一种基于神经网络的电化学噪声腐蚀信号处理方法技术

一种基于神经网络的电化学噪声腐蚀信号处理方法。其包括：步骤1)提炼不同腐蚀类型的典型电化学噪声信号；步骤2)数据分组；步骤3)得到每组数据各个特征参数；步骤4)BP神经网络的训练与处理。本发明专利技术提供的基于神经网络的电化学噪声腐蚀信号处理方法是用BP神经网络处理电化学噪声腐蚀实验所得的电化学噪声腐蚀信号数据，计算出所有文件样本的特征值，数据处理结果显示，神经网络可以以高达98.3％的精度辨别出腐蚀类型，是一种有效的电化学噪声数据处理方法。

【技术实现步骤摘要】

【技术保护点】
一种基于神经网络的电化学噪声腐蚀信号处理方法，其特征在于：所述的基于神经网络的电化学噪声腐蚀信号处理方法包括按顺序进行的下列步骤：步骤1)提炼不同腐蚀类型的典型电化学噪声信号：根据从电化学噪声实验中取得的电化学噪声信号的时域图将腐蚀区分为点蚀、均匀腐蚀和钝化三种腐蚀类型；所述的电化学噪声实验是用标准304不锈钢试样制成工作电极，并将两个工作电极与一个参比电极放入到实验溶液之中，通过零阻电流计同时测量两工作电极之间的电化学电流噪声与工作电极和参比电极之间的电化学电压噪声；不同的腐蚀类型其表现的电化学噪声在时域图上有很大区别；当发生点蚀时，电流噪声和电压噪声会出现明显的暂态峰；当发生钝化或者均匀腐蚀时，电流噪声和电压噪声则表现为高频的无规律振荡；步骤2)数据分组：将上述采集得到的实验数据按1024个点为一单位进行数据切割，即每512秒存一个单独小文件，文件名按时间叠加，则得到大量的各种腐蚀的数据；步骤3)得到每组数据各个特征参数：对这些所有小文件中每种腐蚀类型随机选取上百组数据，批处理这些数据，得到每组数据各个特征参数的值；步骤4)BP神经网络的训练与处理：通过计算各组的电化学信号特征值，得到了上百组样本的值；将每组样本的10项参数按噪声电阻、特征电荷、特征频率、小波归一化能量d1～d7层的能量比的顺序组成一组特征向量，上百组样本值可得到上百组不同的特征向量；每组特征向量作为BP神经网络的输入集合，每组样本对应的腐蚀类型作为BP神经网络的输出集合；取输入总值的60％输入作为训练集，取20％的输入作为验证集和测试集；用训练集训练数据，用验证集作神经网络训练最优值的选择，用测试集测试神经网络的泛化性能与分类精度。...

【技术特征摘要】

【专利技术属性】
技术研发人员：李健，张宇，孔伟康，陈冠任，郑焕军，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津;12