固體火箭發(fā)動(dòng)機(jī)界面脫粘檢測(cè)的深度學(xué)習(xí)方法①

鄧亮亮，屈文忠*，白小平，劉 賓

(1.武漢大學(xué) 工程力學(xué)系，武漢 430072；2.西安航天化學(xué)動(dòng)力有限公司，西安 710025)

0 引言

固體火箭發(fā)動(dòng)機(jī)憑借其強(qiáng)度高、安全性好、儲(chǔ)存運(yùn)輸方便等優(yōu)點(diǎn)在航天飛行器和導(dǎo)彈類武器中得到廣泛應(yīng)用[1]。固體火箭發(fā)動(dòng)機(jī)裝藥結(jié)構(gòu)由外至內(nèi)依次由殼體、絕熱層、襯層、固體推進(jìn)劑四部分粘接澆注而成，如圖1所示，殼體/絕熱層界面稱為Ⅰ界面，絕熱層/襯層界面稱為Ⅱ界面，襯層/推進(jìn)劑界面稱為Ⅲ界面。長(zhǎng)期貯存期間推進(jìn)劑老化、推進(jìn)劑/襯層界面處組分遷移、環(huán)境條件改變等多方面的影響都會(huì)導(dǎo)致裝藥結(jié)構(gòu)發(fā)生界面脫粘[2-3]，含脫粘缺陷的發(fā)動(dòng)機(jī)在點(diǎn)火時(shí)極易發(fā)生躥火甚至爆炸事故[4]。因此，對(duì)界面脫粘進(jìn)行快速、準(zhǔn)確的無(wú)損檢測(cè)一直是工程部門(mén)重點(diǎn)關(guān)注的課題。

圖1 固體火箭發(fā)動(dòng)機(jī)裝藥結(jié)構(gòu)

目前，對(duì)發(fā)動(dòng)機(jī)界面脫粘缺陷檢測(cè)的方法有高精度工業(yè)CT技術(shù)[5-6]、紅外檢測(cè)[7-8]、超聲檢測(cè)[9-11]等。CT技術(shù)對(duì)具有密度差異的缺陷有較好的檢測(cè)能力，檢測(cè)結(jié)果直觀，但是CT技術(shù)無(wú)法識(shí)別緊密貼合的缺陷，而且檢測(cè)成本高、效率低；紅外檢測(cè)與超聲檢測(cè)技術(shù)適用于金屬殼體/絕熱層界面脫粘檢測(cè)，但均無(wú)法應(yīng)用于較厚的復(fù)合材料殼體發(fā)動(dòng)機(jī)界面脫粘檢測(cè)。敲擊法是一種傳統(tǒng)的無(wú)損檢測(cè)方法，廣泛應(yīng)用于層壓結(jié)構(gòu)、蜂窩結(jié)構(gòu)和膠接構(gòu)件的脫粘損傷檢測(cè)[12]，最早是利用硬幣、小錘等物體敲擊結(jié)構(gòu)表面，通過(guò)辨別聲音差異來(lái)查找缺陷。JüNGERT等[13]根據(jù)敲擊法的基本原理提出了局部共振譜方法，使用麥克風(fēng)記錄力錘激勵(lì)結(jié)構(gòu)表面時(shí)產(chǎn)生的聲音信號(hào)，通過(guò)分析聲音信號(hào)的頻譜成功檢測(cè)出風(fēng)力渦輪機(jī)轉(zhuǎn)子葉片的分層損傷。白小平等[14]基于局部共振譜方法的基本原理，使用壓電晶片采集結(jié)構(gòu)響應(yīng)信號(hào)，對(duì)采用復(fù)合材料殼體的大型固體火箭發(fā)動(dòng)機(jī)燃燒室絕熱層/襯層/推進(jìn)劑界面脫粘缺陷進(jìn)行了無(wú)損檢測(cè)，通過(guò)頻響函數(shù)曲線的波形特征及波峰數(shù)量判斷界面脫粘缺陷，但是該方法需要經(jīng)過(guò)專業(yè)培訓(xùn)的技術(shù)人員對(duì)波形特征逐個(gè)進(jìn)行分析判斷，效率較低且對(duì)人員要求較高。

