基于聲發(fā)射和神經(jīng)網(wǎng)絡(luò)的木材受力損傷過程檢測

謝銀環(huán)

【摘 要】在目前的林業(yè)生產(chǎn)技術(shù)檢測工作中，基于聲發(fā)射和神經(jīng)網(wǎng)絡(luò)技術(shù)為主的木材檢驗方法采用越來越廣泛，已成為各種木材檢驗工作中最為常見的一種，尤其是在木材受力損傷檢測工作中，應(yīng)用更為普遍。本文主要針對受理木材的聲發(fā)射信號進行檢測和研究，實現(xiàn)了木材損傷過程的全面、深入檢測。在研究的過程中所采用的序列號是一種以神經(jīng)網(wǎng)絡(luò)模型作為主要基礎(chǔ)，對聲發(fā)射信號的積累以及時間序列號的累積進行仿真檢測的。截至目前，就眾多的檢測結(jié)果表明：利用聲發(fā)射和神經(jīng)網(wǎng)絡(luò)技術(shù)為主的木材檢驗誤差率僅為5.6%，而采用誤差較大的樣本進行檢測的時候，其局部誤差極大的提升，甚至高達(dá)10%，因此就需要在工作中對局部檢測技術(shù)進行合理分析和歸納，從而實現(xiàn)綜合、系統(tǒng)的檢測標(biāo)準(zhǔn)。

【關(guān)鍵詞】木材檢驗；聲發(fā)射；受力損傷；神經(jīng)網(wǎng)絡(luò)

自上個世紀(jì)中期以來，德國人首先在林業(yè)檢測中開始利用聲發(fā)射和神經(jīng)網(wǎng)絡(luò)技術(shù)進行材料性能的研究和檢測，由于在工作中聲發(fā)射現(xiàn)象和神經(jīng)網(wǎng)絡(luò)技術(shù)對于各種木材缺陷的形成有著極強的敏感性，因此其具備著極高的動態(tài)檢測優(yōu)勢和評估材料使用性能的作用。在社會發(fā)展中，國內(nèi)外學(xué)者對于木材檢測工作的研究越來越深入，也逐步形成了一套綜合、系統(tǒng)、深入的研究流程，這也是目前林業(yè)生產(chǎn)工作中，業(yè)內(nèi)工作人員研究的核心話題。

1.聲發(fā)射和神經(jīng)網(wǎng)絡(luò)技術(shù)分析

在目前的木材檢驗工作中，利用神經(jīng)網(wǎng)絡(luò)建模方式對聲發(fā)射累積下的各種能量參數(shù)以及所能夠承受的時間序列進行了合理的預(yù)測，研究了其中木材檢驗工作在受力狀態(tài)下所發(fā)生的種種情況，然后利用人工神經(jīng)網(wǎng)絡(luò)對聲發(fā)射信號、時間序列參數(shù)進行深入的總結(jié)和歸納，從而針對材料內(nèi)部的狀態(tài)進行了實時檢測，使得木材受力破壞現(xiàn)象能夠提前得到遏制。

1.1聲發(fā)射分析

所謂的聲發(fā)射可以定義為物體或者材料在發(fā)生變化的時候，內(nèi)部迅速釋放能量而產(chǎn)生的瞬態(tài)彈性波動，這種彈性波動的存在是一種極為突出的物理現(xiàn)象，而聲發(fā)射信號則表示是一個或者多個聲發(fā)射模式，并且進過傳感器驗收并接受神經(jīng)系統(tǒng)處理而形成的某種特定的形式以及電信號。一般來說，材料在受力作用下極容易產(chǎn)生破壞，而在這個時候所產(chǎn)生的聲發(fā)射現(xiàn)象也極為突出，有著頻率范圍廣、從次聲頻、聲頻乃至超聲頻都能夠出現(xiàn)。通常，我們在工作中所常說的聲發(fā)射信號主要是集中在材料內(nèi)部所產(chǎn)生的種種問題和現(xiàn)象，這些現(xiàn)象的存在一方面會隨著時間的推移和變化而不斷的變動，另外也會受到外界因素的干擾而發(fā)生一定的變動，如內(nèi)部裂縫的出現(xiàn)時間、位置、變化趨勢等嚴(yán)重擾動會引起聲頻發(fā)生錯誤的評估問題，進而造成評估損壞的影響。

