【技术实现步骤摘要】
本专利技术属于钛及钛合金合金返回屑料合金牌号检测，具体涉及一种钛及钛合金返回屑料合金分选检测方法和系统。
技术介绍
1、由于钛的加工特点，钛的加工过程中会产生大量的钛及钛合金屑料，这些屑料很多可以回收利用，若直接丢弃会造成资源的浪费和环境的污染。为了提高回收的质量，一般需要对屑料进行分选检测，逐类对钛合金屑料进行回收。
2、为了提高分类检测的效率，一般通过神经网络构建检测模型，来实现对钛合金合金牌号的检测；但是直接将获取的钛合金光谱数据作为该模型的训练数据，存在数据量大，导致训练时间长，并且数据的噪声比较大，导致训练模型的准确度也比较低。
3、综上，现有钛合金合金牌号检测方法存在检测效率低、精度差的问题。
技术实现思路
1、本专利技术所要解决的技术问题在于针对上述现有技术中的不足，提供一种钛及钛合金返回屑料合金分选检测方法和系统，其设计新颖合理，准确度高，构建速度快，便于推广使用。
2、为解决上述技术问题，本专利技术采用的技术方案是：
3、一种钛及钛合金返回屑料合金分选检测方法，该方法包括有如下步骤：
4、利用激光诱导击穿光谱技术获取各合金牌号的钛合金在标准实验参数下的光谱数据，根据该光谱数据和对应的合金牌号构建数据集；将数据集按照预设比例分为训练集和测试集，以此对合金牌号检测模型进行训练；
5、将待检测钛合金的光谱数据输入到训练后的合金牌号检测模型中，输出待检测钛合金的合金牌号；
6、该标准实验参
7、进一步地，用于构建数据集的光谱数据是通过主成分分析方法降维简化后的光谱数据；降维简化的过程为：采用主成分分析方法对各特征频段的频谱特征向量进行降维。
8、进一步地，在构建数据集之前，根据传送带的光谱数据对获取的光谱数据进行去噪。
9、进一步地，上述合金牌号检测模型根据神经网络模型进行构建。
10、进一步地，上述神经网络模型采用bp神经网络，所述bp神经网络包括有输入层、多个隐含层和输出层，输出层的数量等于合金牌号的类别数量；所述合金牌号检测模型确定连接权值和阈值的过程为：通过ssa计算每个麻雀的适应度，并更新发现者、加入者和警戒者的位置，直至得到最优位置和最佳适应度值后分别赋值给该合金牌号检测模型作为连接权值和阈值。
11、进一步地，采用正余弦策略替换发现者位置更新公式，发现者位置更新公式如下：
12、
13、其中，为第t代中第只麻雀在第维的位置，为第t+1代中第只麻雀在第维的位置，为最优位置，为正余弦算法的补偿搜索因子的一阶导数，为警戒阈值，为安全阈值，的随机数，随机数，t为当前迭代次数，t≤200；
14、采用柯西变异策略替换加入者位置更新公式，加入者位置更新公式如下：
15、
16、其中,为标准柯西分布函数，为相乘含义，t为当前迭代次数。
17、进一步地，采用最小均方差准则约束bp神经网络的训练周期，当均方差小于等于设定均方差时，控制bp神经网络训练停止。
18、进一步地，bp神经网络的均方差计算公式为：
19、
20、其中，为神经元与神经元之间的连接权值，b为阈值，为训练样本个数，为输出个数，为第个样本的第个输出预测值，为对应的真实值。
21、进一步地，钛合金为固态的钛合金，固态的钛合金包括有丝状和棒状的钛合金，合金牌号包括有tc4、tc1、ta1、tc11和/或ta15。
22、本专利技术还公开了一种钛及钛合金返回屑料合金分选检测系统，该系统包括有处理器，所述处理器用于处理上述的钛及钛合金返回屑料合金分选检测方法。
23、本专利技术与现有技术相比具有以下优点：
