文摘

考虑到难以直接使用多传感器检测缺陷特征信息识别、基于数据融合技术的一种改进的多传感器识别算法提出了内部缺陷深度的评估。起初,两种常用的无损检测技术,如超声波测试(UT)和涡流检测(ECT)介绍;然后,基于误差分布特征融合方法的两种检测方法是通过双曲判别函数来评估改进的亚表面缺陷的深度。实验结果表明,改进的算法比现有算法,所以它可以取得更好的综合结果,提高正确识别率。

1。介绍

量化内部缺陷的无损检测导电零部件在很大,疲劳裂纹和应力腐蚀等紧固结构或搭接接头,是一个紧迫的研究课题等关键字段的飞机、航空、轨道交通、加工和制造业1]。检测技术的重要组成部分,无损检测是一个全面的测试过程,裂缝检测、评估,等等,而不损害自己的身体或检测对象的结构特点(2,3),它在控制中发挥着关键作用,提高产品质量,确保材料的可靠性,组件,产品,设备,是现代工业生产中不可分割部分,已成为一个热点领域研究的专业国内外学者(4- - - - - -7]。方法利用磁光成像传感器检测内部缺陷形状结合涡流效应和光电效应法拉第提出了(4],它需要一个优势在高速、实时、大面积、可视化。基于水浸超声传感器量化检测方法研究[5),验证缺陷回波在凹凸的表面。该方法解决了高成本和低发生在传统方法的适用性问题。一个简单的程序,实用性强,高效无损方法提出了(6),它使用贯入法检测焊缝缺陷的高速子弹列车。该方法使用涡流传感器测试研究了亚表面缺陷(7),与有限元方法验证其效率。

因为各自的特性和单一传感器的适用范围有限,不能全面检测各种地下缺陷,multisensor-integrated有关无损检测技术和研究越来越多。它主要涉及到信号处理、数值模拟、数据融合、逆分析,和其他领域,属于先进检测技术的研究领域8,9]。基本multisensor-integrated无损检测理论和技术的研究和应用已成为一个重要的研究方向在许多国家如美国、英国和俄罗斯。国内主要航空飞机的制造,航空产品的批量生产阶段,轨道交通的蓬勃发展,核电站,快速和可靠的测试集成的无损检测要求越来越迫切。

作为各种功能的难题来自不同传感器的信息不能直接使用内部缺陷的深度测试,一个算法基于多传感器融合技术用于内部缺陷深度估计算法。多传感器信息融合技术起源于1970年代和明智地用于各种智能平台和民事领域。多传感器信息融合技术实际上是一个功能模拟人类大脑的复杂的问题。与单一传感器相比,多传感器信息融合技术可以提高系统的生存能力和提高整个系统的可靠性和健壮性,当解决问题的检测、跟踪和识别目标。作为多传感器检测的研究热点之一,国内外专家进行了广泛的研究,促进许多信息融合技术(10,11]。目前,不同的日期融合算法进行了研究,其中包含加权平均融合,卡尔曼滤波方法,贝叶斯估计,统计决策理论,概率方法、模糊逻辑推理、人工神经网络、d - s证据理论,等等。加权平均融合方法用于计算每个数据源的有效像素的比例提出了(10),这减少了源数据噪声和提高数据空间覆盖率和信心。提出了卡尔曼滤波的多传感器融合方法在11),过滤精度高,可以消除测量系统误差成功。电子电路故障定位的多传感器融合算法提出了基于d - s证据理论在12),它显示了多传感器融合计算方法的优越性。变压器故障诊断方法基于多个神经网络和证据理论融合提出了(13),有机结合了神经网络和证据理论的数据融合。

ECT和UT是典型的非破坏性方法,但它们都有优点和缺点。当缺陷的深度浅表面,涡流检测的可靠性高于超声波测试和缺陷的深度时内心的深处,超声波测试更加可靠。为了克服单一检测方法的局限性在地下,缺陷定量检测算法提出了基于数据融合。

