[发明专利]一种基于电涡流传感器和神经网络的电缆芯材质预测模型建立方法及检测装置

摘要

本发明涉及一种基于电涡流传感器和神经网络的电缆芯材质检测装置，属于材质检测领域，通过对传感器输出电压值的分析和神经网络学习功能，实现快速、准确、无损测试，检测电缆芯金属特性并判断其材质是否合格。包括电涡流传感器、分析模块、存储器及显示器；本发明基于电涡流传感器，将不同金属的金属特性以不同电压值输出，利用神经网络的学习功能，更为准确的判断出电缆芯的材质。本发明装置具有操作简便，快速准确及无损被测对象等特点，针对目前电缆芯以铝线代替铜线的普遍现象所带来的经济损失和安全隐患问题，提供了一种较好的解决办法。

主权项

1.一种基于神经网络的电缆芯种类预测模型建立方法，其特征在于：包括以下步骤：S1：给定一个样本训练集T＝{(xi,yi),Λ,(xl,yl)}∈(X×Y)L其中，xi∈X＝Rn,yi∈Y＝{1,‑1},(i＝1,2,Λ,l)；xi、xl、Λ为神经网络输入值，yi、yl为神经网络输出值，l为隐含层节点数；(X×Y)L表示样本集，X为输入集，Y为输出集，L为样本量；S2：选择适当核函数K＝(x,x′)和参数C，构造并求解最优化问题：其中，yi，yj表示输出值，αi，αj表示拉格朗日乘子，K表示核函数，(i＝1～j)，(j＝1～l)；约束条件为：得到最优解：α*＝(α1*,Λ,αl*)T其中，α*为最优解向量；S3：选取α*的一个正分量0≤αj*≤C，据此计算阈值：其中，b*为阈值向量；S4：构造决策函数：并输出结果。