基于超聲波檢測(cè)的BP神經(jīng)網(wǎng)絡(luò)缺陷識(shí)別方法設(shè)計(jì)

(中國(guó)石油大學(xué)(北京)，北京 102200)

0 引言

隨著經(jīng)濟(jì)的發(fā)展，大型常壓儲(chǔ)罐數(shù)量劇增，其安全性成為一個(gè)十分迫切需要解決的問題。部分石油儲(chǔ)罐和管道已達(dá)服役期限，出現(xiàn)了很多由于儲(chǔ)罐損傷而導(dǎo)致的介質(zhì)泄漏問題，不僅僅會(huì)對(duì)環(huán)境造成污染，甚至?xí)o人們的生命財(cái)產(chǎn)安全帶來巨大威脅[1-2]。由于石油儲(chǔ)罐的罐底是儲(chǔ)罐最易受到侵害的部位，因此，對(duì)罐底的損傷檢測(cè)是儲(chǔ)罐安全保障的基礎(chǔ)[3-6]。

超聲波檢測(cè)是在不損壞檢測(cè)對(duì)象的前提下，利用檢測(cè)件與缺陷的聲學(xué)性能差異，根據(jù)傳播過程中的反射情況和傳播時(shí)間與能量變化，對(duì)檢測(cè)對(duì)象內(nèi)部及表面結(jié)構(gòu)、性質(zhì)或狀態(tài)進(jìn)行檢查和測(cè)試，并對(duì)結(jié)果進(jìn)行分析和評(píng)價(jià)的一種無(wú)損檢測(cè)方法[7-9]。該方法具有方向性好、能力高、穿透力強(qiáng)等特點(diǎn)，由于其檢測(cè)精度能夠滿足工業(yè)要求，并且不會(huì)對(duì)身體和周圍環(huán)境造成影響，非常適合于石油儲(chǔ)罐底板的損傷檢測(cè)[10]。

人工神經(jīng)網(wǎng)絡(luò)是一種仿生模型。人們希望通過這一數(shù)學(xué)模型，可以讓程序網(wǎng)絡(luò)像人的大腦一樣進(jìn)行思考和處理解決問題。它由很多具有非線性映射能力的神經(jīng)元組成，屬于大型的非線性復(fù)雜系統(tǒng)[11]。BP神經(jīng)網(wǎng)絡(luò)的本質(zhì)是一種多層前饋網(wǎng)絡(luò)，也叫做拓?fù)渖窠?jīng)網(wǎng)絡(luò)，是由國(guó)外學(xué)者M(jìn)cclelland等[12-17]在1986年提出的。BP神經(jīng)網(wǎng)絡(luò)的基本思想是利用網(wǎng)絡(luò)輸出層的誤差來逐層估計(jì)上一層的誤差，并根據(jù)用戶需要來修正神經(jīng)元之間的聯(lián)接權(quán)值。本文針對(duì)石油儲(chǔ)罐底板的缺陷損傷研究，應(yīng)用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行超聲波缺陷識(shí)別方法的設(shè)計(jì)。

1 超聲波缺陷識(shí)別的有限元仿真

1.1 缺陷定位原理

缺陷定位采用橢圓定位技術(shù)[18-20]，如圖1所示，在結(jié)構(gòu)表面S0處放置超聲波激勵(lì)裝置，即在S0處產(chǎn)生超聲波；在結(jié)構(gòu)Si和Sj處放置超聲波接收裝置，即接收攜帶缺陷信號(hào)的回波信號(hào)。

圖1 橢圓定位原理圖

在沒有缺陷的情況下，回波信號(hào)到達(dá)Si處的時(shí)間為ta；在缺陷存在的情況下，回波信號(hào)到達(dá)Si處的時(shí)間為tb。兩者的時(shí)間差Δt=tb-ta。設(shè)聲波在板中的速度為c，則可以得到如下方程式：

∣S0F∣+∣SiF∣=Δtc

(1)

速度c的大小只與結(jié)構(gòu)的物理特性和超聲波的激發(fā)頻率有關(guān)。因此，式中，∣S0F∣+∣SiF∣的值為一個(gè)定值。缺陷點(diǎn)F在以S0和Si為焦點(diǎn)的橢圓軌跡上；同理，可以得到，缺陷點(diǎn)F在以S0和Sj為焦點(diǎn)的橢圓軌跡上，因此，缺陷點(diǎn)F的位置便可以唯一確定了。

1.2 有限元建模計(jì)算與分析

應(yīng)用有限元仿真軟件ABAQUS進(jìn)行超聲波A掃法的缺陷定位研究，仿真步驟如圖2所示，仿真檢測(cè)模型如圖3所示。

圖2 ABAQUS仿真流程

圖3 三角形缺陷模型示意

傳感器的固定形式如圖4所示，分別在1，2，3，4號(hào)位置加載超聲波激勵(lì)信號(hào)。圖5～8為在1號(hào)位置加載超聲波激勵(lì)，其他3個(gè)位置接收回波信號(hào)。

圖4 傳感器位置布置

圖5 1號(hào)傳感器激勵(lì)信號(hào)圖

圖6 2號(hào)傳感器接收信號(hào)圖

圖7 3號(hào)傳感器接收信號(hào)圖

圖8 4號(hào)傳感器接收信號(hào)圖

根據(jù)圖5～8中的回波信息，與無(wú)缺陷時(shí)的接收數(shù)據(jù)進(jìn)行對(duì)比，可以確定出1號(hào)位置作為發(fā)射位置時(shí)的3組時(shí)間差值。同理，用上述方法進(jìn)行2，3，4號(hào)位置分別為發(fā)射位置時(shí)的模擬仿真，求出時(shí)間差值，得到了如表1所示的12組仿真數(shù)據(jù)。

