本发明涉及热障涂层微孔隙结构特征表征方法，更具体的涉及一种基于太赫兹光谱技术的热障涂层微孔隙结构特征表征方法。
背景技术：
航空发动机技术被称为高端制造业领域“皇冠上的明珠”，是世界各国竞相追逐的焦点技术，目前只有中、美、俄、法、英等少数国家可以进行独立自主研发。随着航空发动机技术的不断高速发展，航空发动机的推重比也不断提高，这也给发动机热端部件的耐高温侵蚀性能提出了更高的要求。以美国的前四代战斗机的推重比为例，推重比从不足2到现在超过10，燃气涡轮的进口温度已经超过1988k，纵然使用最有效的冷却结构技术，先进高温合金材料的极限温度仍远无法承受发动机涡轮叶片表面如此高的温度，上个世纪五十年代美国国家航空航天局(nasa)最早提出在高温合金部件表面沉积一层热障涂层可以起到有效保护基体的作用。
热障涂层在如此严苛的环境中服役时面临各种严峻挑战，甚至会发生提前失效。评价热障涂层性能的指标有很多，其中陶瓷层内部微孔隙结构特征作为影响热障涂层服役性能最重要的性能指标，直接影响热障涂层包括弹性模量，断裂韧性，热导率等力学和热力学性能参数。伴随着服役时间的增加，因烧结和冲蚀等作用影响，内部微孔隙结构特征会随之发生改变，严重制约热障涂层的服役性能和寿命，为了确保热障涂层的服役安全性，急需一种能够应用于实际服役工况的有效监测方法，能实时便捷迅速的监测热障涂层内部微孔隙结构特征，并且保证航空发动机热端部件不因检测引起二次破坏，同时需要保障操作人员的安全，即需要一种在线，无损伤，非接触，高精度，安全的检测方法。
公开发表的论文和相关公开的专利文献中记载：公开号为cn105758777a和cn102564914a的中国专利，b.rogé等人发表在journalofthermalspraytechnology的2003年第12卷4期中的论文nondestructivemeasurementofporosityinthermalbarriercoatings，fanyang等人发表在internationaljournalofappliedceramictechnology的2009年第6卷3期中nondestructiveevaluationofthermalbarriercoatingsusingimpedancespectroscopy，xunzhang等人发表在journaloftheamericanceramicsociety的2018年第101卷6期中3dcharacterizationofporosityinanairplasma-sprayedthermalbarriercoatinganditseffectonthermalconductivity等文献中记载了多种技术对热障涂层孔隙率的评价方法，主要包括：金相法，汞孔隙率计法，电化学交阻抗法，超声法，电容法，涡流法，热失重法，x射线法等。其中金相法属于有损评价，而汞孔隙率计法，电化学交阻抗法，超声法，电容法需要直接发生接触或需要耦合剂等，不便于自动化检测。涡流法更加适用于导电材料，不适用于非金属的陶瓷涂层检测。热失重法无法应用于航空发动机热端部件表面。目前常见的热障涂层内部微孔隙结构特征检测主要集中在内部孔隙率的检测，而对于如孔洞和裂隙的比例和孔的尺寸大小的监测方法几乎鲜有报道。x射线法虽然可以一定程度上分辨微观结构特征，但是会危害人体健康，且过量的x射线照射会导致热障涂层内部晶体出现缺陷。故以上方法或只涉及孔隙率检测，而不涉及进一步的内部微孔隙结构定量化特征，或不适用于实际工程应用，或无法提供安全的检测方法，且都不涉及太赫兹技术。
太赫兹波的波长范围介于30μm-3000μm，在电磁波的波谱图中的位置介于无线电波和光波之间。太赫兹波在用于无损检测时具有精度高，非电离，非接触，无损伤等优点，并且由于其对介电材料具有很好的穿透性，无法穿透金属材料，且在金属结构表面有强反射性，所以非常适合用于存在陶瓷结构和金属结构的热障涂层系统的结构完整性检测，特别是热障涂层内部的微孔隙结构特征表征。
技术实现要素：
本发明的目的在于提供一种基于太赫兹光谱技术的热障涂层微孔隙结构特征表征方法，以进一步表征微孔隙结构的定量化特征，实现精度高、非接触的在线无损检测。
