基于神經(jīng)網(wǎng)絡(luò)模式識(shí)別的聲發(fā)射檢測(cè)技術(shù)研究

石兆北

（陸軍航空兵學(xué)院 101123）

摘要：通過聲發(fā)射傳感器和相配套的系統(tǒng)，通過聲發(fā)射信號(hào)的特征來(lái)判斷結(jié)構(gòu)工作狀況。材料的斷裂的每一個(gè)階段都有一定的聲發(fā)射現(xiàn)象，將過程與模式對(duì)應(yīng)起來(lái)，選取神經(jīng)網(wǎng)絡(luò)算法，對(duì)結(jié)構(gòu)破壞階段進(jìn)行模式識(shí)別，對(duì)結(jié)構(gòu)的損傷階段進(jìn)行預(yù)測(cè)。

關(guān)鍵詞：聲發(fā)射，三點(diǎn)彎曲，神經(jīng)網(wǎng)絡(luò)，模式識(shí)別

人工神經(jīng)網(wǎng)絡(luò)聲發(fā)射信號(hào)處理正在逐漸成為國(guó)內(nèi)外聲發(fā)射研究領(lǐng)域的重大方向。人工神經(jīng)網(wǎng)絡(luò)可以實(shí)現(xiàn)自我學(xué)習(xí)，在此基礎(chǔ)上進(jìn)行自我改正，然后再進(jìn)一步的進(jìn)行組織，對(duì)同時(shí)發(fā)生的大量數(shù)據(jù)有著有效的解決方法。從而可以應(yīng)對(duì)噪聲對(duì)聲發(fā)射信號(hào)的干擾現(xiàn)象，能夠比較準(zhǔn)確的進(jìn)行模式的識(shí)別。

本文觀察了材料在三點(diǎn)彎實(shí)驗(yàn)中的聲發(fā)射特征，根據(jù)神經(jīng)網(wǎng)絡(luò)的特點(diǎn)以及采集的聲發(fā)射時(shí)域特征信號(hào)到神經(jīng)網(wǎng)路中各個(gè)模式的對(duì)應(yīng)關(guān)系，有導(dǎo)師的學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)比較適合本文的實(shí)驗(yàn)，同時(shí)本文選用了當(dāng)前神經(jīng)網(wǎng)絡(luò)中成熟而高效的B-P神經(jīng)網(wǎng)絡(luò)。

1.聲發(fā)射原理

材料在受到外力或者內(nèi)力的作用時(shí)會(huì)產(chǎn)生開裂變形，并且以彈性波的形式釋放出能量，這種現(xiàn)象稱為聲發(fā)射。

在各種材料加工處理過程及最終的使用過程之中，材料的缺陷斷裂處會(huì)發(fā)出聲發(fā)射信號(hào)。信號(hào)會(huì)從斷裂處以能量波的形式不斷向外傳播，直到材料的表面。

2.三點(diǎn)彎聲發(fā)射實(shí)驗(yàn)

此次試驗(yàn)中所用的材料是45鋼，實(shí)驗(yàn)所用的加載設(shè)備是UTM5105型號(hào)數(shù)字化電子萬(wàn)能試驗(yàn)機(jī)，萬(wàn)能拉伸試驗(yàn)件的配套監(jiān)測(cè)儀器是NI-PXI電子化聲發(fā)射監(jiān)測(cè)系統(tǒng)。

實(shí)驗(yàn)的方法是三點(diǎn)彎，實(shí)驗(yàn)的實(shí)際過程中并沒有出現(xiàn)真正的斷裂，力時(shí)間曲線后期并沒有出現(xiàn)理想中的下降，材料形核后面的階段區(qū)分度不明顯，模式識(shí)別存在較大誤差，故采取對(duì)前四個(gè)階段進(jìn)行模式的識(shí)別。從時(shí)間上將實(shí)驗(yàn)數(shù)據(jù)分為彈性變形、塑性變形、裂紋形核、裂紋拓展失穩(wěn)四個(gè)模式。

實(shí)驗(yàn)采取了各階段數(shù)據(jù)，提取時(shí)域特征信號(hào)后，隨著力的不斷增加進(jìn)行，可以比較清晰地發(fā)現(xiàn)材料對(duì)應(yīng)于四個(gè)階段的聲發(fā)射特征較明顯，每個(gè)階段都有不同。第一階段材料中釋放的能量較少，各參數(shù)值較??；第二階段材料內(nèi)部有一定的能量釋放，信號(hào)強(qiáng)度相比一階段有了提高；第三階段材料內(nèi)部裂紋開始形核，新的裂紋核不斷形成，能量大量釋放，信號(hào)活躍；第四個(gè)階段，小裂紋匯集為大裂紋，裂紋向前不斷擴(kuò)展，材料抵抗外力能力不斷下降，聲發(fā)射信號(hào)的強(qiáng)度先保持較高的值，之后材料內(nèi)部裂紋的急劇擴(kuò)展，導(dǎo)致材料抵抗外力的能力急劇下降，表現(xiàn)為聲發(fā)射的各個(gè)參數(shù)的數(shù)值急劇下降。