24、本专利技术首先获取标准试验参数下的钛合金光谱数据，根据该数据对构建的合金牌号检测模型进行训练，通过采集不同激光强度和延时下钛合金的光谱数据，与已知的数据进行对比分析，找出每个合金牌号钛合金的最优的激光强度和延时，即合金牌号的钛合金的标准实验参数，在标准实验参数下获取对应的光谱数据和标签对构建的模型进行训练；在训练数据准确的情况下，训练出的模型也相对精准。本专利技术通过采用主成分分析方法来降低数据的维度，提高建模的速度和稳定性。本专利技术通过采用bp神经网络能够学习和表示复杂的非线性关系，将其运用到本钛合金的合金牌号检测模型中，保障了模型检测的精度。本专利技术中的钛合金属于固态的钛合金，保障了训练数据的丰富度，提高合金牌号检测模型的通用性。
25、下面通过附图和实施例，对本专利技术的技术方案做进一步的详细描述。
本文档来自技高网...【技术保护点】
1.一种钛及钛合金返回屑料合金分选检测方法，其特征在于：该方法包括有如下步骤：
2.按照权利要求1所述的钛及钛合金返回屑料合金分选检测方法，其特征在于：所述用于构建数据集的光谱数据是通过主成分分析方法降维简化后的光谱数据；降维简化的过程为：采用主成分分析方法对各特征频段的频谱特征向量进行降维。
3.按照权利要求1所述的钛及钛合金返回屑料合金分选检测方法，其特征在于：在构建数据集之前，根据传送带的光谱数据对获取的光谱数据进行去噪。
4.按照权利要求1所述的钛及钛合金返回屑料合金分选检测方法，其特征在于：所述合金牌号检测模型根据神经网络模型进行构建。
5.按照权利要求4所述的钛及钛合金返回屑料合金分选检测方法，其特征在于：所述神经网络模型采用BP神经网络，所述BP神经网络包括有输入层、多个隐含层和输出层，输出层的数量等于合金牌号的类别数量；
6.按照权利要求5所述的钛及钛合金返回屑料合金分选检测方法，其特征在于：采用正余弦策略替换发现者位置更新公式，发现者位置更新公式如下：
7.按照权利要求4所述的钛及钛合金返回
8.按照权利要求7所述的钛及钛合金返回屑料合金分选检测方法，其特征在于：所述BP神经网络的均方差计算公式为：
9.按照权利要求1所述的钛及钛合金返回屑料合金分选检测方法，其特征在于：所述钛合金为固态的钛合金，固态的钛合金包括有丝状和棒状的钛合金；所述合金牌号包括有TC4、TC1、TA1、TC11和/或TA15。
10.一种钛及钛合金返回屑料合金分选检测系统，其特征在于：该系统包括有处理器，所述处理器用于处理权利要求1-9任意一项所述的钛及钛合金返回屑料合金分选检测方法。
...【技术特征摘要】
1.一种钛及钛合金返回屑料合金分选检测方法，其特征在于：该方法包括有如下步骤：
2.按照权利要求1所述的钛及钛合金返回屑料合金分选检测方法，其特征在于：所述用于构建数据集的光谱数据是通过主成分分析方法降维简化后的光谱数据；降维简化的过程为：采用主成分分析方法对各特征频段的频谱特征向量进行降维。
3.按照权利要求1所述的钛及钛合金返回屑料合金分选检测方法，其特征在于：在构建数据集之前，根据传送带的光谱数据对获取的光谱数据进行去噪。
4.按照权利要求1所述的钛及钛合金返回屑料合金分选检测方法，其特征在于：所述合金牌号检测模型根据神经网络模型进行构建。
5.按照权利要求4所述的钛及钛合金返回屑料合金分选检测方法，其特征在于：所述神经网络模型采用bp神经网络，所述bp神经网络包括有输入层、多个隐含层和输出层，输出层的数量等于合金牌号的类别数量；
6.按照权利要...
【专利技术属性】
技术研发人员：张乃禄，车伟，孟智彬，韩松，李斌斌，周明亮，胡启超，张钰哲，
申请(专利权)人：西安海联石化科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。