表1 超聲回波的延遲時(shí)間 s

再根據(jù)橢圓定位原理，利用MATLAB軟件得到圖形的交點(diǎn)，繪制出結(jié)構(gòu)缺陷的位置圖，如圖9所示。

圖9 缺陷區(qū)域示意

從圖9可以看出，當(dāng)缺陷為三角形缺陷時(shí)，利用數(shù)值計(jì)算出來的缺陷也近似為一個(gè)三角形，識(shí)別率較好。選取多組三角形缺陷、矩形缺陷、凸起缺陷等缺陷，利用同種方法采集以上幾種缺陷回波數(shù)據(jù)形成訓(xùn)練集，應(yīng)用于以下BP神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)。

2 BP神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)

為了對(duì)底板缺陷進(jìn)行定性分析，選取隱藏層為1的拓?fù)渖窠?jīng)網(wǎng)絡(luò)。特征量的選取為波形信號(hào)中時(shí)域特征量過零點(diǎn)數(shù)、峰值以及峰峰間距為輸入?yún)?shù)。拓?fù)渖窠?jīng)輸出層設(shè)計(jì)為3個(gè)節(jié)點(diǎn)，分別代表3種不同類別的缺陷。(1，0，0)表示矩形缺陷，(0，1，0)表示三角形缺陷，(0，0，1)表示凸起缺陷。隱藏層神經(jīng)元的個(gè)數(shù)會(huì)對(duì)訓(xùn)練結(jié)果造成一定的影響。本文隱藏層節(jié)點(diǎn)個(gè)數(shù)的選取參照以下經(jīng)驗(yàn)公式。

(2)

式中l(wèi)——隱含層節(jié)點(diǎn)數(shù)；

n——輸入層的節(jié)點(diǎn)數(shù)；

m——輸出層節(jié)點(diǎn)數(shù)；

a——[1，10]之間的常數(shù)。

這里，選取隱含層的單元數(shù)為10，即用于超聲波缺陷識(shí)別的拓?fù)渖窠?jīng)網(wǎng)絡(luò)的結(jié)構(gòu)為N(3，10，3)，結(jié)構(gòu)如圖10所示。在該拓?fù)渖窠?jīng)網(wǎng)絡(luò)中，輸入層節(jié)點(diǎn)數(shù)為3，隱含層節(jié)點(diǎn)數(shù)為10，輸出層節(jié)點(diǎn)數(shù)為3。

圖10 BP神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)示意

在網(wǎng)絡(luò)訓(xùn)練過程中，選取矩形缺陷、三角形缺陷、凸起缺陷各12組、共36組數(shù)據(jù)作為拓?fù)渖窠?jīng)網(wǎng)絡(luò)的訓(xùn)練數(shù)據(jù)。應(yīng)用MATLAB軟件進(jìn)行編程，設(shè)置訓(xùn)練參數(shù)。經(jīng)過訓(xùn)練，得到拓?fù)渖窠?jīng)網(wǎng)絡(luò)，如圖11所示。

圖11 訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)

從圖11可以看出，得到的拓?fù)渖窠?jīng)網(wǎng)絡(luò)有3層，input層的節(jié)點(diǎn)數(shù)為3，layer層的節(jié)點(diǎn)數(shù)為10，output層的節(jié)點(diǎn)數(shù)為3。該神經(jīng)網(wǎng)絡(luò)的各個(gè)性能指標(biāo)如圖12所示。

從圖12中可以看出，當(dāng)?shù)鷶?shù)為268時(shí)，該神經(jīng)網(wǎng)絡(luò)達(dá)到最好的性能，符合定義的誤差要求0.01，網(wǎng)絡(luò)停止訓(xùn)練。

(a)最優(yōu)均方差

(b)預(yù)設(shè)量變化

(c)精確率

此時(shí)，代入神經(jīng)網(wǎng)絡(luò)的檢測(cè)數(shù)據(jù)，檢驗(yàn)網(wǎng)絡(luò)的識(shí)別率。矩形缺陷、三角形缺陷、凸起缺陷3種缺陷的檢測(cè)數(shù)據(jù)各5組，共計(jì)15組。在輸出向量的數(shù)據(jù)中，實(shí)數(shù)a作如表2所示約定。輸出結(jié)果如表3所示。

表2 實(shí)數(shù)a的處理辦法

表3 檢測(cè)結(jié)果數(shù)據(jù)

從表3中可以看出，在15組檢測(cè)數(shù)據(jù)中，只有第6組數(shù)據(jù)是錯(cuò)誤的，檢測(cè)結(jié)果的正確率93.33%。該神經(jīng)網(wǎng)絡(luò)對(duì)底板缺陷的的識(shí)別率較高，神經(jīng)網(wǎng)絡(luò)達(dá)到訓(xùn)練要求。

3 結(jié)論

本方法的設(shè)計(jì)將超聲波缺陷檢測(cè)與BP神經(jīng)網(wǎng)絡(luò)識(shí)別結(jié)合到一起，通過ABAQUS建立超聲波檢測(cè)有限元分析模型進(jìn)行仿真分析，應(yīng)用橢圓定位原理進(jìn)行缺陷識(shí)別，利用MATLAB設(shè)計(jì)、訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)，進(jìn)行了三角形、矩形和凸起3種缺陷數(shù)據(jù)的驗(yàn)證，該神經(jīng)網(wǎng)絡(luò)對(duì)底板缺陷的識(shí)別率較高，神經(jīng)網(wǎng)絡(luò)達(dá)到訓(xùn)練要求?；诔暡z測(cè)的BP神經(jīng)網(wǎng)絡(luò)缺陷識(shí)別方法在損傷檢測(cè)工程中有重要的參考價(jià)值。