實(shí)驗(yàn)中，采集了含有能量、峰值、有效值電壓、幅值、計(jì)數(shù)五個(gè)參數(shù)的數(shù)據(jù)庫(kù)，總結(jié)數(shù)據(jù)，使四個(gè)階段的特征足夠明顯，取出數(shù)據(jù)庫(kù)中的80組數(shù)據(jù)以便后面的神經(jīng)網(wǎng)絡(luò)編程中取用。

3.神經(jīng)網(wǎng)絡(luò)

（1）構(gòu)建與訓(xùn)練

本文中用到的神經(jīng)網(wǎng)絡(luò)，是B-P神經(jīng)網(wǎng)絡(luò)，這個(gè)網(wǎng)絡(luò)的特點(diǎn)是具有反饋性，應(yīng)用比較廣泛，可信度比較高，編程用的是Matlab里面的強(qiáng)大的庫(kù)函數(shù)，這些函數(shù)大多來(lái)自神經(jīng)網(wǎng)絡(luò)工具箱。

隱含層數(shù)根據(jù)公式定為10，采用tansig為激勵(lì)函數(shù)，使用Levenberg—Marquadt反傳算法trainlm作為訓(xùn)練函數(shù)，可以加快網(wǎng)絡(luò)的收斂，能大量的節(jié)省訓(xùn)練學(xué)習(xí)時(shí)間，采用梯度下降動(dòng)量學(xué)習(xí)算法learnbpm作為本次算法中的學(xué)習(xí)函數(shù)，精度要求為0.01，算法之中的誤差采用一般的均方誤差函數(shù)計(jì)算，學(xué)習(xí)步長(zhǎng)為0.01，其他參數(shù)取默認(rèn)值[1]。

輸入層包括上升時(shí)間、計(jì)數(shù)、能量、幅值、有效電壓5個(gè)維度，隱層采用了10個(gè)節(jié)點(diǎn)，輸出層有四個(gè)模式，包括彈性階段（1000），塑性階段（0100）、裂紋形核階段（0010）和裂紋拓展斷裂階段（0001）四個(gè)部分。

從斷裂開始的四個(gè)模式中選取了80組數(shù)據(jù)，其中的48組用來(lái)進(jìn)行網(wǎng)絡(luò)的訓(xùn)練，剩余的32組進(jìn)行識(shí)別的驗(yàn)證，48組中有每個(gè)模式中對(duì)應(yīng)有12組，32組中每個(gè)模式對(duì)應(yīng)有8組。

（2）模式識(shí)別

從識(shí)別結(jié)果可看出，斜體紅色為識(shí)別失敗的點(diǎn)。其中，前四組數(shù)據(jù)的識(shí)別輸出期望為（1000），第二組誤差較大，識(shí)別失敗，其他識(shí)別成功；中間四組數(shù)據(jù)的識(shí)別輸出期望為（0100），而第四組誤差較大，識(shí)別失敗，其他識(shí)別成功；下面四組的識(shí)別輸出期望為（0010），四組數(shù)據(jù)均在誤差范圍內(nèi)，識(shí)別成功；最后四組的識(shí)別期望輸出為（0001），而第一組識(shí)別失敗，其他成功?？傮w來(lái)說，識(shí)別的正確率達(dá)到了81.25%。

識(shí)別失敗的點(diǎn)主要集中在前兩個(gè)階段，主要是聲發(fā)射的能量比較小，參數(shù)的值比較小，噪聲相對(duì)干擾就對(duì)較大，數(shù)據(jù)存在一定誤差，從而產(chǎn)生了較大的識(shí)別誤差。

3.1 部分識(shí)別結(jié)果

4.工作總結(jié)

本文研究了基于神經(jīng)網(wǎng)絡(luò)模式識(shí)別的聲發(fā)射檢測(cè)技術(shù)。人工神經(jīng)網(wǎng)絡(luò)可解決大量數(shù)據(jù)，由于神經(jīng)網(wǎng)絡(luò)可以自學(xué)習(xí)，自校正，自組織，因而大大提高了聲發(fā)射信號(hào)中存在的噪聲干擾的問題，能夠比較準(zhǔn)確地進(jìn)行模式的識(shí)別及判斷聲發(fā)射源的情況，在聲發(fā)射的模式識(shí)別、損傷探測(cè)上有著較好的應(yīng)用前景，目前已有一定的應(yīng)用，隨著神經(jīng)網(wǎng)絡(luò)的不斷完善，在無(wú)損檢測(cè)上可能應(yīng)用更廣泛。

參考文獻(xiàn)：

[1] 周開利；康耀紅.神經(jīng)網(wǎng)絡(luò)模型及其Matlab仿真程序設(shè)計(jì)[M].北京：清華大學(xué)出版社，2005.