2。等的定量检测模型和UT

相应的检测等的数学模型和UT构建首先通过机器学习大量的测试数据。等理论是由麦克斯韦方程,这是一种无损检测方法基于涡流的原理将产生交变磁场中的导线。导体中的涡流反应检测电磁线圈,产生相应的电磁线圈的阻抗,导致振幅的计算阶段,和流动的涡流形式。因此,根据这些信息,具体缺陷状态的试样与标准对象可以通过比较获得。

通过分析等理论,有一些限制使用涡流检测方法由于导体集肤效应变化的电磁场,涡流密度与缺陷深度的增加迅速变弱。被描述为衰减速度

在(1),是涡流密度无限大导体表面,激励频率的交流电,材料的磁导率,材料的导电性。在深度是涡流密度从表面。这个方程显示涡流检测的可靠性,它将越来越少随着深度增加。被定义为标准的表面效应深度深度时,涡流密度1 /变弱e从表面

一般来说,材料的测试对象是静止的;因此,导电性和磁导率几乎是恒定的。3的深度从表面被定义为涡流检测的极限位置。基于知识、频谱振幅和地下的深度缺陷的指数关系

是振幅特性从涡流传感器,次表层缺陷的深度,缺陷的深度,和在不确定条件下的平衡参数。和可以计算的最小二乘法与大量的测试数据吗

在(4),是振幅特性测试涡流检测缺陷的深度是什么时候吗 。 , ,和可以通过大量的测试数据(计算 , )。所有试验的测试数据,测试标本和数字在部分说明4。

UT的物质基础是粒子的机械振动和传播,它遵循的法则反射,折射,波叠加,干扰,惠更斯原理等等。脉冲反射超声波检测方法是应用最广泛的发射超声波测试材料和回声单收集来分析材料的物理性质通过构建相应的反射的声波振幅之间的关系和传播时间(14]。传播时间可以精确定位的横纵坐标(基线)和垂直纵座标数据可以被用来获得相对值占的形状和分布缺陷,可用于未知缺陷的知识通过比较标准的缺陷。如果有缺陷的材料,相应的脉冲波形会出现的时间基准。水平标尺和测试之间的比例关系深度、缺陷深度是

在(5),水平扩展,反射时间,是时间间隔。的传播时间的影响是无法获得缺陷深度的现有数据,可靠的深度只能评估的测试数据分析。根据手头的资料,从内部缺陷检测和特征数据的地下深度是相互关联的

在(6),是超声波的回波到达时间特性测试,内部缺陷的深度, , 是超声检测参数。 , 可以通过最小二乘法计算大量的测试数据。它可以描述的最小二乘法

在(7),通过超声检测回波到达时间特性测试缺陷的深度是什么时候吗 。 , 可以通过大量的测试数据(计算 , )。

通过ECT和UT方法,特征数据可以通过一个庞大的地下材料与已知的深度,可以评估和内部缺陷的深度,然后是可靠性和可获得误差分布。两种方法的可靠性可以被描述为RMSE(均方根误差)

在(8),是涡流检测的不可靠性,是超声检测的可靠性,可以描述在图吗1通过大量的测试数据。

两两种无损检测方法的优点和缺点,如图2。超声检测操作方便的优势,准确定位,灵敏度高,使用缺陷回波的时间和振幅值的缺陷深度,但穷人的缺点地表和近地表缺陷检测能力。检测的进展,将缺陷信息隐藏在第一个回波缺陷深度时小;根据检测错误,超声定量估计误差小(小于0.5毫米)如果缺陷深度大于3.6毫米。当缺陷的深度浅,涡流检测比超声波测试更可靠;根据检测错误,涡流定量估计误差小(小于0.5毫米)如果缺陷深度小于2.8毫米,在深深度时,超声波测试比涡流检测更可靠。