为了实现上述目的，本发明提供了一种基于太赫兹光谱技术的热障涂层微孔隙结构特征表征方法，包括：
s1：通过调整热障涂层制备工艺参数获取具有不同微孔隙结构特征的热障涂层试样的样本集；
s2：利用反射式太赫兹时域光谱系统对所述步骤s1中的热障涂层试样的样本集进行太赫兹特征提取；
s3：对样本集中的具有不同微孔隙结构特征的热障涂层试样分别进行微孔隙结构特征提取，所述微孔隙结构特征包括隙率，孔洞和裂隙的比例以及孔的尺寸大小；
s4：建立支持向量机模型，并采用所述步骤s2中的太赫兹特征和所述步骤s3中的微孔隙结构特征对支持向量机模型进行训练，通过支持向量机模型实现热障涂层微孔隙结构特征的表征。
所述太赫兹特征的数量为4-8个。
所述太赫兹特征包括第一、第二、第三、第四和第五太赫兹特征，所述步骤s2包括：
s21：利用太赫兹时域光谱系统，分别获取样本集的所有热障涂层试样所对应的多个样本反射式时域信号gsample和标准参考试样的参考反射式时域信号greference，随后利用主成分分析法对所述多个样本反射式时域信号gsample的各个样本反射式时域信号进行降维处理，选取累计贡献率之和超过95％的主成分作为第一太赫兹特征；
s22：通过傅里叶变换对所述步骤s21的多个样本反射式时域信号gsample和参考反射式时域信号greference进行傅里叶变换，分别获得多个样本反射式频谱信号fsample和单个参考反射式频谱信号freference，随后利用主成分分析法对多个样本反射式频谱信号fsample进行降维处理，选取累计贡献率之和超过95％的主成分作为第二太赫兹特征；
s23：根据所述步骤s22中的多个样本反射式频谱信号fsample和单个参考反射式频谱信号freference，获得样本有效反射率信号rsample，随后利用主成分分析法对样本有效反射率信号rsample进行降维处理，选取累计贡献率之和超过95％的主成分作为第三太赫兹特征；
s24：提取各个样本反射式时域信号gsample中的第一个反射波形的第一个峰的强度值h1-sample来计算样本反射能量，提取参考反射式时域信号greference中的第一个反射波形的第一个峰的强度值h1-reference来计算参考反射能量，根据所述样本反射能量和参考反射能量来计算有效折射率n，采用有效折射率n作为第四太赫兹特征；
s25：分别提取样本反射式时域信号gsample的第二和第三个反射波形的波峰与波谷之间的时间差δt2和δt3，结合参考反射式时域信号greference的第一个反射波形的波峰与波谷之间的时间差δtreference，得到第二和第三相对展宽比，作为第五太赫兹特征。
在所述步骤s23中，所述太赫兹有效反射率信号rsample为：
式中，fft(gsample)为样本反射式频谱信号，fft(greference)为参考反射式频谱信号。
在所述步骤s24中，所述有效折射率n的计算是并根据太赫兹波信号的反射能量与入射能量比的关系结合菲涅尔方程来进行的，所述有效折射率n为：
其中，n为有效折射率，n取大于1的实根，h1-sample为样本反射式时域信号gsample中的第一个反射波形的第一个峰的强度值，h1-reference为参考反射式时域信号greference中的第一个反射波形的第一个峰的强度值。
在所述步骤s3中，通过采用相同热障涂层制备工艺参数的5个热障涂层试样，通过砂纸打磨和抛光所述热障涂层试样，每个热障涂层试样选取10个不同截面，每个截面选取10张彼此不连通的非金属陶瓷层的sem图，之后对该微观结构照片利用imagj图像分析统计软件进行微孔隙结构特征的统计，来对每种具有不同微孔隙结构特征的热障涂层试样分别进行微孔隙结构特征提取。
所述imagj图像分析统计软件的处理流程包括：先对所述sem图进行阈值转换得到孔隙微结构示意图，再对孔隙微结构示意图进行图像腐蚀后再膨胀处理，分别提取微孔洞和微裂隙，进而分别统计获取孔隙率、孔洞和裂隙的比例以及孔的尺寸大小并获取其统计平均值，来作为各热障涂层试样的微孔隙结构特征。
