,受到干扰产生的能量波动程度也会不同。
基于上述分析,此处构建测量扰动系数,用于表征每个周期电流序列内受到干扰的程度,计算第a个周期电流序列的测量扰动系数/>:
式中,是周期电流序列/>的周期突变指数,/>是周期电流序列/>的变异系数,/>是所有周期电流序列的变异系数的均值,/>是能量分布序列/>中的峰峰值,/>是所有能量分布序列中峰峰值的均值,变异系数以及峰峰值为公知技术,具体过程不再赘述;
是周期电流序列/>的测量扰动系数,/>是能量分布序列/>中元素的最大值。
其中,第a个电流周期在采样电流序列中的波动程度越大,周期电流序列内元素的分布越不稳定,/>的值越大,第一波动差值/>的值越大;第a个电流周期对应的时间段在长期电流信号/>中的受到的干扰越严重,能量分布序列中能量值的分布区间越大,峰峰值/>越大,第二波动差值/>的值越大,第一乘积因子/>的值越大;即/>的值越大,周期电流序列内可能受到干扰的影响越大。
至此,得到每个周期电流序列的测量扰动系数,用于后续能量干扰置信度的计算。
步骤S003,根据长期电流信号以及每个周期电流序列的去趋势分析结果获取每个周期电流序列的独立波动系数。
由于长期电流信号的采集是一个具有一定时间长度的过程,因此前一时刻的电流信号的波动会对后续时刻电流信号产生影响,为了将电流信号不同时刻之间的波动影响消除,更准确的分析电流信号本身的趋势变化,首先利用去趋势波动分析DFA算法对采集电流序列进行去趋势处理,得到消除趋势电流序列C。其次,对于任意一个电流周期,利用去趋势波动分析DFA算法对每个电流周期的周期电流序列进行去趋势分析,得到每个周期电流序列的去趋势结果,将周期电流序列去趋势后的结果记为短期分布序列/>,根据每个短期分布序列与消除趋势电流序列在相同时间段内的吻合程度,评估每个电流周期内受到噪声影响的程度,去趋势波动分析DFA算法为公知技术,具体过程不再赘述。
进一步的,获取每个周期电流序列的相邻周期电流序列内元素的分布情况,将每个周期电流序列作为中心序列,将每个中心序列相邻前T个、后续相邻的T个周期电流序列作为每个中心周期的近邻周期电流序列,其次计算每个中心序列与其任意一个近邻周期电流序列对应的短期分布序列之间的DTW距离,并将2T个DTW距离按照时间升序的顺序排列,得到每个中心序列的近邻趋势序列,T的大小取经验值5,将周期电流序列的近邻趋势序列记为/>。
为了获取长期电流信号中每个周期电流序列相同时段内电流值的原有趋势分布,在消除趋势电流序列C中,分别标记每个电流周期对应的子序列,将每个周期电流序列对应的电流周期作为中心周期,将每个中心周期相邻前T个、后续相邻的T个子序列作为中心周期的近邻子序列,其次计算每个中心周期对应子序列与其任意一个近邻子序列之间的DTW距离,并将2T个DTW距离按照时间升序的顺序排列,得到每个中心周期的自相关趋势序列,将第a个电流周期的自相关趋势序列记为,DTW距离为公知技术,具体过程不再赘述。
基于上述分析,此处构建独立波动系数,用于表征每个电流周期内周期电流序列的信号波动与噪声的相关程度,计算第a个周期电流序列的独立波动系数:
式中,是周期电流序列/>与其第t个近邻周期电流序列之间的测量稳定系数,、/>分别是周期电流序列/>、/>的近邻趋势序列,/>是序列之间、/>的皮尔逊相关系数;
是第a个电流周期的子序列与其第t个近邻子序列之间的内在关联系数,/>、/>分别是第a个电流周期、第t个电流周期的自相关趋势序列,/>是序列、/>之间的皮尔逊相关系数;
是第a个周期电流序列的独立波动系数,2T是近邻周期电流序列内序列的数量,同样也是近邻子序列内子序列的数量。
其中,周期电流序列与其第t个近邻周期电流序列对应电流周期内受到的干扰越小,两个周期电流序列内元素的分布越稳定,去趋势后的数据分布较为接近,近邻趋势序列之间的相似性越大,/>的值越大;类似的,第a个电流周期与第t个电流周期内受到噪声干扰的程度越接近,长期电流信号中对后续时刻电流信号的影响越相似,/>、/>之间的相似性越大,/>的值越大;而如果第a个电流周期与其相邻时间段内的电流周期中电流信号自身趋势特征差异越大,/>的值越大,即/>的值越大,则第a个电流周期的周期电流序列越有可能受到噪声的干扰。
至此,得到每个周期电流序列的独立波动系数,用于后续能量干扰置信度的计算。
步骤S004,基于能量干扰置信度得到滤波窗口尺度,利用中值滤波去噪算法的得到置信电流信号,基于置信电流信号得到金属板材厚度的测量值。
