一种基于幅度均方根值的高斯分布识别金属材料的方法

技术领域

本发明属于超声无损检测技术领域，具体涉及一种基于幅度均方根值的高斯分布识别金属材料的方法。

背景技术

近年来，原料价格不断攀升，贵重金属材料较为紧缺，部分不良商家为了牟取暴利，利用廉价的金属代替价格昂贵的金属，极大的影响了人们的生产生活。因此，实现真伪识别在工业、军事、文物鉴别等众多领域有着广泛的应用。

目前，辨别金属的方法有很多，物理方法如：感官识别、断口识别、火花识别等；化学方法如：滴定分析方法、重量分析法、容量分析法等。但上述方法对于金属本身都具有破坏性，部分操作较为复杂，很难大范围应用。

由于超声无损识别具有非破坏性、操作简单、直接快速、准确度高、适用范围广等特点，成为检测领域的一种重要识别方式。超声波在金属材料中传播时，由于金属晶粒的影响发生散射，对携带金属晶粒信息的反射及散射信号提取特征量进行分析，就可以实现识别。

在现有的研究技术中，有采用超声衰减谱相关系数法和加权欧式距离法等对金属样品进行识别，但现有的研究存在一定的局限，如：由于探头具有指向性，采集信号时，必须严格控制将探头放置在同一位置同一方向上，在实际操作中，这一点很难做到，若其中一个采集错误，与其他信号相差较大，对整个实验结果就有很大的影响，因此，其对操作的精确度和探头的要求较高。

发明内容

为了解决现有技术中存在的上述问题，本发明提供了一种基于幅度均方根值的高斯分布识别金属材料的方法，提高识别正确率，降低对人和检测探头的依赖性，本发明要解决的技术问题通过以下技术方案实现：

一种基于幅度均方根值的高斯分布识别金属材料的方法，其包括以下步骤：

(1)按照常规方法采集标准金属试样和待识别金属试样的时域信号；

(2)取标准金属试样的时域信号，对其进行归一化处理，之后进行快速傅里叶变换，得到标准频谱，并确定出每个标准信号对应的幅度均方根值P

(3)基于高斯分布来模拟信号采集中的分布情况，将阈值Δ设定为若干个标准信号幅度均方根比值的均值加上2～5倍的标准差；

(4)按照步骤(2)的方法计算出各个待识别信号的幅度均方根值与所有标准信号的均值求得的幅度均方根的比值，记为U

(5)将待识别信号的幅度均方根比值U

进一步限定，所述步骤(2)具体包括：

(2.1)取标准金属试样的时域信号后，利用式(1)对其作归一化处理：

(2.2)将归一化处理的标准信号进行快速傅里叶变换得到各自的频谱A

(2.3)利用该式(2)计算出所有标准信号的均值A

(2.4)利用(3)式计算各个标准信号的幅度均方根值P

其中，P

(2.5)将求得的各个标准信号的幅度均方根值P

进一步限定，所述步骤(3)具体为：

基于高斯分布来模拟信号采集中的分布情况，根据下式(4)计算出标准信号的阈值Δ，具体为：

其中，m为标准信号的个数，

进一步限定，所述步骤(3)中，若某一次信号相对于总体信号差异过大，则将幅度均方根比值在阈值外的信号剔除，舍掉此次信号后重新计算标准信号的阈值Δ。

进一步限定，所述步骤(1)采集标准金属试样和待识别金属试样的时域信号的条件为：超声波收/发探头的中心频率为5-6MHz、晶片直径为10mm；超声波脉冲发射/接收仪脉冲重复频为100Hz、脉冲电压为100V、增益为+8dB；数字示波器采样频率为5GS/s、采样时间为20μs、采样平均次数为2000次。