在所述步骤s4中，在建立支持向量机模型时，所述支持向量机模型的核函数选用径向基函数，所述支持向量机模型的惩罚参数和核函数利用交叉验证的方法进行寻优获取。
在所述步骤s4中，在支持向量机模型进行训练时，所述太赫兹特征作为所述支持向量机模型的输入特征，内部微孔隙结构特征作为所述支持向量机模型的输出特征。
在所述步骤s4中，由所述太赫兹特征和内部微孔隙结构特征组成样本特征，利用样本特征的总数的80％作为训练集对支持向量机模型进行训练以获取最优参数，利用样本特征的总数的20％作为验证集，以确定支持向量机模型的回归准确率。
本发明的基于太赫兹光谱技术的热障涂层微孔隙结构特征表征方法采用太赫兹波对热障涂层进行太赫兹特征提取，由于太赫兹波对热障涂层中的陶瓷层穿透能力强，易于在线、非接触、无损伤、非电离、可定量地检测到被测试样的信号，方法简便可行；本发明采用支持向量机模型，因此对于小样本数据具有很好的回归能力和泛化能力，且能避免陷入过拟合，无论是实验室中获取的数据还是实际工程数据都可以用于支持向量机模型建立，适用于各种实际应用。此外，本发明中太赫兹特征提取采用主成分分析法对时域谱信号、频域谱信号、有效反射率谱信号进行降维处理，以保证不同输入特征参数之间的相互影响降到最低，充分发挥各自的表征能力，在保证实际检测精度的同时也提升了检测速度，综合预测性能优于传统神经网络的回归预测效果，其中，关于有效折射率的估算，针对在高频电磁波作用下陶瓷的介电常数虚部远远小于实部，此处忽略了色散的作用效果，直接利用热障涂层样品的时域信号和参考样品的时域信号进行有效折射率的估算，方法简便可行。
附图说明
图1是本发明所述一种基于太赫兹光谱技术的热障涂层微孔隙结构特征表征方法的流程示意图；
图2是本发明的基于太赫兹光谱技术的热障涂层微孔隙结构特征表征方法的被测试的热障涂层的典型结构示意图；
图3a和图3b分别是本发明的基于太赫兹光谱技术的热障涂层微孔隙结构特征表征方法的样本反射式时域信号和参考反射式时域信号的波形图；
图4是本发明的基于太赫兹光谱技术的热障涂层微孔隙结构特征表征方法的imagj图像分析统计软件的处理流程图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步阐述。对本发明实施例中的技术方案进行完整、详细地描述，当然所描述的实施方式仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施方式，其他技术人员在无创造性劳动前提下所获得的所有其他实施例，都在本发明保护的范围内。
如图1所示，为本发明所述一种基于太赫兹光谱技术的热障涂层微孔隙结构特征表征方法流程示意图。
一种基于太赫兹光谱技术的热障涂层微孔隙结构特征表征方法，包含具体以下步骤：
步骤s1：通过调整热障涂层制备工艺参数，来获取具有不同微孔隙结构特征的热障涂层试样的样本集；
其中，如图2所示，所述热障涂层试样可用于进行太赫兹测试，其包括自上而下依次排布的非金属陶瓷层1’、金属粘结层2’和金属基体层3’。所述热障涂层制备工艺参数包括喷涂距离，送粉速度，喷涂功率和粉末尺寸规格等工艺参数。
步骤s2：利用反射式太赫兹时域光谱系统对所述步骤s1中的热障涂层试样的样本集进行太赫兹特征提取；在本实施例中，所述太赫兹特征包括第一、第二、第三、第四和第五太赫兹特征，所述步骤s2包括：
步骤s21：利用太赫兹时域光谱系统，以0°入射角垂直入射到所述热障涂层试样的样本集和一标准参考试样上，分别获取样本集的所有热障涂层试样所对应的多个样本反射式时域信号gsample和标准参考试样的参考反射式时域信号greference；随后利用主成分分析法(principalcomponentanalysis，pca)对所述多个样本反射式时域信号gsample进行降维处理，得到主成分的累计贡献率，选取累计贡献率之和超过95％的主成分(主成分的数量可能是一个也可能是多个，因为达到95％的可能累计贡献率之和需要一个主成分，也可能需要前两个，或者前三个乃至更多地累加)作为支持向量机建模时的第一太赫兹特征。
其中，所述标准参考试样没有热障涂层，仅仅是金属，仅为理想的光滑的完全反射面。