3所示。多传感器的缺陷深度定量评价算法

两种检测方法的误差分布特征、内部缺陷定量评估算法,基于理论的多传感器数据。

为了消除等之间的不同维度和UT,测试数据必须规范化。摘要min-max方法用于处理数据和处理数据的要求标准正态分布(意思是0和标准差是1)。是无量纲特征值。涡流传感器的观测数据或超声波传感器。每组的最小值,每组的最大价值。

后取得的无因次特征值的两种测量方法,缺陷深度等预测方法,可以使用UT,分别即和 。在哪里是预测深度的涡流检测(3)。和超声检测的深度预测(6)。

通常,两种检测方法不同时生效, 。即使这样,有巨大的区别这两种方法的结果。在这一点上,有必要构建模型评估哪一种检测方法更加可靠。提出双曲判别函数模型 在哪里和是表面缺陷深度从两种检测方法。 和综合评价参数的检测方法,可以从最小二乘法计算得到基于大规模的测试数据。

缺陷深度可以通过这种歧视模型基于决策模式通过最大化的概率,准确测定是深度从涡流或超声波测试模型。通过若干次迭代,给出相对应的深度不同的区间值在以下情况。

歧视模型1:当往往深位置(大于3.6毫米),第一项(10) 往往是1,而后者项目通常趋向于0。根据这一模型类似于阶跃函数,可以得到结论:超声检测结果是有效的,和涡流检测结果是无效的。公式(5)是用来计算缺陷深度。

歧视模型2:当倾向于浅的位置(小于2.8毫米),第二项(10) 趋向于1,前者项目通常趋向于0。基于此属性 ,得到结论:涡流检测的结果是有效的,和超声波测试结果是无效的。方程(3)是用来计算缺陷深度。

歧视模型3:当没有特殊的趋势深度(2.8毫米和3.6毫米之间)的绝对值 也不是太大。在这种情况下,单一的涡流检测或超声波测试模型已不再使用,但不确定性的均衡模型将被用来计算缺陷深度

和获得的数据的特征在两种检测方法,分别。 和数据融合的参数,可以通过最小二乘法,分别。

4所示。仿真分析

为了验证的性能提出了基于融合技术的多传感器识别算法对亚表面缺陷深度、超声检测和涡流检测是用于获得特性数据。包含400组实验样品的材料(铝)的缺陷深度1毫米,1.5毫米,2毫米,2.5毫米,3毫米,3.5毫米,4毫米,4.5毫米,每个缺陷是测试了50倍。320组数据用于计算的相关参数,统计误差,统计这两种检测方法的不可靠性,和80组数据用于验证测试方法的准确性。标本和缺陷的原理图如图3。统计误差和统计不可靠性曲线变化与缺陷的深度图所示4和5。80组数据的平均的结果提出了定量评估表1。

结果表1如数据所示6- - - - - -8。根据这些数据,绝对误差和相对误差的方法提出了执行优于其他方法。在浅的检测缺陷深度,UT的绝对误差和相对误差很大。深层缺陷的探测深度,ECT的相对误差很大。比较不可靠(均方根)的三种检测方法,本文提出的方法是在图的最可靠的方法8。

5。结论

为了克服深度的限制通过单一传感器检测方法,一种改进的基于数据融合技术的多传感器识别算法提出了内部缺陷深度的评估。内核的想法这个算法是建立的判别函数和融合功能等和UT数据。区分函数是用来评估各种可靠性测试方法和判别函数时不能有效区分缺陷,融合函数将被用来制造表面缺陷的深度的定量评估与多种传感器数据。仿真实验的结果表明,该算法具有更高的准确率。

的利益冲突

作者宣称没有利益冲突。

确认

作者承认的支持浙江省公益性技术应用和研究项目(c33038 LGF18F010005, 2016年),中国浙江省科技重大专项项目(2015 c01033)和中国国家自然科学基金(61501403)。