基于神經(jīng)網(wǎng)絡(luò)的厚壁深裂紋定量檢測方法

姜祿，張東利，王闖龍，佟宇

(1 北方民族大學(xué)電氣信息工程學(xué)院,寧夏 銀川 750021;2 北方民族大學(xué)機電工程學(xué)院,寧夏 銀川 750021)

在航空航天、能源核電等重要領(lǐng)域,為保障設(shè)備正常使用,要求對關(guān)鍵零部件的表面和內(nèi)部深層都進行缺陷檢測。目前,常用的檢測方法有超聲、射線、渦流等,其中,超聲檢測過程中需要用到耦合劑并且檢測過程易受外界因素干擾,無法實現(xiàn)高效的快速檢測[1],射線法由于有一定的輻射,只能在特定場合使用,這使得其在工程實踐中受到很大限制[2]，渦流檢測對環(huán)境要求低且檢測數(shù)據(jù)易于被數(shù)字化處理,使其被廣泛應(yīng)用[3-4]于金屬材料檢測,但在檢測較深裂紋時,裂紋深度越大渦流檢測信號敏感性越低,這使得深裂紋的反演定量較為困難。常用反演定量方法有標(biāo)樣法、優(yōu)化法、神經(jīng)網(wǎng)絡(luò)等,其中,標(biāo)樣法只適用于缺陷形狀已知的定量檢測,對復(fù)雜缺陷的定量較困難;優(yōu)化法在優(yōu)化過程中需要根據(jù)正演問題模型反復(fù)迭代計算,計算量大且對計算環(huán)境要求較高;神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)簡單、包容性強、求解速度快,其被廣泛應(yīng)用于檢測領(lǐng)域[5-7]。彭國平等[8]對自制不銹鋼試件進行渦流檢測,通過對比信號差異的方式檢測出缺陷,從而證實了渦流檢測對非鐵磁性材料表面裂紋檢測的可行性;黃鳳英[9]對鋼軌表面5 mm以內(nèi)裂紋進行渦流檢測,利用擬合的指數(shù)函數(shù)式對缺陷進行評估,結(jié)果表明對2 mm以內(nèi)裂紋定量檢測效果較好,裂紋深度超過2 mm時定量評估誤差會大于10%;梁遠遠[10]利用新型探頭對2 mm以內(nèi)缺陷進行檢測,以BP神經(jīng)網(wǎng)絡(luò)對缺陷進行定量評估,定量效果較好，相對誤差平均值為4%。

綜上所述,目前對5 mm以下淺表裂紋的檢測及定量效果較好且研究較多,而工程實踐中5 mm以上缺陷大量存在,所以對深裂紋進行定量研究具有工程實際意義。本文研究采用神經(jīng)網(wǎng)絡(luò)的方式對5 mm以上深裂紋的渦流檢測信號進行訓(xùn)練,以期提高其定量檢測的精度。先采用有限元軟件ANSYS對深層缺陷進行渦流檢測過程仿真[14-17],獲得不同深度裂紋阻抗信號，再優(yōu)化網(wǎng)絡(luò)輸入層結(jié)構(gòu),采用小波多分辨率分解的方式對阻抗信號進行預(yù)處理,從而降低數(shù)據(jù)冗余性,并通過優(yōu)化神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)降低神經(jīng)網(wǎng)絡(luò)隱含層對識別精度的影響，最后利用實驗測得的深裂紋阻抗信號驗證該方法在深裂紋定量識別上的可行性與準(zhǔn)確性。

1 不同深度裂紋的阻抗信號仿真

在渦流檢測過程中,裂紋對檢測信號的敏感性隨檢測深度的增加而降低。為使檢測深度達到15 mm,依據(jù)標(biāo)準(zhǔn)滲透深度公式,通過計算決定采用頻率為5 kHz的低頻渦流信號對其進行檢測。為了得到深裂紋的仿真檢測數(shù)據(jù),本文利用有限元軟件ANSYS對渦流檢測過程進行仿真,仿真過程中采用自發(fā)自收式圓形線圈對深裂紋進行檢測,使用的線圈參數(shù)見表1。

表1 線圈計算參數(shù)

仿真過程中被檢試件使用材料為304不銹鋼,尺寸大小為40 mm×25 mm×20 mm,其屬性參數(shù)見表2。由于后續(xù)實驗中加工的深裂紋為人工通槽,所以仿真中裂紋的屬性采用表2中空氣的屬性參數(shù),形狀是寬度為0.2 mm的通槽,仿真試件、探頭位置和掃查方向見圖1。