在本实施例中，所述太赫兹时域光谱系统为反射式太赫兹时域光谱系统，例如型号为teravieweotpr5000的反射式太赫兹时域光谱系统，但在其他实施例中，也可以替换成其他的太赫兹时域光谱系统。由于太赫兹波在用于无损检测时具有精度高，非电离，非接触，非损伤等优点，并且由于其对介电材料具有很好的穿透性，无法穿透金属材料，且在金属结构表面有强反射性，所以太赫兹时域光谱系统非常适合用于存在陶瓷结构和金属结构的热障涂层系统的结构完整性检测，特别是热障涂层微孔隙结构特征表征。
所述主成分分析法可以利用现有的软件matlab，python等软件调用函数获取。
由于热障涂层试样的样本集包括多个具有不同微孔隙结构特征的热障涂层试样，因此得到的样本反射式时域信号集合gsample是个许许多多样本的反射式时域信号的集合，得到的参考反射式时域信号greference仅仅是单个反射式时域信号。所得到的热障涂层试样的样本集的样本反射式时域信号集合gsample中的其中一个反射式时域信号和标准参考试样的参考反射式时域信号greference分别如图3a和3b所示。
步骤s22：通过傅里叶变换对所述步骤s21的多个样本反射式时域信号gsample和参考反射式时域信号greference进行傅里叶变换，分别获得多个样本反射式频谱信号fsample和单个参考反射式频谱信号freference；随后利用主成分分析法对多个样本反射式频谱信号fsample进行降维处理，得到主成分的累计贡献率，选取累计贡献率之和超过95％的主成分作为支持向量机建模时的第二太赫兹特征；
步骤s23：根据所述步骤s22中的多个样本反射式频谱信号fsample和单个参考反射式频谱信号freference，获得多个热障涂层试样的样本有效反射率信号rsample；随后利用主成分分析法对样本有效反射率信号rsample行降维处理，得到主成分的累计贡献率，选取累计贡献率之和超过95％的主成分作为支持向量机建模时的第三太赫兹特征；
其中，太赫兹有效反射率信号rsample为：
式中，fft(gsample)为样本反射式频谱信号，fft(greference)为参考反射式频谱信号。
步骤s24：提取各个样本反射式时域信号gsample中的第一个反射波形的第一个峰的强度值h1-sample来计算样本反射能量，提取参考反射式时域信号greference中的第一个反射波形的第一个峰的强度值h1-reference来计算参考反射能量，根据所述样本反射能量和参考反射能量来计算有效折射率n，采用有效折射率n作为支持向量机建模时的第四太赫兹特征。
其中，有效折射率n的计算是并根据太赫兹波信号的反射能量与入射能量比的关系结合菲涅尔方程来进行的，有效折射率n可通过解方程得到：
其中n为有效折射率，n取大于1的实根，h1-sample为样本反射式时域信号gsample中的第一个反射波形的第一个峰的强度值，h1-reference为参考反射式时域信号greference中的第一个反射波形的第一个峰的强度值。
步骤s25：如图3a所示，分别提取样本反射式时域信号gsample中的第二和第三个反射波形的波峰与波谷之间的时间差δt2和δt3，即样品因为热障涂层内部微孔隙而对太赫兹信号的引起的时域展宽，如图3(b)所示，结合参考反射式时域信号greference的第一个反射波形的波峰与波谷之间的时间差δtreference，得到第二和第三相对展宽比，作为支持向量机建模时的第五太赫兹特征；
其中，所述第二和第三相对展宽比分别为：
其中，δt2-相对和δt3-相对分别为第二和第三相对展宽比，δt2和δt3分别为样本反射式时域信号gsample中的第二和第三个反射波形的波峰与波谷之间的时间差，δtreference为参考反射式时域信号greference的第一个反射波形的波峰与波谷之间的时间差。
步骤s3：利用扫描电子显微镜sem和imagj图像分析统计软件对样本集中的具有不同微孔隙结构特征的热障涂层试样分别进行微孔隙结构特征提取，所述微孔隙结构特征包括孔隙率、孔洞和裂隙的比例以及孔的尺寸大小；
