首頁>技術(shù)中心>技術(shù)資訊>人工神經(jīng)網(wǎng)絡(luò)在電磁無損檢測中的應(yīng)用
人工神經(jīng)網(wǎng)絡(luò)在電磁無損檢測中的應(yīng)用
發(fā)布時間：2017-11-22
電磁無損檢測是利用材料在電磁場作用下呈現(xiàn)出的電學(xué)或磁學(xué)性質(zhì)的變化,判斷材料內(nèi)部組織及有關(guān)性能的檢測方法,是無損檢測技術(shù)的一個重要分支。目前一個重要的前沿課題就是使電磁無損檢測由定性檢測走向定量檢測,即不僅要確定缺陷的有無,而且要確定缺陷的大小、形狀、取向和性質(zhì)等。電磁定量檢測的發(fā)展具有重要意義,它與斷裂力學(xué)結(jié)合可以預(yù)測材料壽命。近年來,人工神經(jīng)網(wǎng)絡(luò)技術(shù)在電磁定量無損檢測研究與應(yīng)用中取得了一定的成果[1~11]。
1人工神經(jīng)網(wǎng)絡(luò)
人工神經(jīng)網(wǎng)絡(luò)是由一些簡單的元件及其層次組織的大規(guī)模并行連接構(gòu)造的網(wǎng)絡(luò),它致力于按照生物神經(jīng)系統(tǒng)的方式處理真實世界的客觀事物,本質(zhì)上是一種更接近于人的認知過程的計算模型[12~15]。由于它具有高度的非線性映射、快速并行分布處理、容錯性、自組織和自學(xué)習(xí)等能力,為解決比較困難的認知任務(wù)提供了一種嶄新手段,廣泛應(yīng)用于信號處理、故障診斷、模式識別、機器視覺、復(fù)雜優(yōu)化問題、自動目標(biāo)識別、知識處理和智能控制等領(lǐng)域。
目前人工神經(jīng)網(wǎng)絡(luò)技術(shù)已發(fā)展出多種人工神經(jīng)網(wǎng)絡(luò)模型,如單層感知器、多層感知器、Hopfield網(wǎng)絡(luò)、ART網(wǎng)絡(luò)、RBF網(wǎng)絡(luò)、玻耳茲曼機模型以及雙向記憶網(wǎng)絡(luò)等。其中,多層感知器模型、ART網(wǎng)絡(luò)和RBF網(wǎng)絡(luò)應(yīng)用較廣泛。目前已發(fā)表的電磁無損檢測研究成果多采用多層感知器和RBF網(wǎng)絡(luò)模型
2BP網(wǎng)絡(luò)和模糊BP網(wǎng)絡(luò)
2.1BP網(wǎng)絡(luò)
BP網(wǎng)絡(luò)的結(jié)構(gòu)采用多層感知器[12,13],它是前饋網(wǎng)絡(luò)中最重要的一種,包括一個輸入層、一個或多個隱層以及一個輸出層,每層有若干個神經(jīng)元,其拓撲結(jié)構(gòu)見圖1。網(wǎng)絡(luò)的作用不是尋找一個確定的數(shù)學(xué)表達式,而是把樣本集合中的輸入向量輸入給網(wǎng)絡(luò)后,依據(jù)一定的算法,使網(wǎng)絡(luò)的實際輸出在某種數(shù)學(xué)意義下是理想輸出的最佳逼近。
輸入向量X=(x1,x2,…,xn)和輸出向量Y=(y1,y2,…,ym)之間的關(guān)系可視為一映射關(guān)系,即
I和R的值域空間可相同,亦可不同。Kd-mogorov定理指出,一個三層結(jié)構(gòu)的人工神經(jīng)網(wǎng)絡(luò),輸入層有n個神經(jīng)元,隱層有2n+1個神經(jīng)元,輸出層有m個神經(jīng)元,即可在任意精度下逼近任意的非線性函數(shù),是一種全局逼近器。
