基于PSO-SVR的非均质涂层组织均匀性超声表征

针对非均质涂层组织均匀性超声衰减法表征中存在的非线性和不适定问题,提出一种基于多尺度超声衰减系数的粒子群优化-支持向量回归(PSO-SVR)表征方法.基于非均质材料中超声波散射的"多尺度效应",利用连续小波变换获得涂层的多尺度超声衰减系数,使涂层在不同频带范围内的超声响应得到充分提取.以多尺度衰减系数作为输入向量,借助SVR在小样本条件下优异的数据挖掘和自动学习能力,实现多因素耦合约束下涂层组织均匀性信息的有效解耦,并引入粒子群优化和交互检验技术对SVR关键超参数进行全局优选.采用该模型对铝硅聚苯酯封严涂层的组织均匀性进行预测,结果表明,涂层分布均匀性长度模型预测值与显微CT原位标定值间的决定系数R2和均方误差MSE分别为0.834和0.824,与反向传播算法(BP)、径向基神经网络(RBF)和广义回归神经网络(GRNN)等人工神经网络模型相比,PSO-SVR模型在小样本条件下具有更好的泛化能力和更高的预测精度.研究结果为非均质材料组织均匀性的定量无损表征提供了新的研究思路.