[发明专利]一种基于图域特征和DS证据理论融合的钢轨裂纹识别方法

摘要

本发明公开了一种基于图域特征和DS证据理论融合的钢轨裂纹识别方法，针对DS证据融合基本概率赋值难以解决的问题，利用SVM对不同通道不同方向的漏磁信号进行分类，然后用SVM得到的对于一个样本的后验概率作为此分类器对样本的基本概率赋值，建立了SVM与证据理论相结合的多传感器信息融合模型。实验结果表明，基于图域特征和DS证据理论融合的钢轨裂纹识别方法在训练样本数较少和漏磁信号通道数较少的情况下具有良好的识别效果，具有一定工程应用价值。

主权项

1.一种基于图域特征和DS证据理论融合的钢轨裂纹识别方法，其特征在于，包括如下步骤：(1)对不同通道不同方向的漏磁信号进行图域特征的提取，将提取的9个图域特征作为SVM的输入特征向量；(2)按步骤(1)提取不同通道不同方向的漏磁信号的训练样本特征向量，分别训练不同通道不同方向漏磁信号对应的SVM分类器；(3)对于未知类别的钢轨裂纹，将其对应的不同通道不同方向的漏磁信号按照步骤(1)提取测试样本特征向量，分别送入步骤(2)中对应通道对应方向的训练好的SVM分类器中，得到该钢轨裂纹在不同SVM分类器下属于不同类别的后验概率值；(4)利用步骤(3)中基于不同通道不同方向漏磁信号得到的该裂纹属于不同种类裂纹的后验概率，将其后验概率作为该裂纹的基本概率赋值BPA；(5)利用步骤(4)中得到的BPA，利用经典的DS证据理论的融合规则，就同一个裂纹同一方向不同通道上的BPA进行融合，得到同方向不同通道上融合结果BPA；(6)利用步骤(5)中得到不同方向上BPA，仍采用经典的DS证据理论的融合规则，将不同方向的BPA融合得到最终的BPA；(7)利用步骤(6)中得到同一个裂纹在不同通道不同方向的最终的BPA，是一个行向量，采用简单投票法，BPA最大值所在的列为测试样本的标签。