[发明专利]螺纹紧固件多模态松动检测方法和装置在审
申请号: | 202310031704.4 | 申请日: | 2023-01-10 |
公开(公告)号: | CN116105992A | 公开(公告)日: | 2023-05-12 |
发明(设计)人: | 巩浩;刘检华;黄嘉禹;邓新建;杜晨菲;王星洁;王有成 | 申请(专利权)人: | 北京理工大学 |
主分类号: | G01M13/00 | 分类号: | G01M13/00;G10L25/51;G06F18/25 |
代理公司: | 北京银龙知识产权代理有限公司 11243 | 代理人: | 李彦红 |
地址: | 100081 *** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 螺纹 紧固 件多模态 松动 检测 方法 装置 | ||
1.一种螺纹紧固件多模态松动检测方法,其特征在于,包括:
获取螺纹紧固件的超声波响应信号和音频响应信号;
根据所述超声波响应信号和所述音频响应信号,确定所述螺纹紧固件多模态信号中的松动特征数据集;
通过第一预设算法和所述松动特征数据集,确定降低特征空间维数后的第一特征数据;
通过第二预设算法和所述第一特征数据,确定所述螺纹紧固件的松动程度。
2.根据权利要求1所述的方法,其特征在于,根据所述超声波响应信号和所述音频响应信号,确定所述螺纹紧固件多模态信号中的松动特征数据集,包括:
根据所述超声波响应信号和所述音频响应信号,确定所述螺纹紧固件的多尺度交叉模糊熵;
根据所述多尺度交叉模糊熵,确定所述螺纹紧固件多模态信号中的松动特征数据集。
3.根据权利要求2所述的方法,其特征在于,根据所述超声波响应信号和所述音频响应信号,确定所述螺纹紧固件的多尺度交叉模糊熵,包括:
根据预设的尺度因子,对所述超声波响应信号和所述音频响应信号分别进行粗粒化,得到超声波响应信号的第一粗粒化序列和音频响应信号的第二粗粒化序列;
根据所述第一粗粒化序列,构造m空间维数的第一模板向量,以及,根据所述第二粗粒化序列,构造m空间维数的第二模板向量;
根据所述第一模板向量和所述第二模板向量,确定所述螺纹紧固件的多尺度交叉模糊熵。
4.根据权利要求3所述的方法,其特征在于,根据所述第一模板向量和所述第二模板向量,确定所述螺纹紧固件的多尺度交叉模糊熵,包括:
计算每个所述第二模板向量对于所述第一模板向量的第一最大绝对距离;
根据所述第一最大绝对距离,确定所述超声波响应信号的第一模糊隶属函数;
根据预设的相似性函数和所述第一模糊隶属函数,确定所述音频响应信号的第二模糊隶属函数;
根据所述第一模糊隶属函数和所述第二模糊隶属函数,确定所述螺纹紧固件的多尺度交叉模糊熵。
5.根据权利要求1所述的方法,其特征在于,通过第一预设算法和所述松动特征数据集,确定降低特征空间维数后的第一特征数据,包括:
通过第一预设算法,确定线性判别分析的目标函数;
根据所述目标函数,确定降低特征空间维数后的第一特征数据。
6.根据权利要求5所述的方法,其特征在于,根据所述目标函数,确定降低特征空间维数后的第一特征数据,包括:
确定所述松动特征数据集中的样本类别数目和原始样本数据的第一均值;
根据样本类别数目、目标样本数据与所述第一均值之差、所述目标样本数据与所述第一均值之差的转置,确定所述松动特征数据集的类间散射数据和类内散射数据;
根据所述类间散射数据和所述类内散射数据,确定类间散射协方差矩阵和类内散射协方差矩阵;
根据所述类间散射协方差矩阵和所述类内散射协方差矩阵,确定所述目标函数;
根据所述目标函数,确定降低特征空间维数后的第一特征数据。
7.根据权利要求1所述的方法,其特征在于,通过第二预设算法和所述第一特征数据,确定所述螺纹紧固件的松动程度,包括:
根据所述第一特征数据,确定样本训练数据;
通过第二预设算法的随机森林分类器模型,为每个所述样本训练数据生成一棵带有多个预测因子的分类树;
在所述分类树的每个节点选择最优值进行最佳分割得到回归树;
通过所有回归树的平均值,确定所述螺纹紧固件的松动程度。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京理工大学,未经北京理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202310031704.4/1.html,转载请声明来源钻瓜专利网。