根据上述步骤,分别得到了每个周期电流序列的测量扰动系数、独立波动系数,从两个方面反映了每个周期电流序列在金属板材厚度测量过程中受到环境干扰的影响程度,因此为了表征整个测量过程中环境干扰的严重程度,基于测量扰动系数、独立波动系数计算能量干扰置信度,通过能量干扰置信度反映长期电流信号的整体波形的变化程度以及能量值的波动情况。
式中,为归一化函数,/>是采集电流序列内所有元素的分布方差,m是周期电流序列的数量,/>、/>分别是第d个、第d-1个周期电流序列的独立波动系数,/>、/>分别是第d个、第d-1个周期电流序列的测量扰动系数。
其中,长期电流信号采集过程中受到干扰的影响越严重,采样电流序列内电流值的分布越不稳定,第一组成因子的值越大;相邻周期电流序列内受到干扰的程度越不一致,相邻周期电流序列之间的独立波动系数、测量扰动系数的差值越大,/>的值越大,/>的值越大,第一累加因子/>的值越大,第二组成因子的值越大,即/>的值越大,环境干扰的不稳定性越高,对测量结果的影响越大。
进一步的,根据能量干扰置信度确定中值滤波算法中滤波窗口的尺寸,本发明中滤波窗口为正方形窗口,因此基于能量干扰置信度计算滤波窗口的边长:
式中,N是采样电流序列中采样点的数量,m是周期电流序列的数量,k是能量干扰置信度,j为尺度参考值,j的大小取经验值5,是向上取奇数的取整函数,这样取值的原因在于滤波窗口的边长往往为奇数,例如当/>内的值为7.5时,向上取整后最接近的奇数为9,则/>的值即为9,此时滤波窗口的尺度为9*9。
根据上述步骤,得到滤波窗口的尺度,进一步的,将长期电流信号作为中值滤波算法的输入,将尺度/>作为滤波过程中的滤波窗口的尺度,将中值滤波算法的输出记为置信电流信号,中值滤波算法为公知技术,具体过程不再赘述。其次将置信电流信号经过信号处理电路放大并转换为电压信号,将所述电压信号供给采样电路,利用采样电路输出的电压值得到金属板材厚度的测量值H:
式中,是金属板材的有效衰减系数,/>是测量金属板材时采样电路输出的电压值,/>是没有金属板材时采样电路输出的电压值,有效衰减系数的获取为公知技术,具体过程不再赘述。
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。以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种金属厚度自动化无损测量方法,其特征在于,该方法包括以下步骤:
获取测量过程中的长期电流信号;
将长期电流信号中任意两个相邻波峰之间的时间段作为一个电流周期;根据不同电流周期之间周期电流序列、能量分布序列之间的分布差异获取每个周期电流序列的测量扰动系数;
根据长期电流信号以及每个周期电流序列的去趋势分析结果获取每个周期电流序列的独立波动系数;
根据相邻周期电流序列之间独立波动系数以及测量扰动系数的差异获取能量干扰置信度;根据能量干扰置信度获取滤波窗口尺度,利用中值滤波去噪算法基于滤波窗口尺度得到长期电流信号对应的置信电流信号;根据所述置信电流信号利用测厚仪得到金属板材的测量厚度;
所述根据不同电流周期之间周期电流序列、能量分布序列之间的分布差异获取每个周期电流序列的测量扰动系数的方法为:将每个电流周期内的每个监测时刻电流值按照时间升序的顺序组成的序列作为每个电流周期的周期电流序列;根据长期电流信号的采样处理结果获取每个周期电流序列的能量分布序列;将每个能量分布序列的峰峰值与每个能量分布序列中元素最大值的比值作为第一乘积因子;根据每个能量分布序列与其余能量分布序列内元素稳定性的差异获取每个周期电流序列的周期突变指数;每个周期电流序列的测量扰动系数由第一乘积因子、周期突变指数两部分组成,其中,所述测量扰动系数与第一乘积因子、周期突变指数成正比关系;
所述根据长期电流信号以及每个周期电流序列的去趋势分析结果获取每个周期电流序列的独立波动系数的方法为:将利用去趋势波动分析DFA算法得到长期电流信号的去趋势结果作为消除趋势电流序列;根据每个周期电流序列的去趋势分析结果获取每个周期电流序列与其每个近邻周期电流序列之间的测量稳定系数;根据消除趋势电流序列获取每个周期电流序列与其每个近邻周期电流序列之间的内在关联系数;将每个周期电流序列的所有近邻周期电流序列上所述测量稳定系数与内在关联系数之间的差值绝对值的均值作为每个周期电流序列的独立波动系数。
2.根据权利要求1所述的一种金属厚度自动化无损测量方法,其特征在于,所述根据长期电流信号的采样处理结果获取每个周期电流序列的能量分布序列的方法为:
对长期电流信号进行采样处理得到预设数量个采样点组成的采样电流序列,对每个采样点的电流值进行平方运算得到每个采样点的初始能量值,将每个采样点的初始能量值的归一化结果作为每个采样点的真实能量值;
