基于數(shù)據(jù)融合技術(shù)的超聲和渦流缺陷檢測(cè)

郭北濤 王琪 張賢 張亞芬

摘 要：鋁合金工件的缺陷探測(cè)通常采取單一的無(wú)損檢測(cè)方法，如超聲檢測(cè)或渦流檢測(cè)，但是對(duì)有些缺陷的識(shí)別單一的檢測(cè)方法難以達(dá)到滿意的效果，檢測(cè)的置信度低。為了更準(zhǔn)確識(shí)別工件的缺陷，運(yùn)用數(shù)據(jù)融合技術(shù)，采用BP神經(jīng)網(wǎng)絡(luò)融合算法，提出一種基于數(shù)據(jù)融合的超聲和渦流缺陷檢測(cè)智能識(shí)別方法。實(shí)驗(yàn)表明該方法能夠有效識(shí)別缺陷，提高識(shí)別的準(zhǔn)確度。

關(guān)鍵詞：數(shù)據(jù)融合;超聲檢測(cè);渦流檢測(cè)

DOI：10.16640/j.cnki.37-1222/t.2019.20.041

1 引言

鋁合金因其優(yōu)良的性能被廣泛應(yīng)用在軌道交通行業(yè)、汽車(chē)行業(yè)和航空航天行業(yè)等。在鋁合金零件的生產(chǎn)中常會(huì)出現(xiàn)各種不同的缺陷如裂紋和氣孔等。通常采用超聲檢測(cè)和渦流檢測(cè)等無(wú)損檢測(cè)方法檢測(cè)缺陷，但有些缺陷因?yàn)樵诠ぜ写嬖诘奈恢煤托螤钐厥猓脝我坏臋z測(cè)方法判斷的準(zhǔn)確率較低，因此需要采用超聲和渦流復(fù)合檢測(cè)的方法。針對(duì)超聲渦流重合區(qū)的缺陷診斷問(wèn)題，即該區(qū)域即是超聲探傷盲區(qū)也是渦流探傷盲區(qū)，利用數(shù)據(jù)融合技術(shù)對(duì)超聲渦流信號(hào)在特征層面上融合對(duì)缺陷做出準(zhǔn)確的判定。因具有良好的自學(xué)習(xí)和適應(yīng)性的特點(diǎn)，BP人工神經(jīng)網(wǎng)絡(luò)方法可以用來(lái)對(duì)被測(cè)信號(hào)進(jìn)行多元數(shù)據(jù)融合處理。因此，將神經(jīng)網(wǎng)絡(luò)算法，應(yīng)用于超聲和渦流缺陷檢測(cè)的數(shù)據(jù)融合智能識(shí)別中，該方法可提高缺陷識(shí)別的可靠性和置信度[1]。

2 數(shù)據(jù)融合技術(shù)

因軍事領(lǐng)域的需求人們開(kāi)始研究數(shù)據(jù)融合，隨著現(xiàn)代經(jīng)濟(jì)的快速發(fā)展，在智能控制、模式識(shí)別和故障診斷等諸多民事領(lǐng)域數(shù)據(jù)融合技術(shù)也已被廣泛采用，并進(jìn)一步體現(xiàn)出巨大的研究和應(yīng)用價(jià)值。數(shù)據(jù)融合是通過(guò)利用計(jì)算機(jī)對(duì)不同傳感器測(cè)得的各種信息源進(jìn)行處理，再根據(jù)這些信息源進(jìn)行計(jì)算和決策。

