專利名稱：一種裂紋形狀反演方法
技術領域：
本發明涉及一種無損檢測方法，尤其涉及一種基于神經網絡與智能算法的自然裂 紋形狀反演方法，用于裂紋的渦流檢測特征識別和定量評估。
背景技術：
目前，渦流檢測法已在蒸汽發生器管道、核電站熱交換管道等許多關鍵設備的在 役檢測中發揮著重要的作用。渦流檢測是一種使用很廣泛的無損檢測技術，它具有檢測速 度快、對表面缺陷反應靈敏等優異性能。一直以來，渦流法主要用于檢測金屬材料表面裂紋 并確定其長度，而裂紋的深度和形狀，則一般采用超聲法進行預測。但是超聲法在檢測表面 淺裂紋及奧氏體不銹鋼材料方面存在不足。隨著對設備結構安全要求的進一步加強，在評 估裂紋擴展趨勢及其嚴重程度時，裂紋的形狀和位置信息是不可或缺的參考因素。
發明內容
本發明的目的在于提供一種基于神經網絡與智能算法的自然裂紋形狀重構方法， 其特點在于1)所采用的徑向基函數神經網絡是一種三層前饋網絡，第一層為輸入層，由信號 源節點組成；第二層為隱含層，其單元數視所描述的問題的需要而定；第三層為輸出層，它 對輸入模式的作用做出響應。輸入層單元只是傳遞輸入矢量到隱含層單元。整個輸入矢量 出現在隱含層的每一個節點。隱含層單元的傳遞函數采用非線性的徑向基函數，每一個隱 含層節點對出現在每一個神經元的輸入矢量執行徑向基函數，以對輸出層的激勵產生局部 化影響，即僅當輸入落在輸入空間某一指定小范圍內時，隱含層單元才會做出非零響應。輸 出層通過對隱含層節點輸出進行線性組合產生一個輸出矢量。2)為了產生用于訓練神經網絡的自然裂紋數據，選用200mm長，IOOmm寬，8mm厚的
鋁板試塊，在機械裝置上固定并使平板三點反復受力彎曲，直到最終產生疲勞裂紋。按這樣 的方式產生許多塊具有疲勞裂紋的試樣。3)為了獲得盡可能多的信息，用安裝扁平線圈探頭的渦流檢測儀在不同的頻率下 對疲勞裂紋進行了檢測。檢測時，渦流探頭采用微機控制的掃描裝置精確定位，包含測量電 壓的輸出信號存儲在微機中用于訓練和檢驗神經網絡。4)采用小波或小波包分解方法對采集的應力腐蝕裂紋原始ECT信號進行降噪處 理，消噪后的信號變得較為平滑。小波分解提取信號特征，將經過小波分解后得到的第4層 細節信號曲線上具有幅度極值點的坐標選擇作為神經網絡的輸入。經過這樣處理之后，神 經網絡的輸入數據量急劇減少，而有用信息并沒有很大損失。5)對試塊中的裂紋進行破壞性檢測，獲得每個裂紋的真實形狀。6)將這些檢測信號和相應的裂紋形狀矢量存儲在數據庫中用于訓練和檢驗神經 網絡。7)基于神經網絡與智能算法的自然裂紋形狀重構方法將神經網絡作為正向模型。即裂紋形狀作為神經網絡的輸入、ECT信號作為神經網絡的輸出，同時利用改進遺傳算法、 混合粒子群算法和蟻群算法根據神經網絡預測ECT信號與真實ECT信號之間的接近程度， 不斷改進裂紋的形狀，使其達到與真實形狀最大程度的接近。8)對于裂紋所在的區域在XY平面按一定路線對裂紋進行掃描，每一個采樣點所 采集的裂紋渦流檢測信號為電壓信號，包含實部與虛部分量。9)基于神經網絡與智能算法的自然裂紋形狀重構方法，重構的裂紋形狀包括裂紋 的表面長度，以及沿裂紋方向不同位置裂紋的深度。利用本發明進行裂紋缺陷量化評價，可以避免常規方法時間花費太多的不足，快 速實現對自然裂紋形狀的重構。
圖1是本發明所采用的徑向基函數神經網絡結構圖；圖2是基于神經網絡與智能算法的自然裂紋形狀重構方法流程圖。