為進(jìn)一步實(shí)現(xiàn)固體火箭發(fā)動(dòng)機(jī)界面脫粘現(xiàn)場(chǎng)快速自動(dòng)化檢測(cè)，筆者在上述工作的基礎(chǔ)上進(jìn)行了深入研究。首先，建立力學(xué)模型分析局部共振譜方法用于發(fā)動(dòng)機(jī)界面脫粘檢測(cè)的物理機(jī)制。然后，將局部共振譜方法與無(wú)監(jiān)督深度學(xué)習(xí)算法相結(jié)合，使用CAE提取局部共振譜響應(yīng)信號(hào)中的界面狀態(tài)特征參數(shù)，通過(guò)OCSVM進(jìn)行脫粘檢測(cè)。此方法只需使用完好界面的局部共振譜響應(yīng)信號(hào)對(duì)CAE及OCSVM進(jìn)行深度學(xué)習(xí)訓(xùn)練，可實(shí)現(xiàn)對(duì)界面狀態(tài)未知信號(hào)的自動(dòng)判別，為固體火箭發(fā)動(dòng)機(jī)界面脫粘的現(xiàn)場(chǎng)快速自動(dòng)化檢測(cè)提供了一種新方法。

1 基本原理

1.1 局部共振譜方法

本文所用的局部共振譜方法是對(duì)傳統(tǒng)敲擊檢測(cè)方法的優(yōu)化，其采用壓電智能條帶傳感器將殼體外表面原位激勵(lì)的振動(dòng)響應(yīng)信號(hào)轉(zhuǎn)化為電信號(hào)，并使用數(shù)據(jù)采集裝置進(jìn)行采集，通過(guò)分析局部共振譜響應(yīng)信號(hào)的特征進(jìn)行界面脫粘損傷識(shí)別。

為了將局部共振譜響應(yīng)信號(hào)的特征與發(fā)動(dòng)機(jī)界面粘接狀態(tài)聯(lián)系起來(lái)，對(duì)原位局部殼體外表面激勵(lì)的過(guò)程進(jìn)行動(dòng)力學(xué)建模分析。將固體發(fā)動(dòng)機(jī)完好界面和脫粘界面結(jié)構(gòu)分別建模為各向同性厚板和薄板，力錘建模為球體，如圖2及圖3所示。

圖2 完好界面示意圖

圖3 Ⅲ界面脫粘示意圖

建立一個(gè)界面結(jié)構(gòu)的二自由度質(zhì)量-彈簧模型，如圖4所示，其中彈簧Kf表示殼體彎曲剛度，彈簧Kc表示非線性接觸剛度，M1和M2分別表示力錘和脫粘區(qū)域的有效質(zhì)量[15-16]。

圖4 界面結(jié)構(gòu)動(dòng)力學(xué)模型

系統(tǒng)的動(dòng)力學(xué)方程為

(1)

(2)

根據(jù)彈性球體碰撞時(shí)的Hertz接觸定律：

P=Kcα3/2

(3)

α=x1-x2

(4)

式中P為接觸力；α為兩個(gè)物體位移的差值。

考慮碰撞過(guò)程中的能量分布，假設(shè)當(dāng)殼體達(dá)到最大變形時(shí)，球體的速度為零，所有的初始動(dòng)能轉(zhuǎn)化為殼體變形所儲(chǔ)存的能量。因此，忽略殼體變形的剪切分量，能量平衡方程為

(5)

式中v0為球體的初速度；Esum為兩個(gè)物體的總能量；Ef為殼體彎曲變形能；Ec1為球體接觸區(qū)儲(chǔ)存的能量；Ec2為殼體變形儲(chǔ)存的能量。

定義振動(dòng)能量損失系數(shù)λ為殼體原位局部激勵(lì)過(guò)程中轉(zhuǎn)換為殼體彎曲自由振動(dòng)的能量與總能量的比值[17]，可得

(6)

其中，h、ρ分別為板的厚度和密度；Kc、Kf的值為

(7)

(8)

其中，a為板的半徑；參數(shù)R和E定義為

(9)

(10)

式中R1、R2，E1、E2，ν1、ν2分別為球體和板的曲率半徑、楊氏模量和泊松比。

(11)

式中k12和R為固定的參數(shù)。

因此，殼體原位局部激勵(lì)過(guò)程中轉(zhuǎn)換為彎曲振動(dòng)能量的百分比取決于板的厚度和半徑，厚度小半徑大時(shí)，轉(zhuǎn)化為彎曲振動(dòng)能量的百分比大。

對(duì)于脫粘界面結(jié)構(gòu)，將脫粘區(qū)域建模為厚度遠(yuǎn)小于完好結(jié)構(gòu)且具有固定邊界的圓形薄板，殼體原位局部激勵(lì)過(guò)程中的大部分動(dòng)能將轉(zhuǎn)化為殼體彎曲自由振動(dòng)的能量。對(duì)于邊界固定，半徑為a，厚度為h的圓板，其彎曲振動(dòng)頻率由式(12)確定。

(12)