近年來(lái)一個(gè)新興起的研究領(lǐng)域在逐步發(fā)展，即為多傳感器數(shù)據(jù)融合技術(shù)，該項(xiàng)技術(shù)可在一個(gè)系統(tǒng)內(nèi)設(shè)計(jì)和應(yīng)用不同種類(lèi)的多個(gè)傳感器。多傳感器技術(shù)與信號(hào)處理、人工智能、故障診斷、模式識(shí)別和神經(jīng)網(wǎng)絡(luò)等密切相連，它是一門(mén)多學(xué)科交叉的新型技術(shù)。與安放單一類(lèi)型的傳感器系統(tǒng)相比較，運(yùn)用多傳感器的系統(tǒng)，通過(guò)采用數(shù)據(jù)融合技術(shù)在解決檢測(cè)、跟蹤和識(shí)別目標(biāo)等項(xiàng)任務(wù)方面，可使得整個(gè)系統(tǒng)的魯棒性和置信度得以提高，提高可靠性，同時(shí)還可提高系統(tǒng)精度等[2-3]。

將超聲檢測(cè)探頭和渦流檢測(cè)探頭測(cè)得的檢測(cè)數(shù)據(jù)相融合，工件被檢測(cè)缺陷的信息可更全面和準(zhǔn)確地被分析，通過(guò)數(shù)據(jù)融合可提高缺陷信息的識(shí)別率。單一探頭檢測(cè)存在一定的局限性，如：信息獲取受限、測(cè)量范圍受限等，多探頭數(shù)據(jù)融合技術(shù)比單探頭數(shù)據(jù)融合技術(shù)更有利于提高對(duì)特定的缺陷分類(lèi)識(shí)別進(jìn)行研究。

3 BP神經(jīng)網(wǎng)絡(luò)技術(shù)

BP神經(jīng)網(wǎng)絡(luò)可模仿人類(lèi)大腦的思維過(guò)程，不同的外部信息由類(lèi)似人類(lèi)大腦神經(jīng)元的多處理單元進(jìn)行計(jì)算和處理。這些處理單元相互連接排列成稱(chēng)之為層的線性組。由傳感器測(cè)得的輸入量被送入到這些線性層中，同時(shí)相關(guān)聯(lián)的權(quán)重分別對(duì)應(yīng)著相應(yīng)的輸入量。在處理單元中將輸入量加權(quán)求和并通過(guò)相關(guān)的傳遞函數(shù)計(jì)算得到輸出量，同時(shí)該輸出量提供下一層神經(jīng)元所需的信息[4]。

信號(hào)的前向傳播和誤差的反向傳播主要構(gòu)成了BP神經(jīng)網(wǎng)絡(luò)算法。當(dāng)計(jì)算實(shí)際輸出時(shí)，信號(hào)的前向傳播是從輸入到輸出的方向進(jìn)行;誤差的反向傳播則相反，誤差權(quán)值和閾值的修正是從輸出到輸入的方向進(jìn)行的[5]。

3.1 信號(hào)的前向傳播過(guò)程

隱含層第i個(gè)節(jié)點(diǎn)的輸入neti：

隱含層第i個(gè)節(jié)點(diǎn)的輸出yi：

3.2 誤差的反向傳播過(guò)程

反向傳播算法的中心思想是調(diào)整權(quán)值使得網(wǎng)絡(luò)總誤差最小。各輸出層計(jì)算神經(jīng)元的輸出誤差，根據(jù)誤差梯度下降法也稱(chēng)最速誤差下降法計(jì)算各層的權(quán)值和閾值，最后通過(guò)所得的權(quán)值和閾值修正網(wǎng)絡(luò)，并使最終輸出值接近期望值[5]。公式（3）中為樣本P的二次型誤差準(zhǔn)則函數(shù)為Ep：

P個(gè)訓(xùn)練樣本系統(tǒng)總的誤差準(zhǔn)則函數(shù)為：

4 超聲和渦流檢測(cè)數(shù)據(jù)融合

4.1 超聲檢測(cè)

