摘要
本发明涉及材料性能检测技术领域,具体公开了一种电能计量箱非金属壳体阻燃性能的无损测试方法。所述方法将光谱技术与机器学习、预测技术结合,通过采集多组样品进行火焰燃烧试验获取样品阻燃性能数据作为标签,利用光谱仪进行无损原位检测获取材料表面光谱数据,经预处理和特征提取后,采用多种机器学习算法训练并选优,最终选用贝叶斯优化的BO‑XGBoost模型作为预测算法。本发明实现了电能计量箱非金属壳体阻燃性能的无损测试。
技术关键词
电能计量箱
无损测试方法
XGBoost模型
非金属外壳
测试样品
便携式红外光谱仪
材料性能检测技术
便携式拉曼光谱仪
壳体
光纤探头
光谱测量技术
原位
数据
强度
机器学习算法
监测算法
机器学习模型
系统为您推荐了相关专利信息
土壤湿度反演方法
数字高程模型数据
信噪比
XGBoost模型
全球导航卫星系统
注浆参数
梯度提升决策树算法
轻量化卷积神经网络
XGBoost模型
隧道注浆技术
流量识别模型
恶意流量识别方法
电力监控系统
网络业务
识别特征
健身动作纠正装置
纠错系统
数据采集模块
足底压力传感器
纠错模块