式中m和n是從0開(kāi)始的整數(shù)；αm,n是與對(duì)應(yīng)的彎曲振動(dòng)模式(m,n)相關(guān)的系數(shù)。

因此，當(dāng)原位局部激勵(lì)脫粘區(qū)域時(shí)，能夠激發(fā)出殼體的多階彎曲共振，其頻率和振幅取決于敲擊位置和脫粘區(qū)域的形狀，此時(shí)局部共振譜響應(yīng)信號(hào)的頻譜曲線會(huì)呈現(xiàn)出多個(gè)明顯的峰值，波峰窄且陡峭；而對(duì)于界面處于完好狀態(tài)的發(fā)動(dòng)機(jī)，殼體/絕熱層/襯層/推進(jìn)劑良好粘接為一個(gè)整體，對(duì)殼體進(jìn)行原位局部激勵(lì)時(shí)，轉(zhuǎn)化為彎曲振動(dòng)的能量百分比很小，只能激發(fā)出激勵(lì)位置整體在厚度方向的縱向振動(dòng)，響應(yīng)信號(hào)的頻譜曲線呈現(xiàn)出一個(gè)光滑的單峰，且由于推進(jìn)劑的大阻尼特性，波峰寬而平緩。因此，對(duì)發(fā)動(dòng)機(jī)殼體進(jìn)行原位局部激勵(lì)時(shí)產(chǎn)生的局部共振譜響應(yīng)信號(hào)可以反映其界面粘接狀態(tài)。

1.2 界面脫粘自動(dòng)化檢測(cè)

為實(shí)現(xiàn)固體火箭發(fā)動(dòng)機(jī)界面脫粘的現(xiàn)場(chǎng)自動(dòng)化檢測(cè)，提出一種結(jié)合CAE和OCSVM的無(wú)監(jiān)督深度學(xué)習(xí)算法對(duì)局部共振譜響應(yīng)信號(hào)進(jìn)行進(jìn)一步處理。圖5給出了該方法的總體示意圖。

圖5 脫粘檢測(cè)方法示意圖

圖5中，實(shí)線箭頭表示使用完好界面的局部共振譜響應(yīng)信號(hào)訓(xùn)練CAE及OCSVM的步驟，虛線箭頭表示對(duì)未知界面粘接狀態(tài)的信號(hào)進(jìn)行檢測(cè)的過(guò)程。CAE僅使用完好界面的局部共振譜響應(yīng)信號(hào)進(jìn)行訓(xùn)練，并利用提取到的特征參數(shù)訓(xùn)練OCSVM，來(lái)自未知界面粘接狀態(tài)的信號(hào)被輸入到訓(xùn)練完成的CAE提取特征參數(shù)，最后利用OCSVM對(duì)提取的特征參數(shù)進(jìn)行檢測(cè)，從而實(shí)現(xiàn)界面脫粘的自動(dòng)化檢測(cè)。

1.2.1 CAE提取特征參數(shù)

CAE是一種結(jié)合自編碼器(AE)與卷積神經(jīng)網(wǎng)絡(luò)(CNN)的無(wú)監(jiān)督深度學(xué)習(xí)模型，其核心思想是在AE的基礎(chǔ)上引入卷積操作，在發(fā)揮AE無(wú)監(jiān)督學(xué)習(xí)優(yōu)勢(shì)的同時(shí)利用卷積和池化操作，實(shí)現(xiàn)對(duì)數(shù)據(jù)特征的自動(dòng)提取，其結(jié)構(gòu)如圖6所示。編碼器的作用是將給定的輸入數(shù)據(jù)向量映射為隱藏層的特征參數(shù)，解碼器旨在使用特征參數(shù)重構(gòu)輸入數(shù)據(jù)向量，通過(guò)優(yōu)化重構(gòu)數(shù)據(jù)與原始數(shù)據(jù)間的損失，不斷調(diào)整層與層之間的連接權(quán)重，在此過(guò)程中挖掘數(shù)據(jù)的潛在特征。

圖6 CAE結(jié)構(gòu)示意圖

為了提取局部共振譜響應(yīng)信號(hào)中的界面狀態(tài)特征參數(shù)，本文使用一系列卷積層設(shè)計(jì)了一維CAE的深度學(xué)習(xí)模型。界面狀態(tài)特征參數(shù)由遞歸公式表示如下：

Hl=f(Hl-1*Wl+bl)

(13)

式中l(wèi)∈{1,2,3,…,L}，L為所用卷積層的數(shù)量；Wl、bl分別為第l個(gè)卷積層的權(quán)重和偏差；f和g為非線性激活函數(shù)；H0為原始局部共振譜響應(yīng)信號(hào)X；HL為提取的界面狀態(tài)特征參數(shù)。