进一步限定，所述步骤(1)中，每采集一次信号，需要重新放置探头，探头可旋转的角度为[-10°，+10°]区间。

进一步限定，所述标准信号的采集次数3～20次，所述待识别信号的采集次数不少于3次。

与现有技术相比，本发明的有益效果是：

1、本发明通过获取金属材料内部的时域超声反射及散射信号，通过快速傅里叶变换得到频谱，计算出信号的幅度均方根值，提取幅度均方根比值作为超声识别的特征量，基于高斯分布原理界定阈值，同时利用算法将异样信号筛除，是实现金属识别的一种新方法，大大减小金属检测中的误差，提高识别金属的精准性。

2、本发明优化了信号采集的方式，探头可以放置在采集点规定方向的±10°范围内，无需每次在采集点同一角度位置处采集信号，降低了采集信号的难度。同时，探头微小角度的调整可以使采集到的信号包含更多的金属晶粒信息，从而丰富了标准信号样本数据库，标准信号数据库越丰富，得到的识别结果越准确。

3、本发明增加了剔除“异样”信号的算法，对于某个标准信号的幅度均方根比值，若其超出所有标准信号幅度均方根比值的均值加3倍标准差范围，则视为“异样”信号，将其剔除后重新计算幅度均方根值得到阈值。这样，将与同组信号相差过大的信号筛除，减小了人为因素干扰，避免因一个信号采集错误，对识别结果造成很大的影响，提高了识别正确率。

4、本发明的方法克服了传统的金属材料辨别方法的不足，对金属无破坏性，具有操作简单、成本低、效率高、适用范围广、识别结果准确合理等特点，适于推广应用。

5、本发明基于高斯分布来模拟信号采集中的分布情况，将阈值Δ设定为若干个标准信号幅度均方根比值的均值加上2～5倍的标准差，通常取3倍，根据小概率原理，用来作为判别异常值标准的两倍或三倍标准差是统计上允许的合理误差限，当偏差超出合理误差限的测定值，判为异常值。阈值中取3倍的标准差，既可以保留更多可利用的标准信号数据，同时又可以有效甄别异常信号，减小识别错误的可能性。

附图说明

图1为信号采集区间示意图。

图2为识别程序流程框图。

图3为超声信号采集系统示意图。

图4为金属标准试样的回波信号图。

图5为成分相近的不同金属材料试样。

图6为同种金属材料生产的不锈钢锅试样。

具体实施方式

以下将结合附图及实施例对本发明做进一步详细说明。

一种基于幅度均方根值的高斯分布识别金属材料的方法，参见图1和2，其包括以下步骤：

(1)按照常规方法采集标准金属试样和待识别金属试样的时域信号；

参见图3，超声波防伪识别装置的连接关系是：将超声波脉冲发射/接收仪通过数字示波器与计算机相连接，再将收/发探头与超声波脉冲发射/接收仪连接后置于待识别金属试样表面，使收/发探头与金属试样用耦合剂耦合接触。

超声波收/发探头的中心频率为5-6MHz、晶片直径为10mm；超声波脉冲发射/接收仪脉冲重复频为100Hz、脉冲电压为100V、增益为+8dB；数字示波器采样频率为5G S/s、采样时间为20μs、采样平均次数为2000次。

关于探头放置说明：每采集一次信号，需要重新放置探头，可提前标记好采集点，保证每次探头放置在金属表面同一位置处。探头可旋转较小的角度，提前规定好探头的指定方向，例如以探头线作为参考，每个信号的采集都需要在指定方向的[-10°，+10°]角度区间内。