BP網(wǎng)絡(luò)的訓(xùn)練常采用誤差反向傳播算法(errorback propagation algorithm,簡稱BP算法),這種學(xué)習(xí)算法通過誤差反向傳播修正隱層權(quán)重,從輸出層確定系統(tǒng)誤差,然后將其傳播到隱層,直到輸入層,在最小均方差意義下最終確定各層間的連接權(quán)重。有關(guān)BP算法的詳細內(nèi)容見文獻[12,13] 。
BP網(wǎng)絡(luò)的致命弱點是容易陷入局部極小,由于BP算法的固有特性,局部極小的問題不可能從根本上避免,且BP網(wǎng)絡(luò)隱層節(jié)點數(shù)目的確定依賴于經(jīng)驗和試湊,很難得到最優(yōu)網(wǎng)絡(luò)。
2.2模糊BP網(wǎng)絡(luò)
模糊神經(jīng)網(wǎng)絡(luò)[7]在本質(zhì)上是將常規(guī)神經(jīng)網(wǎng)絡(luò)(BP和Hopfield神經(jīng)網(wǎng)絡(luò)等)賦予模糊輸入信號或模糊權(quán)值。模糊神經(jīng)網(wǎng)絡(luò)通常有三類,如具有實數(shù)輸入信號,且具有模糊權(quán)值;具有模糊輸入信號,且具有實數(shù)權(quán)值;具有模糊輸入信號,且具有模糊權(quán)值。模糊BP神經(jīng)網(wǎng)絡(luò)拓撲結(jié)構(gòu)見圖2,由輸入層、模糊化層、BP網(wǎng)映射層、反模糊化層及輸出層組成同層節(jié)點中沒有任何耦合。模糊神經(jīng)網(wǎng)絡(luò)亦是全局逼近器,可用來解決缺陷的定量判別問題。
模糊神經(jīng)網(wǎng)絡(luò)在應(yīng)用于模式識別時,不但具有神經(jīng)網(wǎng)絡(luò)的主要優(yōu)勢(如很強的穩(wěn)健性、容錯性和自學(xué)習(xí)性),而且同時具備模糊系統(tǒng)善于處理分類邊界模糊的數(shù)據(jù)以及易于引入啟發(fā)性知識的能力,因此基于模糊神經(jīng)網(wǎng)絡(luò)所建立的檢測信號處理系統(tǒng)能夠快速適應(yīng)變化的環(huán)境,具有其它方法建立的系統(tǒng)所不可比擬的柔性和應(yīng)變能力,易于實現(xiàn)智能決策。
3RBF網(wǎng)絡(luò)
徑向基函數(shù)(radial basis function,簡稱RBF)理論[14,15]為多層前饋網(wǎng)絡(luò)的學(xué)習(xí)提供了一種新穎而有效的手段。RBF網(wǎng)絡(luò)不僅有良好的推廣能力,而且避免了BP算法中繁瑣、冗長的計算,學(xué)習(xí)速度可以比通常的BP算法提高上千倍,其隱層節(jié)點的數(shù)目也在訓(xùn)練過程中確定,因此可以得到最優(yōu)解。
RBF網(wǎng)絡(luò)是一種單隱層前饋網(wǎng)絡(luò),其拓撲結(jié)構(gòu)見圖3。輸入層節(jié)點只是傳遞輸入信號到隱層,隱層節(jié)點(即RBF節(jié)點)由徑向基函數(shù)構(gòu)成,輸出層節(jié)點通常是簡單的線性函數(shù)。隱層的基函數(shù)對輸入激勵產(chǎn)生一個局部化的響應(yīng),即僅當(dāng)輸入落在輸入空間中一個很小的指定區(qū)域時,隱單元才作出有意義的非零響應(yīng),響應(yīng)值為0~1。
在RBF神經(jīng)網(wǎng)絡(luò)中,隱層最常用的激勵函數(shù)是高斯函數(shù)
X―――輸入矢量
cj―――隱層第j個徑向基函數(shù)的中心
E―――單位矢量