具體實施例方式本發明提供了一種基于神經網絡與智能算法的裂紋形狀量化評價方法，用于對自 然裂紋渦流檢測信號進行定量解釋，屬于無損檢測技術領域。參見圖2，包括如下幾個基本 步驟1)構建作為正向模型的神經網絡；2)制作一定數量自然裂紋試塊；3)用渦流檢測儀 檢測試塊中的裂紋并提取信號的特征值；4)對試塊中的裂紋進行破壞性檢測，獲得每個裂 紋的真實形狀；5)用裂紋真實形狀與渦流檢測信號特征值作為輸入、輸出訓練神經網絡； 6)將待重構裂紋的初始估計值輸入經過訓練的神經網絡，神經網絡的輸出為預測的信號特 征值，將預測信號特征值與用渦流檢測儀測量值進行比較，如果誤差小于設定門限值，則給 定的裂紋形狀初始值即為裂紋的真實形狀，如果誤差大于設定門限值，則改進設定的裂紋 形狀參數并重新輸入神經網絡，按照這種方法，利用智能算法經過多次迭代后，就可以找到 最佳解，即為重構的裂紋形狀。利用本發明進行裂紋缺陷量化評價，可以避免常規方法時間 花費太多的不足，快速實現對自然裂紋形狀的重構。參見附圖1，下面結合附圖對上述各步驟作進一步的說明1)所采用作為正向模型的RBF神經網絡是一種三層前饋網絡，第一層為輸入層， 由信號源節點組成；第二層為隱含層，也稱隱層，其單元數視所描述的問題的需要而定；第 三層為輸出層，它對輸入模式的作用做出響應。輸入層單元只是傳遞輸入矢量到隱含層單 元。整個輸入矢量出現在隱含層的每一個節點。隱含層單元的傳遞函數采用非線性的徑向 基函數，每一個隱含層節點對出現在每一個RBF神經元的輸入矢量執行徑向基函數，以對 輸出層的激勵產生局部化影響，即僅當輸入落在輸入空間某一指定小范圍內時，隱含層單 元才會做出非零響應。輸出層通過對隱含層節點輸出進行線性組合產生一個輸出矢量。2)為了產生用于訓練神經網絡的自然裂紋數據，選用200mm長，IOOmm寬，8mm厚的 鋁板試塊，在機械裝置上固定并使平板三點反復受力彎曲，直到最終產生疲勞裂紋。按這樣 的方式產生許多塊具有疲勞裂紋的試樣。3)為了獲得盡可能多的信息，用安裝扁平線圈探頭的渦流檢測儀在不同的頻率下 對疲勞裂紋進行了檢測。檢測時，渦流探頭采用微機控制的掃描裝置精確定位，包含測量電壓的輸出信號存儲在微機中用于訓練和檢驗神經網絡。4)采用小波或小波包分解方法對采集的應力腐蝕裂紋原始ECT信號進行降噪處 理，消噪后的信號變得較為平滑。小波分解提取信號特征，將經過小波分解后得到的第4層 細節信號曲線上具有幅度極值點的坐標選擇作為神經網絡的輸入。經過這樣處理之后，神 經網絡的輸入數據量急劇減少，而有用信息并沒有很大損失。5)對試塊中的裂紋進行破壞性檢測，獲得每個裂紋的真實形狀。6)將這些檢測信號和相應的裂紋形狀矢量存儲在數據庫中用于訓練和檢驗神經 網絡。7)神經網絡作為正向模型，即裂紋形狀作為神經網絡的輸入、ECT信號作為神經 網絡的輸出，同時利用改進遺傳算法、混合粒子群算法和蟻群算法根據神經網絡預測ECT 信號與真實ECT信號之間的接近程度，不斷改進裂紋的形狀，使其達到與真實形狀最大程 度的接近。所重構的裂紋形狀包括裂紋的表面長度，以及沿裂紋方向不同位置裂紋的深度。
權利要求