在解碼過(guò)程中，采用一系列的反卷積層重構(gòu)原始局部共振譜響應(yīng)信號(hào)，使用遞歸公式表示如下：

Zl=g(Zl-1*W′l+b′l)

(14)

式中W′l、b′l分別為第l個(gè)反卷積層的權(quán)重和偏差；Z1為第一個(gè)解碼層的輸入，即最后一個(gè)編碼層的輸出HL；最后一層解碼層的輸出ZL即為原始局部共振譜響應(yīng)信號(hào)X的重構(gòu)。

使用均方誤差(MSE)作為損失函數(shù)，MSE表示原始局部共振譜響應(yīng)信號(hào)X和重構(gòu)局部共振譜響應(yīng)信號(hào)Z之間的重構(gòu)誤差，其計(jì)算公式如下：

(15)

式中N為原始局部共振譜響應(yīng)信號(hào)的長(zhǎng)度。

通過(guò)反向傳播算法不斷調(diào)整卷積核參數(shù)，在此過(guò)程中實(shí)現(xiàn)局部共振譜響應(yīng)信號(hào)中界面狀態(tài)特征參數(shù)的自適應(yīng)提取。

1.2.2 OCSVM脫粘檢測(cè)原理

OCSVM 是以支持向量機(jī)(SVM)為基礎(chǔ)發(fā)展而來(lái)的一種解決異常檢測(cè)問(wèn)題的方法，其原理是將正常數(shù)據(jù)通過(guò)核函數(shù)映射到高維特征空間，在高維特征空間中構(gòu)造一個(gè)超平面，使得數(shù)據(jù)對(duì)象與原點(diǎn)盡可能地分開(kāi)，采用OCSVM對(duì)CAE提取的界面狀態(tài)特征參數(shù)進(jìn)行處理，實(shí)現(xiàn)界面脫粘檢測(cè)時(shí)，訓(xùn)練OCSVM所用的數(shù)據(jù)集中只需要完好界面的界面狀態(tài)特征參數(shù)。

使用完好界面的界面狀態(tài)特征參數(shù)組成訓(xùn)練樣本集D={zi}，其中zi∈Rd，i=1,2,…,M，M為訓(xùn)練集中樣本的數(shù)量，OCSVM將訓(xùn)練樣本映射到特征空間，然后在特征空間中最大化樣本點(diǎn)與原點(diǎn)之間的距離，最終求取最優(yōu)分離超平面。

為了求取最優(yōu)分離超平面，需要求解下面的優(yōu)化問(wèn)題：

(16)

式中ω為超平面的法向量；ρ為截距，即在高維特征空間中原點(diǎn)到超平面的距離；φ(zi)為通過(guò)應(yīng)用核函數(shù)獲得的特征映射；ξ=(ξ1,ξ2,…,ξN)T為松弛變量；ν∈(0,1]為控制訓(xùn)練集中異常值比例的正則化項(xiàng)。

用拉格朗日乘子法求解上述最佳化問(wèn)題，可得

(17)

其中，αi為樣本點(diǎn)zi對(duì)應(yīng)的拉格朗日乘子且α=(α1,α2,…,αN)T；K(.,.)為核函數(shù)，本文采用徑向基核函數(shù)：

K(zi,zj)=exp(-γ‖zi-zj‖2)=φ(zi)Tφ(zj)

(18)

式中γ為核參數(shù)。

最后，決策函數(shù)可以表示為

(19)

將界面粘接狀態(tài)未知的局部共振譜響應(yīng)信號(hào)輸入訓(xùn)練完成的CAE，提取其界面狀態(tài)特征參數(shù)z并代入決策函數(shù)式(19)中，當(dāng)決策函數(shù)值為+1時(shí)，待測(cè)信號(hào)被判定為界面粘接良好，當(dāng)決策函數(shù)值為-1時(shí)，待測(cè)信號(hào)被判別為界面脫粘或虛粘。

2 現(xiàn)場(chǎng)試驗(yàn)

2.1 試驗(yàn)裝置

試驗(yàn)對(duì)象為1臺(tái)采用復(fù)合材料殼體的某大型固體火箭發(fā)動(dòng)機(jī)，其表面布置了32個(gè)測(cè)點(diǎn)，經(jīng)射線檢測(cè)確認(rèn)，其中測(cè)點(diǎn)1至測(cè)點(diǎn)24處界面粘接完好，測(cè)點(diǎn)25至測(cè)點(diǎn)28處襯層/推進(jìn)劑界面存在大面積脫粘，測(cè)點(diǎn)29至測(cè)點(diǎn)32處襯層/推進(jìn)劑界面雖然發(fā)生脫粘，但脫粘面積與脫粘間隙均較小(認(rèn)定為虛粘)。