具体地，通过采用相同热障涂层制备工艺参数的5个热障涂层试样，不断通过砂纸打磨和抛光所述热障涂层试样，每个热障涂层试样选取10个不同截面，每个截面选取10张彼此不连通的非金属陶瓷层的sem(扫描电子显微镜)图，之后对该sem图利用imagj图像分析统计软件进行微孔隙结构特征的统计，来对每种具有不同微孔隙结构特征的热障涂层试样分别进行微孔隙结构特征提取。如图4所示，所述imagj图像分析统计软件的处理流程包括：先对所述sem图进行阈值转换得到孔隙微结构示意图，再对孔隙微结构示意图进行图像腐蚀后再膨胀(即开运算)处理，分别提取微孔洞和微裂隙，进而分别统计获取孔隙率、孔洞和裂隙的比例以及孔的尺寸大小这3个特征变量并获取其统计平均值，来作为各热障涂层试样的微孔隙结构特征，进而作为在支持向量机建模时的输出变量。
步骤s4：建立支持向量机模型，并采用所述步骤s2中的太赫兹特征和所述步骤s3中的微孔隙结构特征对支持向量机模型进行训练，通过支持向量机模型实现热障涂层微孔隙结构特征的表征。
在建立支持向量机模型时，所述支持向量机模型的核函数选用径向基函数，所述支持向量机模型的惩罚参数c和核函数g利用交叉验证的方法进行寻优获取。
在支持向量机模型进行训练时，所述太赫兹特征作为所述支持向量机模型的输入特征，内部微孔隙结构特征作为所述支持向量机模型的输出特征，由所述太赫兹特征和内部微孔隙结构特征组成样本特征，利用样本特征的总数的80％作为训练集对支持向量机模型进行训练以获取最优参数，利用样本特征总数的剩余20％作为验证集，以确定支持向量机模型的回归准确率。
由此，本发明基于支持向量机算法，利用主成分分析法对太赫兹反射式光谱系统获取的时域信号，频谱信号，有效反射率谱信号进行降维处理，结合样品的时域波形的展宽比和样品的有效折射率的数据作为特征输入，并联合热障涂层微孔隙结构特征作为特征输入进行回归模型训练，获取用于预测热障涂层微孔隙结构特征的模型。
本发明中训练得到的支持向量机模型可以为热障涂层微孔隙结构特征的表征提供了一种在线、非接触、无损伤、非电离、可定量的新型安全自动化检测方法，适用范围广泛，可以同样适用于其他非铁磁性材料的微观结构特征检测。
以上所述的，仅为本发明的较佳实施例，并非用以限定本发明的范围，本发明的上述实施例还可以做出各种变化，例如，太赫兹特征的数量也可以为4个或6-8个，可以采用样品的有效吸收系数作为其中一个太赫兹特征，或者本方法还可以推广到其他非铁磁性材料的内部微结构特征表征。凡是依据本发明申请的权利要求书及说明书内容所作的简单、等效变化与修饰，皆落入本发明专利的权利要求保护范围。本发明未详尽描述的均为常规技术内容。
1.一种基于太赫兹光谱技术的热障涂层微孔隙结构特征表征方法，其特征在于，包括：
步骤s1：通过调整热障涂层制备工艺参数获取具有不同微孔隙结构特征的热障涂层试样的样本集；
步骤s2：利用反射式太赫兹时域光谱系统对所述步骤s1中的热障涂层试样的样本集进行太赫兹特征提取；
步骤s3：对样本集中的具有不同微孔隙结构特征的热障涂层试样分别进行微孔隙结构特征提取，所述微孔隙结构特征包括隙率，孔洞和裂隙的比例以及孔的尺寸大小；
步骤s4：建立支持向量机模型，并采用所述步骤s2中的太赫兹特征和所述步骤s3中的微孔隙结构特征对支持向量机模型进行训练，通过支持向量机模型实现热障涂层微孔隙结构特征的表征。
2.根据权利要求1所述的基于太赫兹光谱技术的热障涂层微孔隙结构特征表征方法，其特征在于，所述太赫兹特征的数量为4-8个。
3.根据权利要求1所述的基于太赫兹光谱技术的热障涂层微孔隙结构特征表征方法，其特征在于，所述太赫兹特征包括第一、第二、第三、第四和第五太赫兹特征，所述步骤s2包括：
步骤s21：利用太赫兹时域光谱系统，分别获取样本集的所有热障涂层试样所对应的多个样本反射式时域信号gsample和标准参考试样的参考反射式时域信号greference，随后利用主成分分析法对所述多个样本反射式时域信号gsample的各个样本反射式时域信号进行降维处理，选取累计贡献率之和超过95％的主成分作为第一太赫兹特征；