表2 材料屬性

圖1 試件和探頭放置位置

使用上述模型對5.00～15.00 mm(間隔0.01 mm)深度的裂紋進行渦流仿真計算。各深度裂紋分別進行3次仿真取平均值處理,以減少計算誤差,共得到1 000組有效數(shù)據(jù)，其中部分裂紋在仿真下得到的阻抗模值數(shù)據(jù)見圖2。由圖2可以看出:隨著裂紋深度的增加,阻抗數(shù)據(jù)的幅值也增加,說明二者存在一定的映射關(guān)系，同時,隨著裂紋深度增加,阻抗數(shù)據(jù)模值的增量隨之減小,這一點符合檢測靈敏性隨裂紋深度增加而降低的特性。

圖2 部分深度裂紋阻抗仿真計算結(jié)果

2 基于神經(jīng)網(wǎng)絡(luò)的深裂紋定量識別結(jié)果

本文采用單隱含層神經(jīng)網(wǎng)絡(luò)對深裂紋進行反演定量識別,圖3為其結(jié)構(gòu)拓撲圖,其中各層之間為全連接,即在一次前向迭代中計算次數(shù)為各層節(jié)點數(shù)的乘積,其結(jié)構(gòu)復(fù)雜性主要取決于輸入節(jié)點和隱含層節(jié)點數(shù)量的多少。

圖3 神經(jīng)網(wǎng)絡(luò)拓撲圖

由于檢測得到的數(shù)據(jù)很多,若直接以檢測得到的數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)輸入,會導(dǎo)致網(wǎng)絡(luò)產(chǎn)生過擬合的現(xiàn)象，使裂紋反演定量精度變差,所以降低網(wǎng)絡(luò)輸入結(jié)構(gòu)復(fù)雜性和數(shù)據(jù)冗余性非常必要。針對這一問題,本文利用小波多分辨率分解對深裂紋的阻抗信號進行優(yōu)化處理,以處理后的某層信號極值作為輸入,以達到降低輸入數(shù)據(jù)冗余性和簡化神經(jīng)網(wǎng)絡(luò)輸入節(jié)點的目的。

神經(jīng)網(wǎng)絡(luò)隱含層節(jié)點個數(shù)的選擇會影響最終的反演精度，因此，確定最合適的隱含層節(jié)點個數(shù)非常必要。本文首先通過經(jīng)驗公式計算出隱含層取值的范圍,之后再固定輸入層和輸出層的個數(shù),在取值范圍內(nèi)多次取值進行計算,以深裂紋識別值相對誤差最小為依據(jù),最終確定最優(yōu)隱含層節(jié)點數(shù)。

2.1 神經(jīng)網(wǎng)絡(luò)輸入層結(jié)構(gòu)優(yōu)化

過多的數(shù)據(jù)量將產(chǎn)生較大的數(shù)據(jù)冗余性,為降低數(shù)據(jù)冗余性需要簡化神經(jīng)網(wǎng)絡(luò)輸入層節(jié)點結(jié)構(gòu)。本文研究利用小波多分辨率分解對裂紋檢測信號進行提取特征值處理,以8 mm裂紋在渦流檢測仿真下得到數(shù)據(jù)為例,以db5為小波基對仿真得到的阻抗信號進行三層分解,得到4個頻率級，結(jié)果見圖4。

圖4 小波多分辨率分解結(jié)果

其余各組數(shù)據(jù)做相同處理,統(tǒng)計各裂紋分解后結(jié)果得出：原數(shù)據(jù)進行分解后,第1層細節(jié)信號極大值為3個，第2層細節(jié)信號極大值為1或2個，第3層近似信號極大值為1個。為保證神經(jīng)網(wǎng)絡(luò)輸入節(jié)點數(shù)結(jié)構(gòu)具有一致性且具有較高辨識性,選用第1層細節(jié)信號的極大值(表3)作為神經(jīng)網(wǎng)絡(luò)的輸入。

表3 部分深裂紋阻抗經(jīng)小波變換后第1層細節(jié)信號極大值

2.2 神經(jīng)網(wǎng)絡(luò)隱含層結(jié)構(gòu)優(yōu)化和識別結(jié)果

神經(jīng)網(wǎng)絡(luò)隱含層節(jié)點數(shù)由以下3個相互獨立的經(jīng)驗公式確定:

l

(1)

(2)

l=log2n,

(3)

其中,n為輸入層節(jié)點數(shù),l為隱含層節(jié)點數(shù),m為輸出層節(jié)點數(shù),a是1～10之間的常數(shù)。

為得到最優(yōu)網(wǎng)絡(luò)結(jié)構(gòu)獲得最佳裂紋識別準(zhǔn)確率,通過上述3個公式計算得到范圍取并集和隱含層節(jié)點數(shù)l∈[2,12]。