1.2神經(jīng)網(wǎng)絡(luò)

神經(jīng)網(wǎng)絡(luò)技術(shù)也被普遍的稱之為人工圣經(jīng)網(wǎng)絡(luò)，是一種模仿動物的神經(jīng)網(wǎng)絡(luò)系統(tǒng)為主的一種檢測手段和數(shù)學(xué)模型方法。這種網(wǎng)絡(luò)系統(tǒng)和技術(shù)的生產(chǎn)與應(yīng)用都是以算法數(shù)學(xué)為主，以計算機、信息技術(shù)為平臺進行內(nèi)部節(jié)點之間聯(lián)系互換，從而達(dá)到各種信息的處理要求。一般來說，神經(jīng)網(wǎng)絡(luò)系統(tǒng)的應(yīng)用主要是采用邏輯推理為主要的手段，利用各種技術(shù)手段將所收集到的參數(shù)轉(zhuǎn)變成為信息化符號，并針對這些符號存在的機理來進行邏輯推算，最終形成一串可以編寫的指令。

2.聲發(fā)射和神經(jīng)網(wǎng)絡(luò)技術(shù)在木材受力損傷檢測中的應(yīng)用

時至今日，在社會發(fā)展中人們對于聲發(fā)射和神經(jīng)網(wǎng)絡(luò)技術(shù)的研究越來越深入，各種新技術(shù)、新方法也不斷的涌現(xiàn)了出來。在聲發(fā)射和神經(jīng)網(wǎng)絡(luò)技術(shù)的應(yīng)用中，主要的環(huán)節(jié)有以下幾個方面：

2.1發(fā)射信號的采集

AE又稱應(yīng)力波發(fā)射，是材料內(nèi)部局部區(qū)域在外部因素（如受力、溫度等）改變時，產(chǎn)生變形、斷裂時內(nèi)部應(yīng)力超過屈服極限而進入不可逆的塑性變形，以瞬態(tài)彈性波形式釋放應(yīng)變能的現(xiàn)象。AE信號的強度一般都比較弱。頻率范圍也是遠(yuǎn)大于聲波的超聲波，人耳不能直接聽見，需要借助于包括靈敏的傳感器在內(nèi)的聲發(fā)射檢測系統(tǒng)才能檢測出來。聲發(fā)射檢測系統(tǒng)主要由接受AE信號的傳感器、前置放大器、數(shù)據(jù)采集卡和工程計算機等組成。

2.2經(jīng)網(wǎng)絡(luò)模型模擬仿真時間序列

人工神經(jīng)網(wǎng)絡(luò)是一個具有高度非線性時間動力系統(tǒng)，較其他預(yù)測方法而言，神經(jīng)網(wǎng)絡(luò)能從數(shù)據(jù)樣本中自動地學(xué)習(xí)以前的經(jīng)驗而無需繁復(fù)的查詢和表述過程，并自動地逼近那些最佳刻畫了樣本數(shù)據(jù)規(guī)律的函數(shù)，而不論這些函數(shù)具有怎樣的形式，且所考慮的系統(tǒng)表現(xiàn)的函數(shù)形式越復(fù)雜，非線性程度越高.神經(jīng)網(wǎng)絡(luò)這種特性的作用就越明顯。

2.2.1針對聲發(fā)射信號累積能最隨時間變化的序列進行神

經(jīng)網(wǎng)絡(luò)模型仿真預(yù)測，構(gòu)建輸入層節(jié)點為5，輸出層節(jié)點為l，隱含層節(jié)點為5的神經(jīng)網(wǎng)絡(luò)，利用累積能茸時間序列的前5個值，預(yù)測下一個累積能量值，實現(xiàn)神經(jīng)網(wǎng)絡(luò)的1步預(yù)測。設(shè)置日標(biāo)誤差為0.1，利用200個樣本對構(gòu)建的神經(jīng)網(wǎng)絡(luò)進行學(xué)習(xí)訓(xùn)練，網(wǎng)絡(luò)的實際輸出與理想的目標(biāo)輸出仿真回歸的相關(guān)系數(shù)R為0.994。利用44個驗證樣本對訓(xùn)練好的網(wǎng)絡(luò)模型的推廣性能驗證，發(fā)現(xiàn)模型對44個樣本預(yù)測準(zhǔn)確性很高。

