摘要
本发明提供了一种焊缝缺陷识别方法及存储介质,该方法包括:通过超声相控阵扫描预设的碳钢焊缝,获得所述碳钢焊缝的缺陷扫描信号数据;分别采用线性分析方法和非线性动力学方法对所述碳钢焊缝的缺陷扫描信号数据进行特征提取,得到线性方法特征和非线性动力学特征;采用主成分分析法对所述线性方法特征和非线性动力学特征进行降维处理,得到组合特征向量;将所述组合特征向量输入至预先设定的的深度学习模型中进行缺陷识别,得到所述碳钢焊缝的缺陷识别结果。本发明引入非线性动力学特征提取的方法,丰富了有利于缺陷信号分类的信息,同时利用主成分分析法进行降维处理,利用组合降维后的特征值作为组合特征向量输入模型后得出的识别率更高。
技术关键词
焊缝缺陷识别方法
非线性动力学特征
组合特征向量
非线性动力学方法
碳钢
主成分分析法
深度学习模型
可执行程序代码
信号
数据
分析方法
梯度提升决策树
支持向量机模型
特征值
相控阵
随机森林模型
极限学习机
系统为您推荐了相关专利信息
宽带集群通信系统
自动化测试方法
语音组呼业务
时延
宽带集群通信网络
北斗短报文
通信方法
生成决策建议
监控中心
传感器