采用的耦合剂为水，每取一次信号，需要重新滴加耦合剂，尽量保证耦合剂用量相同，实验时可取一滴水。

为得到正确的识别结果，可以依据实际情况确定信号的采集次数。但标准信号采集次数最好不少于20次，待识别信号的采集次数最好不少于3次，采集的回波信号图如图4所示。

(2)取标准金属试样的时域信号，对其进行归一化处理，之后进行快速傅里叶变换，得到标准频谱，并确定出每个标准信号对应的幅度均方根值P

取标准金属试样的时域信号后，利用式(1)对其作归一化处理：

将归一化处理的标准信号进行快速傅里叶变换(FFT)得到各自的频谱A

同理，利用该式计算出所有标准信号的均值A

最后利用(3)式计算各个标准信号的幅度均方根值P

其中，P

将求得的各个标准信号的幅度均方根值P

(3)基于高斯分布来模拟信号采集中的分布情况，将阈值Δ设定为若干个标准信号幅度均方根值比值的均值加上3倍的标准差；具体为：

基于高斯分布来模拟信号采集中的分布情况，根据下式(4)计算出标准信号的阈值Δ，具体为：

其中，m为标准信号的个数，

若某一次信号相对于总体信号差异过大，将幅度均方根比值在阈值外的信号剔除，舍掉此次信号后重新计算标准信号的阈值Δ。

对于上述的标准差还可以是2～5倍，即将阈值Δ设定为若干个标准信号幅度均方根值比值的均值加上2～5倍的标准差，即根据测定值的高斯分布特性，出现偏差大于两倍标准差的测定值的概率约5％，出现偏差大于三倍标准差的测定值的概率约为0.3％，是小概率事件，根据小概率原理，用来作为判别异常值标准的两倍或三倍标准差是统计上允许的合理误差限，当偏差超出合理误差限的测定值，判为异常值；本发明的阈值中取3倍的标准差，既可以保留更多可利用的标准信号数据，同时又可以有效甄别异常信号，减小识别错误的可能性。

(4)按照步骤(2)的方法计算出各个待识别信号的幅度均方根值与所有标准信号的均值求得的幅度均方根值的比值，记为U

(5)将待识别信号的幅度均方根比值U

实施例1：成分相近的不同金属材料之间的识别

实验样品：三个规格完全相同、成分相近、材料分别为Cr17Ni2(1号样品)、2Cr13(2号样品)、3Cr13(3号样品)不锈钢圆形金属试样，直径为50mm，厚度均为15mm。实验样品如图5所示。实验时选取1号样品作为标准样品，1、2、3号样品作为待识别样品，实验时的采样点为样品中心处，并提前做好标记，保证探头每次放置的位置相同。

为尽可能保证实验条件相同，每取一次信号，需要重新滴加耦合剂(水)，用量为一滴。

仪器装置连接：将Panametrics-NDT 5077PR超声波脉冲发射/接收仪通过Tektronix-DPO5034B数字示波器与计算机相连接，再将中心频率为5MHz的收/发探头与超声波脉冲发射/接收仪连接后置于待识别金属试样表面，使收/发探头与金属试样用耦合剂(水)耦合接触。探头发射超声波脉冲信号后接收到回波信号，通过与超声波脉冲发射/接收仪连接的示波器对回波信号进行采样。

本发明基于幅度均方根值的高斯分布识别金属材料的方法，包括以下步骤：

步骤一：按照常规方法采集标准金属试样和待识别金属试样的时域信号

首先在采集点滴加耦合剂(一滴水)并将探头放置于采集点上，给探头施加一定的压力，保证探头与样品的表面紧密贴合且探头每次受到的压力相同，以便获取较好的回波信号；每取一次信号，探头需要重新放置，并重新滴加耦合剂，每次耦合剂的用量尽可能保持一致。

标准信号的采集：为了获取更多该点的金属晶粒信息，在采集点采集25次标准信号。考虑人为操作误差，选定在指定方向[-10°，+10°]角度范围内采集标准信号，既能够反映出该点标准信号的金属晶粒特征，又不会带来异样的信号特征，构建出合理的标准信号样本数据库。

待识别信号的采集：与标准信号采集方式及实验条件相同，在指定方向[-10°，+10°]角度范围内采集7次待识别信号，每次采集的待识别信号都是相对独立的，可以将每次采集的待识别信号单独导入来识别，也可以全部导入来识别。