試驗(yàn)儀器采用NI多通道高速數(shù)據(jù)采集系統(tǒng)，具體包括NI PXIe-1082機(jī)箱、NI PXIe-8840控制器、NI PXIe-6124多功能I/O模塊、NI TB-2706接線盒、NI PXI-2576多路復(fù)用器開(kāi)關(guān)模塊、NI TB-2676接線盒，如圖7所示。

圖7 試驗(yàn)裝置示意圖

殼體原位局部激勵(lì)使用北京東方振動(dòng)和噪聲技術(shù)研究所生產(chǎn)的ICP型小力錘，型號(hào)為INV9312。

傳感器采用自主封裝的壓電智能條帶，由壓電晶片與柔性印刷電路組成，如圖8所示。所用壓電晶片型號(hào)為PZT-5A(STEMINC Ltd)，直徑為12 mm，厚度為0.6 mm，所用柔性印刷電路由聚酰亞胺或聚酯薄膜為基材制成，具有可靠性高、重量輕、厚度薄和彎折性等優(yōu)點(diǎn)。

圖8 壓電智能條帶示意圖

界面脫粘檢測(cè)系統(tǒng)使用通過(guò)LabVIEW自主編程開(kāi)發(fā)的固體發(fā)動(dòng)機(jī)界面脫粘狀態(tài)壓電智能條帶多通道局部共振譜響應(yīng)檢測(cè)系統(tǒng)，其操作界面如圖9所示。通過(guò)NI多路復(fù)用器開(kāi)關(guān)模塊，實(shí)現(xiàn)了各個(gè)測(cè)點(diǎn)之間的自動(dòng)切換。

圖9 檢測(cè)系統(tǒng)操作界面

2.2 試驗(yàn)過(guò)程

使用水楊酸苯脂作為耦合劑將壓電智能條帶粘貼于發(fā)動(dòng)機(jī)表面各個(gè)測(cè)點(diǎn)處，水楊酸苯脂是一種熔點(diǎn)為43 ℃的無(wú)色結(jié)晶粉末，將其置于坩堝中加熱至完全融化，用滴管吸取水楊酸苯脂液體，分別滴于殼體表面待粘貼位置及壓電晶片底面，將壓電晶片對(duì)準(zhǔn)殼體表面粘貼位置用手指輕輕壓緊壓電晶片上表面2 min，即可完成粘貼。設(shè)置數(shù)據(jù)采集的采樣頻率為10 kHz、采樣點(diǎn)數(shù)為20 000。使用力錘在待測(cè)測(cè)點(diǎn)周圍3～5 cm處進(jìn)行原位局部激勵(lì)，NI多通道高速數(shù)據(jù)采集系統(tǒng)進(jìn)行局部共振譜響應(yīng)信號(hào)的采集，單條數(shù)據(jù)的采集在10 s內(nèi)即可完成，為了避免對(duì)待檢測(cè)的發(fā)動(dòng)機(jī)復(fù)合材料殼體造成損傷，同時(shí)保證響應(yīng)信號(hào)的信噪比足夠好，將激勵(lì)力度控制在50 N左右，在每個(gè)測(cè)點(diǎn)周圍進(jìn)行多次激勵(lì)，共采集得到局部共振譜響應(yīng)信號(hào)1692條。其中，包括完好界面信號(hào)1210條，脫粘界面信號(hào)222條，虛粘界面信號(hào)260條。

2.3 試驗(yàn)結(jié)果

將采集得到的局部共振譜響應(yīng)時(shí)域信號(hào)通過(guò)快速傅里葉變換得到頻域信號(hào)，對(duì)頻域幅值進(jìn)行歸一化處理后作出其頻譜曲線。界面粘接完好時(shí)的頻譜曲線如圖10所示，曲線只有一個(gè)主波峰，波峰寬而平緩，而且曲線非常平滑。圖11為襯層/推進(jìn)劑界面大面積脫粘時(shí)的頻譜曲線，可看出其出現(xiàn)多個(gè)波峰，波峰窄且陡峭，與界面粘接完好時(shí)的頻譜曲線差別非常明顯。圖12為襯層/推進(jìn)劑界面虛粘時(shí)的頻譜曲線，曲線整體呈現(xiàn)單峰趨勢(shì)，與完好界面的頻譜曲線相似，但是曲線上出現(xiàn)了多個(gè)鋸齒狀的小波峰，這表明整體的縱向振動(dòng)與殼體的部分彎曲振動(dòng)模態(tài)均被激發(fā)，但由于脫粘面積較小以及推進(jìn)劑材料具有很大的阻尼，殼體彎曲振動(dòng)的頻率無(wú)法在曲線上形成一個(gè)完整的波峰。