将每个电流周期内所有采样点的真实能量值按照时间升序的顺序组成的序列作为每个电流周期对应周期电流序列的能量分布序列。
3.根据权利要求1所述的一种金属厚度自动化无损测量方法,其特征在于,所述根据每个能量分布序列与其余能量分布序列内元素稳定性的差异获取每个周期电流序列的周期突变指数的方法为:
获取所有能量分布序列的变异系数的均值,将每个能量分布序列的变异系数与所述变异系数的均值之间差值的绝对值作为第一波动差值;
获取所有能量分布序列的峰峰值的均值,将每个能量分布序列的峰峰值与所述峰峰值的均值之间差值的绝对值作为第二波动差值;
每个周期电流序列的周期突变指数由第一波动差值、第二波动差值两部分组成,其中,所述周期突变指数与第一波动差值、第二波动差值成正比关系。
4.根据权利要求1所述的一种金属厚度自动化无损测量方法,其特征在于,所述根据每个周期电流序列的去趋势分析结果获取每个周期电流序列与其每个近邻周期电流序列之间的测量稳定系数的方法为:
利用去趋势波动分析DFA算法对每个电流周期内的数据序列进行去趋势处理,将每个周期电流序列去趋势后的结果作为每个周期电流序列对应的短期分布序列;
将每个周期电流序列作为中心序列,将每个中心序列前后相邻的预设数量个周期电流序列作为中心序列的近邻周期电流序列;
将中心序列的短期分布序列与其近邻周期电流序列对应的短期分布序列之间的度量距离按照时间升序组成的序列作为中心序列的近邻趋势序列;
将每个中心序列及其任意一个近邻周期电流序列对应的近邻趋势序列之间的相似性度量结果作为每个中心序列的测量稳定系数。
5.根据权利要求1所述的一种金属厚度自动化无损测量方法,其特征在于,所述根据消除趋势电流序列获取每个周期电流序列与其每个近邻周期电流序列之间的内在关联系数的方法为:
在消除趋势电流序列中分别标记每个电流周期对应的子序列,将每个周期电流序列对应的电流周期作为中心周期,将每个中心周期前后相邻的预设数量个所述子序列作为中心周期的近邻子序列;
将中心周期的子序列与其近邻子序列之间的度量距离按照时间升序组成的序列作为中心周期的自相关趋势序列;
将每个中心周期及其任意一个近邻子序列对应的自相关趋势序列之间的相似性度量结果作为每个中心周期的内在关联系数。
6.根据权利要求1所述的一种金属厚度自动化无损测量方法,其特征在于,所述根据相邻周期电流序列之间独立波动系数以及测量扰动系数的差异获取能量干扰置信度的方法为:
将采样电流序列中所有元素的分布方差作为第一组成因子;
将相邻两个周期电流序列之间测量扰动系数差值的绝对值与相邻两个周期电流序列之间独立波动系数差值的绝对值的乘积作为第一累加因子;将第一累加因子在所有周期电流序列上的累加作为第二组成因子;
能量干扰置信度由第一组成因子、第二组成因子两部分组成,其中,所述能量干扰置信度与第一组成因子、第二组成因子成正比关系。
7.根据权利要求1所述的一种金属厚度自动化无损测量方法,其特征在于,所述根据能量干扰置信度获取滤波窗口尺度的方法为:
将采样电流序列中元素的数量与能量干扰置信度的乘积作为分子;将周期电流序列的数量作为分母;
将分子与分母的比值和预设参数的和作为取整函数的输入,将取整函数的输出作为滤波窗口的边长。
8.根据权利要求1所述的一种金属厚度自动化无损测量方法,其特征在于,所述根据所述置信电流信号利用测厚仪得到金属板材的测量厚度的方法为:
将置信电流信号作为X射线测厚仪中电离室内探测器输出电流信号的去噪结果,基于置信电流信号利用厚度和射线强度的计算公式得到金属板材厚度的测量值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311368951.XA CN117109487B (zh) | 2023-10-23 | 2023-10-23 | 一种金属厚度自动化无损测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311368951.XA CN117109487B (zh) | 2023-10-23 | 2023-10-23 | 一种金属厚度自动化无损测量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117109487A CN117109487A (zh) | 2023-11-24 |
CN117109487B true CN117109487B (zh) | 2024-01-23 |
Family
ID=88800515