本文以裂紋識別準(zhǔn)確率相對誤差最小為依據(jù),相對誤差=|(真實值-預(yù)測值)|/真實值，用優(yōu)化處理后的隨機950組數(shù)據(jù)作為網(wǎng)絡(luò)訓(xùn)練樣本,其余50組數(shù)據(jù)為測試樣本,在3-l-1網(wǎng)絡(luò)結(jié)構(gòu)下對裂紋深度進行定量識別。識別結(jié)果(表4)表明：3-6-1網(wǎng)絡(luò)結(jié)構(gòu)下裂紋深度識別值的相對誤差平均值最小為0.626 5%,識別準(zhǔn)確率最高。

表4 隱含層取值對裂紋深度定量識別結(jié)果的影響

本文利用ANSYS對深裂紋進行渦流檢測過程仿真,以db5為小波基對得到的檢測數(shù)據(jù)進行三層分解,利用第1層細節(jié)信號的極大值作為神經(jīng)網(wǎng)絡(luò)輸入,以3-6-1網(wǎng)絡(luò)結(jié)構(gòu)對其進行裂紋的定量識別,識別相對誤差為0.626 5%，表明此方法對深度裂紋定量識別有效,識別準(zhǔn)確率較高。

上述結(jié)果為仿真計算所得,為驗證此方法在實際中的有效性,還需進行實驗驗證。

3 深裂紋定量結(jié)果實驗驗證

3.1 實驗驗證

設(shè)計加工(僅部分裂紋)SUS304不銹鋼試件(圖5),其尺寸為1 350 mm×350 mm×20 mm,電導(dǎo)率為σ=1.43×10-6S/m,相對磁導(dǎo)率為ur=1。裂紋為不銹鋼試件上均勻加工的人工通槽,寬度均為0.2 mm,深度分別為5、7、10、13、15 mm。

圖5 部分不銹鋼試件

為了減少實驗操作造成的誤差,將檢測線圈和激勵線圈安裝在三維掃查臺,保持恒定速度在不銹鋼試件上表面進行掃描；使用愛德森渦流檢測儀作為采集系統(tǒng),常規(guī)圓形渦流探頭作為采集端和激勵端(圖6)。

圖6 實驗裝置位置

3.2 實驗結(jié)果與分析

實驗使用的激勵線圈內(nèi)徑為8 mm,外徑為15 mm,激勵頻率f為5 kHz,提離d為0.5 mm,匝數(shù)n為140匝。實驗結(jié)果(圖7)顯示：渦流檢測得到的阻抗數(shù)據(jù)的幅值隨裂紋深度的加深而增加,與仿真中阻抗數(shù)據(jù)幅值與裂紋深度的關(guān)系一致。

圖7 不同裂紋阻抗的實驗結(jié)果

采用仿真過程中的處理方法,以db5為小波基對實驗得到的阻抗數(shù)據(jù)進行三層分解,提取第1層細節(jié)信號極大值作為神經(jīng)網(wǎng)絡(luò)輸入。由于試件有限共得到5組數(shù)據(jù),將其中三組為訓(xùn)練數(shù)據(jù),另二組為檢測數(shù)據(jù),用3-6-1網(wǎng)絡(luò)結(jié)構(gòu)對裂紋深度進行定量識別，識別結(jié)果(表5)表明，識別值的相對誤差較大。對比仿真過程及結(jié)果分析其原因為實驗數(shù)據(jù)較少,網(wǎng)絡(luò)訓(xùn)練不充分,偶然性較大。

表5 裂紋深度定量識別結(jié)果

裂紋深度增加時阻抗幅值也增加,說明二者之間存在一定的映射關(guān)系，因此，對其進行以下增量處理:在圖7數(shù)據(jù)的基礎(chǔ)上,在同一檢測位置以不同裂紋深度值為自變量,其對應(yīng)的裂紋阻抗幅值為因變量，利用三次樣條插值原理對其進行插值增量,增量至1 000組數(shù)據(jù)，用其中950組數(shù)據(jù)為訓(xùn)練樣本,剩余50組為檢測樣本。重復(fù)上述定量過程,識別結(jié)果見圖8,經(jīng)統(tǒng)計表明:深裂紋識別值的相對誤差最大值在5%左右,相對誤差平均值為2%左右。

圖8 不同裂紋深度識別結(jié)果

本文對實驗數(shù)據(jù)與仿真數(shù)據(jù)進行相同處理,都得到較高的裂紋識別準(zhǔn)確率,二者識別精度雖略有不同,但都在誤差允許范圍內(nèi),說明本文提出的基于神經(jīng)網(wǎng)絡(luò)的定量識別方法對深裂紋可以進行有效定量識別,且精度較高。

4 結(jié)論

本文使用有限元軟件ANSYS仿真渦流檢測過程及對深裂紋定量反演的方法可對深裂紋進行有效的定量檢測,定量識別的準(zhǔn)確率約為98%。這種方法可為深裂紋的定量檢測提供參考,為確保機械設(shè)備安全運行提供可靠依據(jù)。