圖10 完好界面頻譜曲線

圖11 脫粘界面頻譜曲線

圖12 虛粘界面頻譜曲線

3 界面脫粘自動(dòng)化檢測(cè)

圖10～圖12可以觀察到不同界面粘接狀態(tài)的局部共振譜響應(yīng)信號(hào)的頻譜曲線存在差異，但虛粘界面與完好界面的差別較小，未經(jīng)過(guò)專業(yè)訓(xùn)練的人員難以通過(guò)這種微小差別準(zhǔn)確識(shí)別界面虛粘，本章使用結(jié)合CAE和OCSVM的無(wú)監(jiān)督深度學(xué)習(xí)算法，對(duì)局部共振譜響應(yīng)信號(hào)進(jìn)行進(jìn)一步處理，實(shí)現(xiàn)界面脫粘的自動(dòng)化檢測(cè)。

3.1 數(shù)據(jù)預(yù)處理

將所有采集得到的局部共振譜響應(yīng)時(shí)域信號(hào)通過(guò)快速傅里葉變換得到頻域信號(hào)，對(duì)頻域幅值進(jìn)行歸一化處理后組成數(shù)據(jù)集。本文所提出的結(jié)合CAE與OCSVM的無(wú)監(jiān)督深度學(xué)習(xí)算法在訓(xùn)練過(guò)程中，僅需使用完好界面的響應(yīng)信號(hào)。因此，從完好界面信號(hào)中隨機(jī)選取60%的樣本用作訓(xùn)練集，20%的樣本用作驗(yàn)證集，剩余的20%完好樣本和所有的脫粘、虛粘樣本用作測(cè)試集，具體劃分如表1所示。

表1 數(shù)據(jù)集劃分

3.2 界面狀態(tài)特征參數(shù)提取

利用TensorFlow框架，基于Python語(yǔ)言構(gòu)建CAE模型，使用訓(xùn)練集與驗(yàn)證集對(duì)CAE進(jìn)行訓(xùn)練以實(shí)現(xiàn)界面狀態(tài)特征參數(shù)的自適應(yīng)提取。CAE的結(jié)構(gòu)對(duì)特征提取的效果有很大影響，表2給出了本文所用一維CAE網(wǎng)絡(luò)的結(jié)構(gòu)。編碼器由3個(gè)卷積層組成，第一個(gè)卷積層由16個(gè)卷積核組成，第二個(gè)卷積層由8個(gè)卷積核組成，最后一個(gè)卷積層由4個(gè)卷積核組成，所有卷積核大小保持一致，均設(shè)置為 3，激活函數(shù)均采用ReLU函數(shù)。這種結(jié)構(gòu)不僅減少了可訓(xùn)練參數(shù)的數(shù)量，而且可以消除冗余特征，提取局部共振譜響應(yīng)信號(hào)最基本的特征。在每個(gè)卷積層后均添加一個(gè)大小為2的最大池化層，降低數(shù)據(jù)的維度，提高模型的泛化能力。解碼器采用反卷積和上采樣從編碼器提取的低維深層特征中重構(gòu)局部共振譜響應(yīng)信號(hào)。損失函數(shù)為輸入局部共振譜響應(yīng)信號(hào)與重構(gòu)信號(hào)之間的均方誤差，考慮到快速收斂和較少的內(nèi)存需求，使用初始學(xué)習(xí)率為0.001的Adam算法進(jìn)行訓(xùn)練。訓(xùn)練時(shí)批尺寸采用64，共進(jìn)行200批次的迭代訓(xùn)練。

表2 CAE網(wǎng)絡(luò)結(jié)構(gòu)

訓(xùn)練過(guò)程中的損失函數(shù)曲線如圖13所示，訓(xùn)練集與驗(yàn)證集的損失函數(shù)曲線幾乎重合，說(shuō)明此模型沒(méi)有過(guò)擬合或者欠擬合。從圖13中可以看出，所用CAE在訓(xùn)練50個(gè)批次后損失函數(shù)值已非常小且相對(duì)穩(wěn)定，說(shuō)明此時(shí)重構(gòu)已達(dá)到較高精度。

圖13 CAE重構(gòu)損失

訓(xùn)練完成后，對(duì)最大池化層3輸出的1250×4的矩陣的第一維度進(jìn)行均值化處理，得到的1×4的矩陣作為界面狀態(tài)特征參數(shù)。