1.一種裂紋形狀重構方法，其特征在于，所述的方法包括如下步驟采用徑向基函數神經網絡，是三層前饋網絡，第一層為輸入層，由信號源節點組成；第 二層為隱含層，其單元數能夠根據實際情況調整；第三層為輸出層，它對輸入模式的作用做 出響應；輸入層單元傳遞輸入矢量到隱含層單元；整個輸入矢量出現在隱含層的每一個節點； 隱含層單元的傳遞函數采用非線性的徑向基函數，每一個隱含層節點對出現在每一個神經 元的輸入矢量執行徑向基函數，以對輸出層的激勵產生局部化影響；當輸入落在輸入空間的指定范圍內時，隱含層單元做出非零響應；輸出層通過對隱含層節點輸出進行線性組合產生一個輸出矢量。
2.根據權利要求1所述的裂紋形狀重構方法，其特征在于包括對疲勞裂紋的訓練和 檢測步驟，且用于訓練和檢測的具有疲勞裂紋的試樣為200mm長，IOOmm寬，8mm厚的多塊鋁 板試塊，在機械裝置上固定并使平板三點反復受力彎曲，直到最終產生疲勞裂紋而制得。
3.根據權利要求2所述的裂紋形狀重構方法，其特征在于用安裝扁平線圈探頭的渦 流檢測儀在多個不同的頻率下對疲勞裂紋進行檢測；檢測時，渦流探頭采用微機控制的掃 描裝置精確定位，包含測量電壓的輸出信號存儲在微機中用于訓練和檢驗神經網絡。
4.根據權利要求2所述的裂紋形狀重構方法，其特征在于采用小波或小波包分解方 法對采集的應力腐蝕裂紋原始ECT信號進行降噪處理，使消噪后的信號變得平滑；并且小 波分解提取信號特征，將經過小波分解后得到的第4層細節信號曲線上具有幅度極值點的 坐標選擇作為神經網絡的輸入。
5.根據權利要求2所述的裂紋形狀重構方法，其特征在于對試樣中的裂紋進行破壞 性檢測，獲得每個裂紋的真實形狀。
6.根據權利要求3至5中任意一項所述的裂紋形狀重構方法，其特征在于將檢測信 號和相應的裂紋形狀矢量存儲在數據庫中，用于訓練和檢驗神經網絡。
7.根據權利要求6所述的裂紋形狀重構方法，其特征在于將神經網絡作為正向模型， 即裂紋形狀作為神經網絡的輸入、ECT信號作為神經網絡的輸出，同時利用改進遺傳算法、 混合粒子群算法和蟻群算法根據神經網絡預測ECT信號與真實ECT信號之間的接近程度， 不斷改進裂紋的形狀，使其達到與真實形狀最大程度的接近。
8.根據權利要求2所述的裂紋形狀重構方法，其特征在于，對于裂紋所在的區域在XY 平面按一定路線對裂紋進行掃描，每一個采樣點所采集的裂紋渦流檢測信號為電壓信號， 包含實部與虛部分量。
9.根據權利要求2所述的裂紋形狀重構方法，其特征在于重構的裂紋形狀包括裂紋的 表面長度，以及沿裂紋方向不同位置裂紋的深度。
全文摘要
本發明公開了一種基于神經網絡與智能算法的裂紋形狀量化評價方法，用于對自然裂紋渦流檢測信號進行定量解釋。包括如下幾個基本步驟1)構建作為正向模型的神經網絡；2)制作一定數量自然裂紋試塊；3)用渦流檢測儀檢測試塊中的裂紋并提取渦流檢測信號的特征值；4)對試塊中的裂紋進行破壞性檢測，獲得每個裂紋的真實形狀；5)用裂紋真實形狀與渦流檢測信號特征值作為輸入、輸出訓練神經網絡；6)將待反演形狀的裂紋初始形狀估計值輸入經過訓練的神經網絡，輸出預測的信號特征值，將預測信號特征值與用渦流檢測儀測量信號特征值進行比較。利用本發明進行裂紋缺陷量化評價，可以避免常規方法時間花費太多的不足，快速實現對自然裂紋形狀的重構。
文檔編號G01N27/90GK102128880SQ20101002267
公開日2011年7月20日 申請日期2010年1月12日 優先權日2010年1月12日
發明者張思全, 胡盛斌 申請人:上海工程技術大學