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311368951.XA Active CN117109487B (zh) | 2023-10-23 | 2023-10-23 | 一种金属厚度自动化无损测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117109487B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117349611B (zh) * | 2023-12-06 | 2024-03-08 | 山东清控生态环境产业发展有限公司 | 一种基于大数据分析的水质波动仪监测方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102014217594A1 (de) * | 2014-09-03 | 2016-03-03 | Mesacon Messelektronik Gmbh Dresden | Verfahren und Vorrichtung zum Korrigieren einer Abweichung eines in einer Röntgenanlage gemessenen Dickenwerts einer Probe in Bezug zu einem Kalibrierwert |
CN105526888A (zh) * | 2015-11-30 | 2016-04-27 | 广东核生科技有限公司 | 测厚方法及测厚系统 |
CN107450061A (zh) * | 2017-08-18 | 2017-12-08 | 大连理工大学 | 一种超声测厚中的自适应声时计算方法 |
CN108154187A (zh) * | 2018-01-04 | 2018-06-12 | 湘潭大学 | 一种基于振动信号的深孔啄钻加工质量检测方法 |
WO2018235823A1 (ja) * | 2017-06-20 | 2018-12-27 | 株式会社ジョブ | X線装置、x線検査方法、及びデータ処理装置 |
CN109709571A (zh) * | 2019-02-01 | 2019-05-03 | 武汉市聚芯微电子有限责任公司 | Tof测距方法和装置 |
CN111239565A (zh) * | 2020-02-26 | 2020-06-05 | 国网陕西省电力公司电力科学研究院 | 基于分层式去噪模型的充油套管局部放电脉冲信号处理方法及系统 |
CN114894900A (zh) * | 2022-07-12 | 2022-08-12 | 泉州装备制造研究所 | 一种超声无损测量合金淬硬层深度的测量方法 |
CN116304581A (zh) * | 2023-05-10 | 2023-06-23 | 佛山市钒音科技有限公司 | 一种空调用智能电控系统 |
CN116702081A (zh) * | 2023-08-07 | 2023-09-05 | 西安格蒂电力有限公司 | 基于人工智能的配电设备智能巡检方法 |
-
2023
- 2023-10-23 CN CN202311368951.XA patent/CN117109487B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102014217594A1 (de) * | 2014-09-03 | 2016-03-03 | Mesacon Messelektronik Gmbh Dresden | Verfahren und Vorrichtung zum Korrigieren einer Abweichung eines in einer Röntgenanlage gemessenen Dickenwerts einer Probe in Bezug zu einem Kalibrierwert |
CN105526888A (zh) * | 2015-11-30 | 2016-04-27 | 广东核生科技有限公司 | 测厚方法及测厚系统 |
WO2018235823A1 (ja) * | 2017-06-20 | 2018-12-27 | 株式会社ジョブ | X線装置、x線検査方法、及びデータ処理装置 |
CN107450061A (zh) * | 2017-08-18 | 2017-12-08 | 大连理工大学 | 一种超声测厚中的自适应声时计算方法 |
