[发明专利]一种基于相似性度量的超声检测工艺参数智能计算系统

说明书

本发明公开一种基于相似性度量的超声检测工艺参数智能计算系统，包括工艺数据库、服务器和云端web应用；工艺数据库用于存储现有的超声检测工艺参数，服务器用于对现有的超声检测工艺参数进行分析处理，并构建机器学习模型和云端web应用，通过对机器学习模型进行训练可以得到工艺参数智能计算模型；再将智能计算模型移植到web应用上，用户即可通过向web应用输入必要的工件信息和检测标准来得到该工件的具体检测参数工艺卡。本发明降低了超声检测的操作难度，使得经验不足的检测员也能准确地对工件进行超声检测，提升了工件超声检测的可信度；且本发明的web应用还具有二次学习的能力，可以定时的对智能计算模型进行优化，提升工件具体检测参数的精确度。

技术领域

本发明属于深度学习和超声检测技术领域，具体是一种基于相似性度量的超声检测工艺参数智能计算系统。

背景技术

超声检测是利用超声波技术进行检测工作的，是五种常规无损检测方法的一种；无损检测是在不损坏工件或原材料工作状态的前提下，对被检验部件的表面和内部质量进行检查的一种检测手段。

超声检测的原理为：超声波在固体中的传输损失很小，探测深度大，由于超声波在异质界面上会发生反射、折射等现象，尤其是不能通过气体固体界面。如果金属中有气孔、裂纹、分层等缺陷(缺陷中有气体)或夹杂，超声波传播到金属与缺陷的界面处时，就会全部或部分反射。反射回来的超声波被探头接收，通过仪器内部的电路处理，在仪器的荧光屏上就会显示出不同高度和有一定间距的波形。可以根据波形的变化特征判断缺陷在工件中的深度、位置和形状。

在实际应用过程中，在进行超声波检测之前，需要根据工件信息及检测标准确定具体的检测工艺参数，然后才能根据该工艺参数来进行工件的检测；当今国内有关的超声波检测标准为JB/T4730.3，GB/T11345-1989，CB/T3559-2011等，JB/T4730.3为一个比较综合性的标准，而后面两个标准为焊缝检测标准，还有其它的的钢板，铸锻件等检测标准，使用者可根据需要进行相应的查询；然而工件具体的检测工艺参数却需要经过大量的具体实验才能确定，对于经验不足的检测员，很难准确地对工件进行超声检测，导致工件的超声检测结果可信度不高。因此，亟需一种能根据工件信息和检测标准即可确定具体检测工艺参数并生成工艺卡的智能计算系统。

发明内容

本发明的目的是针对现有技术存在的问题，提供一种基于相似性度量的超声检测工艺参数智能计算系统，该系统可以根据输入的工件信息和检测标准，直接生成该工件的具体检测参数工艺卡，即使经验不足的检测员，也能依照该工艺卡准确地对工件进行超声检测，从而提升了工件超声检测结果的可信度。

为实现上述目的，本发明采用的技术方案是：

一种基于相似性度量的超声检测工艺参数智能计算系统，包括工艺数据库、云端web应用和服务器；所述工艺数据库用于存储现有的超声检测工艺参数；所述服务器用于对超声检测工艺参数进行分析，并构建机器学习模型和云端web应用，通过对所述机器学习模型进行训练得到工艺参数智能计算模型；再将所述工艺参数智能计算模型移植到所述云端web应用上，用户通过向所述云端web应用输入必要的工件信息和检测标准，服务器将用户输入的数据与工艺数据库中存储的工艺参数进行相似性度量，再根据度量结果从工艺数据库中选出适合检测要求的工艺卡给云端web应用，并通过云端web应用提供给用户。

具体地，所述工艺数据库中存储的超声检测工艺参数包括若干种工件信息、各种工件信息对应的检测标准和具体的检测参数工艺卡。

具体地，所述机器学习模型进行训练的训练数据为工艺数据库中存储的超声检测工艺参数；对所述机器学习模型进行训练的方法包括加权相关计算、数据可视化分析、K均值聚类算法、基于密度的聚类算法或LDA算法中的一种或多种。

具体地，所述云端web应用可通过现有的web框架构建，所述现有的web框架包括springboot框架或者flask框架。