本发明涉及合金检测领域，尤其涉及一种基于pearson相关系数的合金牌号识别方法。
背景技术：
：牌号识别，指将被检测样品的实测元素含量信息与牌号库内若干个牌号的元素含量范围信息对比，推测出检测对象的牌号等相关信息。牌号识别是随着合金检测行业的发展逐渐衍生出的一项新功能，该功能极大地方便了合金的识别和归类。现有的牌号识别方法种类较少，大体上分如下几种：(1)按照实测元素含量值是否位于牌号规定的含量范围内来界定检测对象是否为该牌号，该方法缺点为，如果某个元素含量超出该范围即使超出的并不多也会影响检测对象的牌号识别。(2)改进的方法有，将含量范围做适当放大用多个“范围”来界定检测对象是否为该牌号。以上(1)、(2)两类算法有较强的偶然性、识别结果易受检测误差的影响、不易调试和维护。(3)基于隶属度函数的牌号识别算法，根据不同情况构造若干隶属度函数，即将实测元素含量在范围内的程度量化，该方法有较优秀的准确性和容错性，但参数的调整中需考虑不同情况隶属度函数间的兼容性，因此不易维护。牌号识别问题还有另外一种形式：仅提供元素含量参考值的牌号识别问题。也就是牌号库并未提供牌号的元素含量范围信息而仅提供元素含量参考值。现有的牌号识别方法并不针对该问题。技术实现要素：针对上述不足，本发明提供一种基于pearson相关系数的合金牌号识别方法，将相关系数引入到牌号识别问题中，解决了传统算法计算复杂、较难维护等问题，更为突出的是该方法不仅适用于提供元素含量范围的牌号识别问题也适用于仅提供元素含量参考值的牌号识别问题。为了达到上述目的，本发明采用的技术方案如下：一种基于pearson相关系数的合金牌号识别方法，其特征在于，具体包括以下步骤：(1)确定匹配元素集；取某合金样品为待识别样品，设牌号库中有n个牌号，分别为牌号1、牌号2……牌号n；取每一种牌号所含有的全部元素，构成该牌号所含有的元素集，最终得到A1、A2……An；取A1、A2……An的并集即得牌号库中有含量的元素集A；取牌号库中有含量的元素集A和光谱仪能够识别的元素集B的交集，得到匹配元素集C；(2)通过光谱仪测试待识别样品元素含量信息，并提取匹配元素集中各元素含量值Xi，进而获得实测元素含量向量X，X＝[X1,X2,…,Xn]，其中，n为匹配元素集C中元素的个数，i为正整数，1≤i≤n；(3)从牌号库所记录的元素含量上、下限信息中，提取匹配元素集中各元素在某牌号中的含量上限Xmaxi值、下限Xmini值；(4)构造实际匹配向量Vreal和理想匹配向量Videal：(4.1)取步骤(3)中获得的匹配元素集中各元素在某个牌号中的含量上限Xmaxi值、下限Xmini值与步骤(2)中获得的各元素的实测元素含量值Xi进行比较，计算各元素的理想元素含量值vi，如式(1)；vi=Xmaxi,(Xi≥Xmaxi)vi=Xmini,(Xi≤Xmini)vi=Xi,(Xmini≤Xi≤Xmaxi)---(1)]]>(4.2)根据步骤(4.1)得到的各元素的理想元素含量值vi，构建理想元素含量向量V，如式(2)：V＝[v1,v2,…,vn](2)(4.3)根据式(3)和式(4)，将步骤(2)获得的实测元素含量向量X和步骤(4.2)获得的理想元素含量向量V进行合并，得到实际匹配向量Vreal；将理想元素含量向量V与其自身进行合并，得到理想匹配向量Videal：Vreal＝[X,V]′(3)Videal＝[V,V]′(4)(5)计算实际匹配向量Vreal和理想匹配向量Videal间的pearson相关系数：计算公式如式(5)：rp=cov(V1,V2)σV1·σV2=E(V1V2)-E(V1)E(V2)E(V12)-E2(V1)E(V22)-E2(V2)---(5)]]>式中：rp为pearson相关系数；cov为协方差；σ为标准差；E为期望；(6)重复步骤(3)-(5)，直至计算出牌号库中所有牌号的pearson相关系数，再按其数值由大到小排序，排在第一位的牌号为待识别样品的所属牌号。本发明的有益效果如下：1)借用成熟的统计学方法，计算原理简单，易实现；2)不仅适用于提供元素含量范围的牌号识别问题也适用于仅提供元素含量参考值的牌号识别问题；3)该方法运算过程简单且运算结果为归一化数据，无量纲，其数值界于-1到1之间，值为1表明该牌号与该测量结果完全吻合，其他情况下数值越接近1表明匹配程度越高，数值越接近-1表明匹配程度越低，这就给必要的后续数据处理提供了方便。而传统方法中一般是相关数值越大(或越小)表明匹配效果越好，而数值的大小并没有一个固定的范围，后期进一步数据处理不易判断两个数据间的差别。