超聲檢測(cè)是無(wú)損檢測(cè)的一種，它是利用超聲波對(duì)金屬工件進(jìn)行內(nèi)部缺陷的檢測(cè)。由發(fā)射探頭發(fā)射的超聲波在工件內(nèi)部進(jìn)行傳播，當(dāng)傳播的超聲波遇到不同的界面時(shí)將有回波反射信號(hào)。比較發(fā)射信號(hào)和反射信號(hào)的時(shí)間差，再根據(jù)超聲聲速傳播的速度，可以獲得工件內(nèi)部的缺陷信息，例如由超聲檢測(cè)儀器屏幕上顯示的回波信號(hào)高度和位置等信息可以判斷缺陷的大小，位置和大致性質(zhì)。超聲檢測(cè)的特點(diǎn)為：直觀性較差，易漏檢，對(duì)近表面缺陷不敏感（稱(chēng)為超聲波的盲區(qū)）。此外，超聲檢測(cè)檢驗(yàn)對(duì)人員的技術(shù)水平和經(jīng)驗(yàn)要求較高[1]。

4.2 渦流檢測(cè)

另一種重要的無(wú)損檢測(cè)方法為渦流檢測(cè)，是以電磁感應(yīng)原理為基礎(chǔ)，通過(guò)測(cè)量被檢工件內(nèi)電磁性能的變化，對(duì)工件實(shí)施內(nèi)部缺陷檢測(cè)。渦流檢測(cè)的不足之處為：由于渦流滲透效應(yīng)的影響，渦流檢測(cè)只適用于金屬表面及近表面缺陷的檢查，而工件深層的內(nèi)部缺陷不能被檢查到[6]。

4.3 超聲和渦流數(shù)據(jù)融合

超聲和渦流檢測(cè)實(shí)驗(yàn)是通過(guò)裝桁架機(jī)器手端部的超聲和渦流探頭夾持器，分別完成對(duì)工件的超聲檢測(cè)和渦流檢測(cè)。對(duì)采集到的缺陷信息中的缺陷特征進(jìn)行了特征提取與優(yōu)化，采用神經(jīng)網(wǎng)絡(luò)進(jìn)行了研究。通過(guò)對(duì)一定數(shù)量的樣本特征進(jìn)行神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)和訓(xùn)練，最后將超聲和渦流檢測(cè)的缺陷特征參數(shù)進(jìn)行數(shù)據(jù)融合的判別。實(shí)驗(yàn)表明采用數(shù)據(jù)融合技術(shù)可實(shí)現(xiàn)超聲與渦流探傷重合區(qū)的分析和診斷，可對(duì)工件缺陷進(jìn)行全方位的智能識(shí)別[1]。

5 結(jié)論

針對(duì)超聲渦流重合區(qū)的缺陷診斷問(wèn)題，利用數(shù)據(jù)融合技術(shù)對(duì)超聲信號(hào)特征和渦流信號(hào)特征在特征層面上對(duì)缺陷做出準(zhǔn)確的識(shí)別研究，研究表明采用數(shù)據(jù)融合技術(shù)能夠完成缺陷的智能識(shí)別，為無(wú)損檢測(cè)的研究提供了一種新的解決方案。

參考文獻(xiàn)：

[1]胡文剛.基于多值域特征及數(shù)據(jù)融合的焊縫缺陷超聲檢測(cè)與識(shí)別[D]. 哈爾濱：哈爾濱工業(yè)大學(xué)，2012.

[2]姜偉.基于參數(shù)融合的座椅舒適度客觀評(píng)價(jià)方法研究[D].哈爾濱：哈爾濱理工大學(xué)，2014.

[3]徐振.基于RFID的汽車(chē)預(yù)維修故障診斷系統(tǒng)的研發(fā)[D].南京：南京林業(yè)大學(xué)，2012.

[4]神經(jīng)網(wǎng)絡(luò)[DB/OL].http：//wenku.bidu.com.2017.

[5]BP神經(jīng)網(wǎng)絡(luò)原理[DB/OL].http：//m.book118.com.2016.

[6]周靜.粉末合金盤(pán)類(lèi)零件缺陷無(wú)損檢測(cè)方法應(yīng)用研究[D].大連：大連理工大學(xué)，2016.