3.3 脫粘檢測(cè)結(jié)果

使用徑向基核函數(shù)將CAE提取的完好界面響應(yīng)信號(hào)的特征參數(shù)映射到特征空間訓(xùn)練OCSVM，在 OCSVM 檢測(cè)模型中，需要調(diào)節(jié)參數(shù)ν與γ來(lái)達(dá)到理想的檢測(cè)效果，本文通過(guò)大量嘗試并計(jì)算檢測(cè)準(zhǔn)確率，最終確定參數(shù)ν=0.05，徑向基核參數(shù)γ=0.1。

使用訓(xùn)練完成的CAE及OCSVM對(duì)測(cè)試集進(jìn)行處理，所得脫粘檢測(cè)結(jié)果如表3所示。需要說(shuō)明的是，訓(xùn)練完成的算法處理單條響應(yīng)信號(hào)并給出脫粘判別結(jié)果的時(shí)間不超過(guò)1 s，可達(dá)到快速檢測(cè)的目的。

表3 檢測(cè)結(jié)果

為評(píng)估所用無(wú)監(jiān)督脫粘檢測(cè)方法的檢測(cè)效果，定義了如下三個(gè)評(píng)估指標(biāo)：脫粘檢測(cè)率(DR1)、虛粘檢測(cè)率(DR2)、虛警率(FR)。脫粘檢測(cè)率是指被正確檢測(cè)為脫粘樣本的數(shù)目占實(shí)際脫粘樣本數(shù)目的比例；虛粘檢測(cè)率是指被正確檢測(cè)為虛粘樣本的數(shù)目占實(shí)際虛粘樣本數(shù)目的比例；虛警率是被錯(cuò)誤檢測(cè)為脫粘或虛粘樣本的數(shù)目占實(shí)際完好樣本數(shù)目的比例。

根據(jù)表3數(shù)據(jù)計(jì)算可得，CAE結(jié)合OCSVM的方法對(duì)測(cè)試集樣本的脫粘檢測(cè)率為95.9%，虛粘檢測(cè)率為91.5%，而虛警率僅為4.1%，在保持低虛警率的同時(shí)對(duì)界面脫粘、虛粘都達(dá)到了較高的檢測(cè)率，說(shuō)明CAE成功實(shí)現(xiàn)了對(duì)局部共振譜響應(yīng)信號(hào)中界面狀態(tài)特征參數(shù)的自適應(yīng)提取，OCSVM能夠有效利用特征參數(shù)進(jìn)行脫粘檢測(cè)。值得說(shuō)明的是，同種型號(hào)的發(fā)動(dòng)機(jī)在界面粘接完好時(shí)受局部激勵(lì)產(chǎn)生的局部共振譜響應(yīng)信號(hào)是相似的。因此，本文提出的算法只需使用同種型號(hào)發(fā)動(dòng)機(jī)界面粘接完好時(shí)的局部共振譜信號(hào)進(jìn)行訓(xùn)練，訓(xùn)練完成的算法即可適用于同種型號(hào)其它發(fā)動(dòng)機(jī)界面脫粘的檢測(cè)。

為了明確虛警樣本的特征，給后續(xù)降低虛警率提供思路，對(duì)虛警樣本進(jìn)行了分析。圖14為典型虛警樣本的頻譜曲線，將其與圖10中的完好界面頻譜曲線進(jìn)行對(duì)比?？梢园l(fā)現(xiàn)，虛警樣本的頻譜曲線在上升段出現(xiàn)了兩個(gè)小波峰，對(duì)比此時(shí)的激勵(lì)位置，判斷這是由于力錘激勵(lì)位置位于支架附近，邊界效應(yīng)導(dǎo)致了新頻率成分的出現(xiàn)。盡管發(fā)動(dòng)機(jī)受局部激勵(lì)產(chǎn)生的局部共振譜響應(yīng)信號(hào)只與其局部狀態(tài)有關(guān)，與發(fā)動(dòng)機(jī)的存放環(huán)境、固定方式無(wú)關(guān)，但由上述分析可知，當(dāng)檢測(cè)位置位于發(fā)動(dòng)機(jī)固定支架附近時(shí)，局部共振譜響應(yīng)信號(hào)中會(huì)出現(xiàn)新的頻率成分，這可能會(huì)導(dǎo)致檢測(cè)結(jié)果出現(xiàn)誤判。對(duì)于如何消除邊界效應(yīng)產(chǎn)生的干擾以降低虛警率有待進(jìn)一步研究。