步骤二：计算标准信号幅度均方根比值

①将25个标准信号数据样本X

②对标准信号做归一化处理；

③将归一化后的标准信号进行FFT得到对应的频谱A

④求出变换成频谱的25个标准信号的均值A

⑤求出25个标准信号分别对应的幅度均方根值P

⑥利用(3)式计算出25个标准信号的幅度均方根比值F

1号样品采集25次信号的幅度均方根比值分别为：30.2027，24.9533，17.5554，55.4646，26.6270，24.5177，28.3173，37.9342，22.1817，22.5625，24.3054，31.1777，21.5704，21.9983，27.7226，34.9700，23.7911，24.3996，29.2851，27.0640，31.6696，49.6809，29.4904，30.1623，28.0638。

步骤三：计算标准信号的阈值。

利用F

步骤四：计算待识别信号幅度均方根比值。

①导入采集的7个待识别信号并对这些数据作预处理；

②对这7个待识别信号作归一化处理；

③将归一化后的7个待识别信号进行FFT得到对应的频谱；

④利用(2)式分别计算出每个待识别信号的幅度均方根值；

⑤利用(3)式计算7个待识别信号的幅度均方根比值U

表1 1、2、3号样品幅度均方根比值

步骤五：识别

①分别比较3个样品的U

②可以看出，1号样品7次待识别信号计算得的幅度均方根比值均小于标准信号的阈值，故识别结果为同种材料；2、3号样品7次待识别信号的幅度均方根比值均大于标准信号的阈值，故识别结果为异种材料。识别结果如下表所示：

表2 1号样品识别结果

表3 2号样品识别结果

表4 3号样品识别结果

通过上述表1-3比较可以看出，本发明可以实现对成分相近、金属晶粒差异极小的不同金属材料之间的精准识别。

实施例2：同一种金属材料之间的识别

本实施例与实施例1所采用的计算方法、识别方法等均相同，区别之处在于样品选取的是同一批次同种材料生产的三个民用炒锅，分别为4、5、6号样品，参见图6。

选取4号样品作为标准信号，对4、5、6号待识别样品进行识别。同样，标准样品采集25次信号，每个待识别样品采集7次信号。采集方式、识别方法与实施例1均相同。

计算出的4号样品25次标准信号的幅度均方根比值分别为：1.3240、1.1638、1.4708、0.8975、1.8987、1.6676、0.6590、1.6508、0.9106、1.6984、2.0339、1.1679、1.4687、1.4053、1.2069、0.9190、0.6495、3.7978、1.5213、1.0375、1.5984、1.7641、1.2393、1.5168、0.7816。

同理，算得阈值Δ为2.4814。

算得的每个待识别信号的幅度均方根比值如下表所示：

表5 4、5、6号样品幅度均方根比值

将每个信号的幅度均方根比值与阈值进行比较，得出识别结果：4号样品信号的幅度均方根比值小于阈值，为同种材料(即同一试样)；5、6号样品信号的幅度均方根比值大于阈值，为异种材料(即不同试样)。具体如下：

表6 4号样品识别结果

表7 5号样品识别结果

表8 6号样品识别结果

该实施例2数据对比可以看出，本发明可以实现对同一批次同种金属材料制成的不同物品之间的正确识别。

本发明基于幅度均方根值的高斯分布识别金属材料的方法是一种识别金属的新方法，是将幅度均方根比值作为特征量首次应用于金属材料防伪识别领域，本发明的方法可适用于金属文物等的防伪识别；本发明对信号采集方式、阈值计算等方面进行优化，能够实现对成分相近的不同金属材料以及同种材料生产的不同样品之间的正确识别，通过获取金属材料内部的时域超声反射及散射信号，通过快速傅里叶变换得到频谱，计算出信号的幅度均方根值，提取幅度均方根比值作为超声识别的特征量，基于高斯分布原理界定阈值，同时利用程序算法将异样信号筛除，是实现金属识别的一种新方法，大大减小金属检测中的误差，提高识别金属的精准性。

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。