σj―――徑向基函數(shù)的寬度,用于控制函數(shù)的局部性程度
RBF網(wǎng)絡(luò)的輸出可表示為
4應(yīng)用實例
漏磁檢測和渦流檢測是兩種主要的電磁無損檢測方法。漏磁檢測以其速度快、穿透力強、不受油水影響,對管道內(nèi)部缺陷具有較高靈敏度,且成本低和操作簡單等特點,被廣泛應(yīng)用于輸油、輸氣和輸水等鐵磁性工業(yè)管道的檢測。在漏磁檢測中,磁力線走向的不定性和很強的空間敏感性,以及檢測過程中測量間隙等波動現(xiàn)象造成檢測信號的重復(fù)性和穩(wěn)定性較差。從磁場分布特征來看,不同幾何形狀的缺陷可能產(chǎn)生相似的磁場分布圖形,因而,從磁場分布圖形反演幾何尺寸時,反演運算并非唯一,存在著不定性。以上這些因素對磁信號的定量解釋造成了極大的障礙,因此漏磁檢測與評價的最終難點是檢測信號的定量解釋。渦流檢測以電磁感應(yīng)理論為基礎(chǔ),當(dāng)導(dǎo)體位于交變磁場中時將感應(yīng)渦流,渦流也會產(chǎn)生一個反磁場來改變原磁場的強弱,進而導(dǎo)致線圈電壓和阻抗的改變,渦流檢測就是通過測量線圈阻抗的變化或擾動磁場(缺陷引起的空間磁場的變化)的分布來判斷缺陷大小的。體中各種性能變化及缺陷尺寸都將影響渦流的分布,使得各種缺陷的信號特征難以識別。人工神經(jīng)網(wǎng)絡(luò)所具有的非線性映射能力,使漏磁和渦流檢測從定性向定量轉(zhuǎn)化成為可能,為設(shè)備的安全運行提供更精確的保證。
筆者曾在輸油管道的漏磁檢測裝置研究中采用模糊BP神經(jīng)網(wǎng)絡(luò)[7]對輸油管道上直徑為??.png){kind=small}
~10mm的十個標(biāo)準(zhǔn)人工鉆孔的漏磁信號進行分類研究,其特征參數(shù)分別為信號的周向綜合峰峰值、周向綜合方差和軸向方差,訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)對學(xué)習(xí)樣本和測試樣本的分類識別率均達到100%。在基于擾動磁場測量的鐵路鋼軌渦流檢測技術(shù)的研究中,采用信號峰峰值、波寬、波形面積和短時能量等特征量作為RBF網(wǎng)絡(luò)的輸入對軌的裂紋和剝落等缺陷進行分類,并對裂紋的長度和深度進行定量評價。仿真研究表明,網(wǎng)絡(luò)對裂紋和剝落的分類識別率為98%,對長度和深度的識別誤差<±5%。
5結(jié)論
將人工神經(jīng)網(wǎng)絡(luò)應(yīng)用于電磁無損檢測,可在一定程度上解決電磁檢測信號定量解釋中遇到的困難,使電磁無損檢測技術(shù)更好地服務(wù)于生產(chǎn)實踐。隨著人工神經(jīng)網(wǎng)絡(luò)的不斷完善和計算機技術(shù)的迅速發(fā)展,人工神經(jīng)網(wǎng)絡(luò)必將在電磁無損檢測中發(fā)揮愈來愈重要的作用。今后可在以下幾個方面作進一步研究,即①進一步優(yōu)化人工神經(jīng)網(wǎng)絡(luò)的模型結(jié)構(gòu)和訓(xùn)練算法,提高其輸出精度和訓(xùn)練速度。②將人工神經(jīng)網(wǎng)絡(luò)與小波理論、模糊集和專家系統(tǒng)等相結(jié)合,開發(fā)出具有較高智能水平的無損檢測應(yīng)用軟件。③開展基于人工神經(jīng)網(wǎng)絡(luò)芯片的硬件系統(tǒng)的研究,使人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)的應(yīng)用產(chǎn)品化。
摘自：中國計量測控網(wǎng)
