[发明专利]一种消磁方法及系统

权利要求书

1.一种消磁方法，其特征在于，所述方法包括：

向介质发射消磁线圈阵列的探测信号，生成所述介质的原始感应信号；

接收多种类型的介质的所述原始感应信号；

对所述原始感应信号进行预处理得到感应信号；

将所述感应信号作为样本数据，以所述感应信号为输入，以所述感应信号对应的介质类型为输出，采用机器学习算法训练介质分类模型；

以所述感应信号和所述感应信号对应的介质类型为输入，以所述感应信号对应的消磁所需的磁场强度为输出，采用机器学习算法训练磁场强度预测模型；

将待消磁感应信号输入所述介质分类模型，获得所述待消磁感应信号的介质分类结果，所述待消磁感应信号为通过向待消磁介质发射探测信号获得的感应信号；

将所述介质分类结果和所述待消磁感应信号输入所述磁场强度预测模型，获得介质消磁所需的磁场强度；

根据所述磁场强度对介质进行消磁；

对所述原始感应信号进行预处理得到感应信号，具体包括：

采用3σ准则剔除所述原始感应信号中的异常数据，获得第一感应信号；

将第一感应信号的最大值、最小值、均值和方差作为构造特征加入到第一感应信号中，获得第二感应信号；

使用主成分分析法对第二感应信号进行降维处理，获得第三感应信号；

使用线性函数归一化方法或者零均值归一化方法对第三感应信号进行归一化，获得感应信号。

2.根据权利要求1所述的消磁方法，其特征在于，所述原始感应信号为对2秒内接收的电流信号进行100次等间隔采样获得的感应电流信号。

3.根据权利要求1所述的消磁方法，其特征在于，所述机器学习算法包括XGBoost、决策树、支持向量机和神经网络中的任意一种。

4.根据权利要求1所述的消磁方法，其特征在于，所述采用机器学习算法训练介质分类模型之前，将所述感应信号按照6:2:2的比例随机划分为训练集、验证集和测试集。

5.一种消磁系统，其特征在于，所述系统包括：

信息采集模块：用于向介质发射消磁线圈阵列的探测信号，生成所述介质的原始感应信号；接收多种类型的介质的所述原始感应信号；对所述原始感应信号进行预处理得到感应信号；

介质分类模型建模模块：用于将所述感应信号作为样本数据，以所述感应信号为输入，以所述感应信号对应的介质类型为输出，采用机器学习算法训练介质分类模型；

磁场强度预测模型建模模块：用于将所述感应信号作为样本数据，以所述感应信号和所述感应信号对应的介质类型为输入，以所述感应信号对应的消磁所需的磁场强度为输出，采用机器学习算法训练磁场强度预测模型；

磁场强度预测模块，用于将待消磁感应信号输入所述介质分类模型，获得所述待消磁感应信号的介质分类结果；所述待消磁感应信号为通过向待消磁介质发射探测信号获得的感应信号；将所述介质分类结果和所述待消磁感应信号输入所述磁场强度预测模型，获得介质消磁所需的磁场强度；

消磁模块，用于根据所述磁场强度对介质进行消磁；

所述信息采集模块包括数据处理单元，具体包括：

异常数据处理子单元，用于采用3σ准则剔除所述原始感应信号中的异常数据，获得第一感应信号；

特征构造子单元，用于将第一感应信号的最大值、最小值、均值和方差作为构造特征加入到第一感应信号中，获得第二感应信号；

降维处理子单元，用于使用主成分分析法对第二感应信号进行降维处理，获得第三感应信号；

归一化子单元，用于使用线性函数归一化方法或者零均值归一化方法对第三感应信号进行归一化，获得感应信号。

6.根据权利要求5所述的消磁系统，其特征在于，所述原始感应信号为对2秒内接收的电流信号进行100次等间隔采样获得的感应电流信号。

7.根据权利要求5所述的消磁系统，其特征在于，所述机器学习算法包括XGBoost、决策树、支持向量机和神经网络中的任意一种。

8.根据权利要求5所述的消磁系统，其特征在于，介质分类模型建模模块包括：

数据集处理单元，用于将所述感应信号按照6:2:2的比例随机划分为训练集、验证集和测试集。