CN108154187A (zh) * | 2018-01-04 | 2018-06-12 | 湘潭大学 | 一种基于振动信号的深孔啄钻加工质量检测方法 |
CN109709571A (zh) * | 2019-02-01 | 2019-05-03 | 武汉市聚芯微电子有限责任公司 | Tof测距方法和装置 |
CN111239565A (zh) * | 2020-02-26 | 2020-06-05 | 国网陕西省电力公司电力科学研究院 | 基于分层式去噪模型的充油套管局部放电脉冲信号处理方法及系统 |
CN114894900A (zh) * | 2022-07-12 | 2022-08-12 | 泉州装备制造研究所 | 一种超声无损测量合金淬硬层深度的测量方法 |
CN116304581A (zh) * | 2023-05-10 | 2023-06-23 | 佛山市钒音科技有限公司 | 一种空调用智能电控系统 |
CN116702081A (zh) * | 2023-08-07 | 2023-09-05 | 西安格蒂电力有限公司 | 基于人工智能的配电设备智能巡检方法 |
Non-Patent Citations (1)
Title |
---|
基于机器视觉的金属板材表面波纹度检测方法;周神特 等;无损检测;第43卷(第1期);第39-43页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117109487A (zh) | 2023-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117109487B (zh) | 一种金属厚度自动化无损测量方法 | |
CN111337171B (zh) | 一种应用于临界折射纵波应力检测的声时差测量方法 | |
CN116985183B (zh) | 一种近红外光谱分析仪质量监测管理方法及系统 | |
CN117434153B (zh) | 基于超声波技术的道路无损检测方法及系统 | |
CN117171516B (zh) | 一种x射线测厚仪数据优化校正方法 | |
CN115063034A (zh) | 一种基于人工智能的玻璃生产制造在线监测分析管理系统 | |
Chen et al. | Arrival picking of acoustic emission signals using a hybrid algorithm based on AIC and histogram distance | |
CN113901379A (zh) | 一种边缘端的实时数据动态在线快速处理方法 | |
CN113358239A (zh) | 一种基于fbg的波长特征识别方法 | |
CN110553631B (zh) | 一种关于水位流量关系的水位测量系列误差分析方法 | |
CN115839763A (zh) | 一种变压器振动噪声监测系统 | |
CN117573668A (zh) | 一种基于超声波燃气表计量数据的优化方法 | |
CN117346664B (zh) | 一种基于旋转测棒数据的光棒弓曲度计算方法 | |
CN117405262B (zh) | 一种温度测试仪的多点温度采集方法 | |
CN117113008B (zh) | 基于x射线的板厚测量方法 | |
CN116510223B (zh) | 基于物联网的自识别消防泵电参数巡检监测系统 | |
CN110672058B (zh) | 结构监测用传感器的在线校准数据序列匹配方法和装置 | |
CN114819767B (zh) | 一种电容器引出线化成质量检测方法 | |
CN112016045B (zh) | 纳秒级脉冲功率计数据处理方法 | |
EP0012609A1 (en) | Method and apparatus for surface-topography parameter evaluation | |
CN109684970B (zh) | 一种结构动力响应的移动主成分分析的窗口长度确定方法 | |
CN111735528B (zh) | 一种基于knn投票精准定位扰动点的方法 | |
CN111486804B (zh) | 用于精密部件厚度测量的信号处理方法及测量方法 | |
CN116593579B (zh) | 一种车用尿素液浓度估测方法 | |
CN110455922A (zh) | 一种基于k近邻法的锚杆锚固质量等级评定方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |