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(jī)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(duì)關(guān)鍵零部件的表面和內(nèi)部深層都進(jìn)行缺陷檢測(cè)。目前,常用的檢測(cè)方法有超聲、射線、渦流等,其中,超聲檢測(cè)過程中需要用到耦合劑并且檢測(cè)過程易受外界因素干擾,無法實(shí)現(xiàn)高效的快速檢測(cè)[1],射線法由于有一定的輻射,只能在特定場(chǎng)合使用,這使得其在工程實(shí)踐中受到很大限制[2]，渦流檢測(cè)對(duì)環(huán)境要求低且檢測(cè)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(cè),但在檢測(cè)較深裂紋時(shí),裂紋深度越大渦流檢測(cè)信號(hào)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(cè),對(duì)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(jì)算,計(jì)算量大且對(duì)計(jì)算環(huán)境要求較高;神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)簡(jiǎn)單、包容性強(qiáng)、求解速度快,其被廣泛應(yīng)用于檢測(cè)領(lǐng)域[5-7]。彭國(guó)平等[8]對(duì)自制不銹鋼試件進(jìn)行渦流檢測(cè),通過對(duì)比信號(hào)差異的方式檢測(cè)出缺陷,從而證實(shí)了渦流檢測(cè)對(duì)非鐵磁性材料表面裂紋檢測(cè)的可行性;黃鳳英[9]對(duì)鋼軌表面5 mm以內(nèi)裂紋進(jìn)行渦流檢測(cè),利用擬合的指數(shù)函數(shù)式對(duì)缺陷進(jìn)行評(píng)估,結(jié)果表明對(duì)2 mm以內(nèi)裂紋定量檢測(cè)效果較好,裂紋深度超過2 mm時(shí)定量評(píng)估誤差會(huì)大于10%;梁遠(yuǎn)遠(yuǎn)[10]利用新型探頭對(duì)2 mm以內(nèi)缺陷進(jìn)行檢測(cè),以BP神經(jīng)網(wǎng)絡(luò)對(duì)缺陷進(jìn)行定量評(píng)估,定量效果較好，相對(duì)誤差平均值為4%。

綜上所述,目前對(duì)5 mm以下淺表裂紋的檢測(cè)及定量效果較好且研究較多,而工程實(shí)踐中5 mm以上缺陷大量存在,所以對(duì)深裂紋進(jìn)行定量研究具有工程實(shí)際意義。本文研究采用神經(jīng)網(wǎng)絡(luò)的方式對(duì)5 mm以上深裂紋的渦流檢測(cè)信號(hào)進(jìn)行訓(xùn)練,以期提高其定量檢測(cè)的精度。先采用有限元軟件ANSYS對(duì)深層缺陷進(jìn)行渦流檢測(cè)過程仿真[14-17],獲得不同深度裂紋阻抗信號(hào)，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(duì)阻抗信號(hào)進(jìn)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(duì)識(shí)別精度的影響，最后利用實(shí)驗(yàn)測(cè)得的深裂紋阻抗信號(hào)驗(yàn)證該方法在深裂紋定量識(shí)別上的可行性與準(zhǔn)確性。

1 不同深度裂紋的阻抗信號(hào)仿真

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

表1 線圈計(jì)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(shí)驗(yàn)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(duì)5.00～15.00 mm(間隔0.01 mm)深度的裂紋進(jìn)行渦流仿真計(jì)算。各深度裂紋分別進(jìn)行3次仿真取平均值處理,以減少計(jì)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(shí),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(diǎn)符合檢測(cè)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(jì)算結(jié)果

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

本文采用單隱含層神經(jīng)網(wǎng)絡(luò)對(duì)深裂紋進(jìn)行反演定量識(shí)別,圖3為其結(jié)構(gòu)拓?fù)鋱D,其中各層之間為全連接,即在一次前向迭代中計(jì)算次數(shù)為各層節(jié)點(diǎn)數(shù)的乘積,其結(jié)構(gòu)復(fù)雜性主要取決于輸入節(jié)點(diǎn)和隱含層節(jié)點(diǎn)數(shù)量的多少。

圖3 神經(jīng)網(wǎng)絡(luò)拓?fù)鋱D

由于檢測(cè)得到的數(shù)據(jù)很多,若直接以檢測(cè)得到的數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)輸入,會(huì)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(duì)這一問題,本文利用小波多分辨率分解對(duì)深裂紋的阻抗信號(hào)進(jìn)行優(yōu)化處理,以處理后的某層信號(hào)極值作為輸入,以達(dá)到降低輸入數(shù)據(jù)冗余性和簡(jiǎn)化神經(jīng)網(wǎng)絡(luò)輸入節(jié)點(diǎn)的目的。

神經(jīng)網(wǎng)絡(luò)隱含層節(jié)點(diǎn)個(gè)數(shù)的選擇會(huì)影響最終的反演精度，因此，確定最合適的隱含層節(jié)點(diǎn)個(gè)數(shù)非常必要。本文首先通過經(jīng)驗(yàn)公式計(jì)算出隱含層取值的范圍,之后再固定輸入層和輸出層的個(gè)數(shù),在取值范圍內(nèi)多次取值進(jìn)行計(jì)算,以深裂紋識(shí)別值相對(duì)誤差最小為依據(jù),最終確定最優(yōu)隱含層節(jié)點(diǎn)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(jiǎn)化神經(jīng)網(wǎng)絡(luò)輸入層節(jié)點(diǎn)結(jié)構(gòu)。本文研究利用小波多分辨率分解對(duì)裂紋檢測(cè)信號(hào)進(jìn)行提取特征值處理,以8 mm裂紋在渦流檢測(cè)仿真下得到數(shù)據(jù)為例,以db5為小波基對(duì)仿真得到的阻抗信號(hào)進(jìn)行三層分解,得到4個(gè)頻率級(jí)，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(jì)各裂紋分解后結(jié)果得出：原數(shù)據(jù)進(jìn)行分解后,第1層細(xì)節(jié)信號(hào)極大值為3個(gè)，第2層細(xì)節(jié)信號(hào)極大值為1或2個(gè)，第3層近似信號(hào)極大值為1個(gè)。為保證神經(jīng)網(wǎng)絡(luò)輸入節(jié)點(diǎn)數(shù)結(jié)構(gòu)具有一致性且具有較高辨識(shí)性,選用第1層細(xì)節(jié)信號(hào)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(xì)節(jié)信號(hào)極大值

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

神經(jīng)網(wǎng)絡(luò)隱含層節(jié)點(diǎn)數(shù)由以下3個(gè)相互獨(dú)立的經(jīng)驗(yàn)公式確定:

l

(1)

(2)

l=log2n,

(3)

其中,n為輸入層節(jié)點(diǎn)數(shù),l為隱含層節(jié)點(diǎn)數(shù),m為輸出層節(jié)點(diǎn)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(shí)別準(zhǔn)確率,通過上述3個(gè)公式計(jì)算得到范圍取并集和隱含層節(jié)點(diǎn)數(shù)l∈[2,12]。

本文以裂紋識(shí)別準(zhǔn)確率相對(duì)誤差最小為依據(jù),相對(duì)誤差=|(真實(shí)值-預(yù)測(cè)值)|/真實(shí)值，用優(yōu)化處理后的隨機(jī)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(cè)試樣本,在3-l-1網(wǎng)絡(luò)結(jié)構(gòu)下對(duì)裂紋深度進(jìn)行定量識(shí)別。識(shí)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(shí)別值的相對(duì)誤差平均值最小為0.626 5%,識(shí)別準(zhǔn)確率最高。

表4 隱含層取值對(duì)裂紋深度定量識(shí)別結(jié)果的影響

本文利用ANSYS對(duì)深裂紋進(jìn)行渦流檢測(cè)過程仿真,以db5為小波基對(duì)得到的檢測(cè)數(shù)據(jù)進(jìn)行三層分解,利用第1層細(xì)節(jié)信號(hào)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(duì)其進(jìn)行裂紋的定量識(shí)別,識(shí)別相對(duì)誤差為0.626 5%，表明此方法對(duì)深度裂紋定量識(shí)別有效,識(shí)別準(zhǔn)確率較高。

上述結(jié)果為仿真計(jì)算所得,為驗(yàn)證此方法在實(shí)際中的有效性,還需進(jìn)行實(shí)驗(yàn)驗(yàn)證。

3 深裂紋定量結(jié)果實(shí)驗(yàn)驗(yàn)證

3.1 實(shí)驗(yàn)驗(yàn)證

設(shè)計(jì)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(duì)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(shí)驗(yàn)操作造成的誤差,將檢測(cè)線圈和激勵(lì)線圈安裝在三維掃查臺(tái),保持恒定速度在不銹鋼試件上表面進(jìn)行掃描；使用愛德森渦流檢測(cè)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(lì)端(圖6)。

圖6 實(shí)驗(yàn)裝置位置

3.2 實(shí)驗(yàn)結(jié)果與分析

實(shí)驗(yàn)使用的激勵(lì)線圈內(nèi)徑為8 mm,外徑為15 mm,激勵(lì)頻率f為5 kHz,提離d為0.5 mm,匝數(shù)n為140匝。實(shí)驗(yàn)結(jié)果(圖7)顯示：渦流檢測(cè)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(shí)驗(yàn)結(jié)果

采用仿真過程中的處理方法,以db5為小波基對(duì)實(shí)驗(yàn)得到的阻抗數(shù)據(jù)進(jìn)行三層分解,提取第1層細(xì)節(jié)信號(hào)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(cè)數(shù)據(jù),用3-6-1網(wǎng)絡(luò)結(jié)構(gòu)對(duì)裂紋深度進(jìn)行定量識(shí)別，識(shí)別結(jié)果(表5)表明，識(shí)別值的相對(duì)誤差較大。對(duì)比仿真過程及結(jié)果分析其原因?yàn)閷?shí)驗(yàn)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(shí)別結(jié)果

裂紋深度增加時(shí)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(duì)其進(jìn)行以下增量處理:在圖7數(shù)據(jù)的基礎(chǔ)上,在同一檢測(cè)位置以不同裂紋深度值為自變量,其對(duì)應(yīng)的裂紋阻抗幅值為因變量，利用三次樣條插值原理對(duì)其進(jìn)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(cè)樣本。重復(fù)上述定量過程,識(shí)別結(jié)果見圖8,經(jīng)統(tǒng)計(jì)表明:深裂紋識(shí)別值的相對(duì)誤差最大值在5%左右,相對(duì)誤差平均值為2%左右。

圖8 不同裂紋深度識(shí)別結(jié)果

本文對(duì)實(shí)驗(yàn)數(shù)據(jù)與仿真數(shù)據(jù)進(jìn)行相同處理,都得到較高的裂紋識(shí)別準(zhǔn)確率,二者識(shí)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(shí)別方法對(duì)深裂紋可以進(jìn)行有效定量識(shí)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(cè)過程及對(duì)深裂紋定量反演的方法可對(duì)深裂紋進(jìn)行有效的定量檢測(cè),定量識(shí)別的準(zhǔn)確率約為98%。這種方法可為深裂紋的定量檢測(cè)提供參考,為確保機(jī)械設(shè)備安全運(yùn)行提供可靠依據(jù)。