2.2.2載荷序列仿真分析

針對聲發(fā)射信號載荷隨時間變化的序列進行神經(jīng)網(wǎng)絡(luò)預(yù)測，構(gòu)建輸入層節(jié)點為6，輸出層節(jié)點為l，隱含層節(jié)點為5的神經(jīng)網(wǎng)絡(luò)，利用載荷時間序列的前6個值，預(yù)測下一個載荷值，實現(xiàn)神經(jīng)網(wǎng)絡(luò)的1步預(yù)測。設(shè)置目標(biāo)誤差為0.1，利用1000個樣本對構(gòu)建的神經(jīng)網(wǎng)絡(luò)進行學(xué)習(xí)訓(xùn)練，網(wǎng)絡(luò)的實際輸出與理想的目標(biāo)輸出仿真回歸的相關(guān)系數(shù)R為0.98。53個沒有經(jīng)過訓(xùn)練的樣本對訓(xùn)練網(wǎng)絡(luò)的推廣性能驗證情況如圖所示。從圖中可以發(fā)現(xiàn)，訓(xùn)練好的網(wǎng)絡(luò)模型的推廣性能很好，對53個驗證樣本的仿真預(yù)測中，模型的實際輸出和目標(biāo)輸出值之間的誤差較小，能很好地吻合。

2.2.3為了驗證

模型的正確性，采集紅松試件加載三點彎曲過程的聲發(fā)射信號，分別利用聲發(fā)射累積能量和載荷對結(jié)構(gòu)為5×5×l的網(wǎng)絡(luò)和6×5×l的網(wǎng)絡(luò)模型進行訓(xùn)練，然后驗證模型預(yù)測的正確性。累積能量預(yù)測模型實際輸出和目標(biāo)輸誤差；從圖中可以看出，模型仿真預(yù)測的最大誤差不超過0.1%，最大為0.056%。載荷預(yù)測模型實際輸出和目標(biāo)輸出誤差如圖所示；從圖中可以看出，利用97個樣本驗證網(wǎng)絡(luò)模型.載荷模型仿真預(yù)測的最大誤差不超過4%，模型對其中4個樣本的預(yù)測誤差較大分別為3.7l%、3.73%、3.22%和1.86%。

3.結(jié)束語

總之，利用神經(jīng)網(wǎng)絡(luò)建模對材料載倚時間序列進行分析，所構(gòu)建的神經(jīng)網(wǎng)絡(luò)對驗證樣的預(yù)測可知.網(wǎng)絡(luò)輸出與目標(biāo)輸出的誤差很小，最大誤差不到0.1%。所構(gòu)建的網(wǎng)絡(luò)模型能根據(jù)載荷序列前面的數(shù)值準(zhǔn)確的預(yù)測木材承受的載荷。

【參考文獻】

[1]錢華明，王雯升.遺傳小波神經(jīng)網(wǎng)絡(luò)及在電機故障診斷中的應(yīng)用[J].電子測量與儀器學(xué)報，2009，23（3）：81-86.

[2]殷冬萌.木塑復(fù)合材料缺陷及損傷的聲發(fā)射信號特征分析及神經(jīng)網(wǎng)絡(luò)模式識別[D].南京：南京林業(yè)大學(xué)，2007.

[3]邵卓平，陳品，查朝生，等.木材損傷斷裂過程的聲發(fā)射特性與Felicity效應(yīng)[J].林業(yè)科學(xué)，2009，45（2）：86-91.

[4]趙東，朱紅娟.木材缺陷聲發(fā)射信號的小波包分析處理[J].計算機工程與應(yīng)用，2010（11）.