步骤s22：通过傅里叶变换对所述步骤s21的多个样本反射式时域信号gsample和参考反射式时域信号greference进行傅里叶变换，分别获得多个样本反射式频谱信号fsample和单个参考反射式频谱信号freference，随后利用主成分分析法对多个样本反射式频谱信号fsample进行降维处理，选取累计贡献率之和超过95％的主成分作为第二太赫兹特征；
步骤s23：根据所述步骤s22中的多个样本反射式频谱信号fsample和单个参考反射式频谱信号freference，获得样本有效反射率信号rsample，随后利用主成分分析法对样本有效反射率信号rsample进行降维处理，选取累计贡献率之和超过95％的主成分作为第三太赫兹特征；
步骤s24：提取各个样本反射式时域信号gsample中的第一个反射波形的第一个峰的强度值h1-sample来计算样本反射能量，提取参考反射式时域信号greference中的第一个反射波形的第一个峰的强度值h1-reference来计算参考反射能量，根据所述样本反射能量和参考反射能量来计算有效折射率n，采用有效折射率n作为第四太赫兹特征；
步骤s25：分别提取样本反射式时域信号gsample的第二和第三个反射波形的波峰与波谷之间的时间差δt2和δt3，结合参考反射式时域信号greference的第一个反射波形的波峰与波谷之间的时间差δtreference，得到第二和第三相对展宽比，作为第五太赫兹特征。
4.根据权利要求3所述的基于太赫兹光谱技术的热障涂层微孔隙结构特征表征方法，其特征在于，在所述步骤s23中，所述太赫兹有效反射率信号rsample为：
式中，fft(gsample)为样本反射式频谱信号，fft(greference)为参考反射式频谱信号。
5.根据权利要求3所述的基于太赫兹光谱技术的热障涂层微孔隙结构特征表征方法，其特征在于，在所述步骤s24中，所述有效折射率n的计算是并根据太赫兹波信号的反射能量与入射能量比的关系结合菲涅尔方程来进行的，所述有效折射率n为：
其中，n为有效折射率，n取大于1的实根，h1-sample为样本反射式时域信号gsample中的第一个反射波形的第一个峰的强度值，h1-reference为参考反射式时域信号greference中的第一个反射波形的第一个峰的强度值。
6.根据权利要求1所述的基于太赫兹光谱技术的热障涂层微孔隙结构特征表征方法，其特征在于，在所述步骤s3中，通过采用相同热障涂层制备工艺参数的5个热障涂层试样，通过砂纸打磨和抛光所述热障涂层试样，每个热障涂层试样选取10个不同截面，每个截面选取10张彼此不连通的非金属陶瓷层的sem图，之后对该微观结构照片利用imagj图像分析统计软件进行微孔隙结构特征的统计，来对每种具有不同微孔隙结构特征的热障涂层试样分别进行微孔隙结构特征提取。
7.根据权利要求6所述的基于太赫兹光谱技术的热障涂层微孔隙结构特征表征方法，其特征在于，所述imagj图像分析统计软件的处理流程包括：先对所述sem图进行阈值转换得到孔隙微结构示意图，再对孔隙微结构示意图进行图像腐蚀后再膨胀处理，分别提取微孔洞和微裂隙，进而分别统计获取孔隙率、孔洞和裂隙的比例以及孔的尺寸大小并获取其统计平均值，来作为各热障涂层试样的微孔隙结构特征。
8.根据权利要求1所述的基于太赫兹光谱技术的热障涂层微孔隙结构特征表征方法，其特征在于，在所述步骤s4中，在建立支持向量机模型时，所述支持向量机模型的核函数选用径向基函数，所述支持向量机模型的惩罚参数和核函数利用交叉验证的方法进行寻优获取。
9.根据权利要求1所述的基于太赫兹光谱技术的热障涂层微孔隙结构特征表征方法，其特征在于，在所述步骤s4中，在支持向量机模型进行训练时，所述太赫兹特征作为所述支持向量机模型的输入特征，内部微孔隙结构特征作为所述支持向量机模型的输出特征。
10.根据权利要求1所述的基于太赫兹光谱技术的热障涂层微孔隙结构特征表征方法，其特征在于，在所述步骤s4中，由所述太赫兹特征和内部微孔隙结构特征组成样本特征，利用样本特征的总数的80％作为训练集对支持向量机模型进行训练以获取最优参数，利用样本特征的总数的20％作为验证集，以确定支持向量机模型的回归准确率。
技术总结