附图说明下面结合附图和实施例对本发明做进一步的说明；图1为本发明的计算流程图。具体实施方式本实施例取任意合金样品S作为被检测样品，本领域技术人员根据被检测样品S的大致类别选取包含其所属牌号的某牌号库(如已知S为合金钢则选合金钢牌号库；如更详细地，已知S为合金钢下属某专用钢则选择该专用钢牌号库)。本实施例中S为某专用钢，故所选牌号库为该专用钢牌号库，牌号库中共有3个牌号，分别为P1、P2、P3。(1)确定匹配元素集牌号库中有含量的元素集的获取方法为：①取每一种牌号所含有的全部元素，构成该牌号所含有的元素集，最终得到A1、A2、A3；②取A1、A2、A3的并集即得牌号库中有含量的元素集A，本实施例中牌号库中有含量的元素集A为：13(Al)、14(Si)、15(P)、16(S)、22(Ti)、23(V)、24(Cr)、25(Mn)、26(Fe)、27(Co)、28(Ni)、29(Cu)、40(Zr)、41(Nb)、42(Mo)、46(Pd)、72(Hf)、73(Ta)、74(W)，共19种元素；本实施例中仪器能够识别的元素集B：从22号元素Ti到92号元素U，共71种元素；取A和B的交集，得到匹配元素集C：22(Ti)、23(V)、24(Cr)、25(Mn)、26(Fe)、27(Co)、28(Ni)、29(Cu)、40(Zr)、41(Nb)、42(Mo)、46(Pd)、72(Hf)、73(Ta)、74(W)，共15种元素；由于Fe为“余量”元素(牌号中不对其含量范围做明确规定的一种元素)，牌号库中数据不足故不对其做匹配，同理，在检测合金铝或合金铜时，若数据库资料不全可不对Al和Cu进行匹配。反之，若资料齐全也可以将“余量”元素加入匹配元素集，参与pearson相关系数计算。故本例中，最终的匹配元素集为：22(Ti)、23(V)、24(Cr)、25(Mn)、27(Co)、28(Ni)、29(Cu)、40(Zr)、41(Nb)、42(Mo)、46(Pd)、72(Hf)、73(Ta)、74(W)，共14种元素；(2)通过光谱仪测试待识别样品元素含量信息，并提取匹配元素集中各元素含量值Xi，从而获得实测元素含量向量X，X＝[X1,X2,…,Xn]；其中，n为匹配元素集C中元素的个数，i为正整数，1≤i≤n；(3)从牌号库所记录的元素含量上、下限信息中，提取匹配元素集中各元素在某牌号中的含量上限Xmaxi值、下限Xmini值；元素含量上、下限信息根据国家标准；此时原始数据收集完毕，详细信息见表1：(4)构造实际匹配向量Vreal和理想匹配向量Videal：(4.1)取步骤(3)中获得的匹配元素集中各元素在某个牌号(这里先取牌号P1)中的含量上限Xmaxi值、下限Xmini值与步骤(2)中获得的各元素的实测元素含量值Xi进行比较，计算各元素的理想元素含量值vi，如式(1)；vi=Xmaxi,(Xi≥Xmaxi)vi=Xmini,(Xi≤Xmini)vi=Xi,(Xmini≤Xi≤Xmaxi)---(1)]]>(4.2)根据步骤(4.1)得到的各元素的理想元素含量值vi，构建理想元素含量向量V，如式(2)：V＝[v1,v2,…,vn](2)(4.3)根据式(3)和式(4)，将步骤(2)获得的实测元素含量向量X和步骤(4.2)获得的理想元素含量向量V进行合并，得到实际匹配向量Vreal；将理想元素含量向量V与其自身进行合并，得到理想匹配向量Videal：Vreal＝[X,V]′(3)Videal＝[V,V]′(4)(5)计算实际匹配向量Vreal和理想匹配向量Videal间的pearson相关系数：计算公式如式(5)：rp=cov(V1,V2)σV1·σV2=E(V1V2)-E(V1)E(V2)E(V12)-E2(V1)E(V22)-E2(V2)---(5)]]>式中：rp为pearson相关系数；cov为协方差；σ为标准差；E为期望；(6)重复步骤(3)-(5)，直至计算出牌号库中所有牌号的pearson相关系数，再按其数值由大到小排序，显然被检测样品S的牌号最有可能为P1、其次为P2、P3，如表2所示：本发明运算过程简单且运算结果为归一化数据，无量纲，其数值界于-1到1之间，值为1表明该牌号与该测量结果完全吻合，其他情况下数值越接近1表明匹配程度越高，数值越接近-1表明匹配程度越低，这就给必要的后续数据处理提供了方便。而传统方法中一般是相关数值越大(或越小)表明匹配效果越好，而数值的大小并没有一个固定的范围，后期进一步数据处理不易判断两个数据间的差别。当前第1页1 2 3