[发明专利]一种能够自动进行模式识别的漏磁检测器数据处理方法

说明书

本发明提出了一种漏磁无损检测中数据处理的方法，能够对漏磁检测器中生成的时序信号进行自动特征提取、进行模式识别和缺陷分类及缺陷量化，包括以下步骤：S1，对输入的原始传感器时序数据矩阵进行向量化；S2，生成t时刻的矩阵Yt；S3，对数据进行正则化；S4，进行迭代更新循环，优化矩阵参数。

技术领域

本发明涉及一种漏磁无损检测中数据处理的方法，尤其涉及一种以深度卷积和深度循环网络结合实现对管道漏磁检测器数据进行自动模式识别的方法。

背景技术

漏磁检测器已经普遍应用于铁磁性材料的无损检测。但是基于漏磁信号来进行缺陷的分析目前主要还依靠人工观察漏磁信号的波形来实现，或者通过预定义的规则靠软件筛选出缺陷位置并通过预定义的公式来推算缺陷尺寸，对处理人员的经验依赖性较大，且处理过程非常繁琐。本发明通过一种算法来对波形数据进行分析，自动进行缺陷的发现、给出定量的结果，无需人工预定义规则，不需要专家预定义计算公式就能计算出缺陷尺寸。

漏磁信号数据是典型的高维时序数据，在一个通道上，可以达到100条记录/公里。典型的漏磁检测器可以携带100组的漏磁传感器。每一组可以有3个通道(管道的轴向、周向、径向三个方向)

本发明通过深度卷积和深度循环网络结合的方式进行自动模式识别，和传统算法相比，不需要电磁理论知识和专家经验，不需要预先定义检测规则和计算公示，不需要对每种管道进行公式修正和参数修改。大大降低软件运行时的人工成本，并大幅提高检测效率。

发明内容

本发明提出了一种以深度卷积和深度循环网络为基础，对漏磁检测器信号产生的数据进行自动模式识别的方法。

为解决背景技术中提出的问题，本发明采用以下技术方案：

一种能够自动进行模式识别的漏磁检测器数据处理方法，其特征在于，所述数据处理方法包含如下步骤：

S1：对输入的原始传感器时序数据矩阵进行向量化：

其中，所述原始传感器在t时刻的时序数据格式为n_channels×n_steps的矩阵数据，通过窗口不重叠的滑动窗口法将所述原始传感器时序数据转化为窗口大小为win_length的矩阵Xt，维度为batch_size×win_length×n_channels；所述batch_size和win_length为依赖经验而由人工设置的数值；

S2：生成t时刻的矩阵Yt：

使用在步骤S1中确定的数值，建立起一个batch_size×n_channels×5的矩阵，命名为矩阵Yt；

S3：对数据进行正则化：

对所述t时刻矩阵Xt和矩阵Yt进行如下运算变换：

S4：进行迭代更新循环，优化矩阵参数：

优化过程包含如下步骤：

S41：为计算矩阵赋初值：