3.4 不同特征提取方法對(duì)比

為進(jìn)一步驗(yàn)證所用CAE無(wú)監(jiān)督深度學(xué)習(xí)算法在界面狀態(tài)特征參數(shù)提取上的有效性，將其與兩種常用的降維與特征提取算法進(jìn)行了對(duì)比分析。

(1)PCA：PCA是最常用的線性降維與特征提取算法。使用PCA對(duì)整個(gè)數(shù)據(jù)集進(jìn)行處理，選取前三階主成分作為特征參數(shù)，使用PCA處理得到的訓(xùn)練集數(shù)據(jù)的特征參數(shù)訓(xùn)練OCSVM。

(2)t-SNE：t-SNE是一種嵌入模型，能夠?qū)⒏呔S空間中的數(shù)據(jù)映射到低維空間中，并保留數(shù)據(jù)集的局部特性。使用t-SNE算法將整個(gè)數(shù)據(jù)集降到三維后，使用訓(xùn)練集數(shù)據(jù)的三維特征訓(xùn)練OCSVM。

分別使用三種方法結(jié)合OCSVM對(duì)測(cè)試集數(shù)據(jù)進(jìn)行了脫粘檢測(cè)，所得結(jié)果如表4所示。

表4 不同方法的檢測(cè)結(jié)果

從表4可以看出，使用CAE提取的特征參數(shù)對(duì)界面脫粘與虛粘的檢測(cè)率最高，均達(dá)到了90%以上，PCA與t-SNE對(duì)大面積脫粘的識(shí)別率較高，但對(duì)于信號(hào)特征與完好界面相似的虛粘界面檢測(cè)率遠(yuǎn)低于CAE，說(shuō)明CAE對(duì)局部共振譜響應(yīng)信號(hào)的特征提取效果優(yōu)于PCA與t-SNE，而且PCA與t-SNE在提取特征時(shí)需要將全部信號(hào)組成一個(gè)矩陣，無(wú)法單獨(dú)處理之后采集到的單條信號(hào)，而訓(xùn)練完成的CAE可以直接對(duì)單條數(shù)據(jù)進(jìn)行處理，提取其特征參數(shù)后輸入OCSVM進(jìn)行脫粘識(shí)別，減少了運(yùn)算的復(fù)雜性，實(shí)現(xiàn)了不同界面狀態(tài)的局部共振譜響應(yīng)信號(hào)特征的自適應(yīng)提取以及自動(dòng)判別，為固體火箭發(fā)動(dòng)機(jī)界面脫粘的現(xiàn)場(chǎng)快速自動(dòng)化檢測(cè)提供了一種新方法。

4 結(jié)論

本文針對(duì)固體火箭發(fā)動(dòng)機(jī)界面脫粘檢測(cè)問(wèn)題，通過(guò)建立界面力學(xué)模型分析了局部共振譜發(fā)動(dòng)機(jī)界面脫粘檢測(cè)方法的原理，并進(jìn)一步提出了基于無(wú)監(jiān)督深度學(xué)習(xí)的脫粘檢測(cè)方法，通過(guò)CAE提取局部共振譜信號(hào)中的界面狀態(tài)特征參數(shù)，使用OCSVM進(jìn)行脫粘識(shí)別。試驗(yàn)結(jié)果表明，發(fā)動(dòng)機(jī)不同界面粘接狀態(tài)的局部共振譜響應(yīng)信號(hào)的頻譜曲線存在差異，但虛粘界面與完好界面的信號(hào)差別較小，通過(guò)結(jié)合CAE與OCSVM的無(wú)監(jiān)督深度學(xué)習(xí)算法處理后，脫粘檢測(cè)率與虛粘檢測(cè)率分別達(dá)到了95.9%與 91.5%。與PCA和t-SNE算法的對(duì)比進(jìn)一步說(shuō)明了CAE在局部共振譜響應(yīng)信號(hào)特征提取上的優(yōu)越性。本文所提出的CAE結(jié)合OCSVM方法僅需使用完好界面的信號(hào)進(jìn)行訓(xùn)練，實(shí)現(xiàn)了對(duì)于不同界面狀態(tài)的局部共振譜響應(yīng)信號(hào)特征的自適應(yīng)提取以及自動(dòng)判別，可用于固體火箭發(fā)動(dòng)機(jī)界面脫粘的現(xiàn)場(chǎng)快速自動(dòng)化檢測(cè)。但是本文中CAE和OCSVM的參數(shù)是通過(guò)試錯(cuò)法選取的，下一步應(yīng)對(duì)參數(shù)選擇進(jìn)行更多的研究，以提高脫粘檢測(cè)的準(zhǔn)確性。