声发射信号的识别算法基于条件随机场模型在储罐地板使用内检测器检测

文摘

声发射(AE)技术常被用来检测难以进入的大型储罐地板用AE传感器放置在坦克。坦克与固定屋顶,凝结造成的后缩信号混合罐的腐蚀信号楼,干扰在线AE检测。后缩信号很难用常规方法过滤掉。为了解决这个问题,一个新颖的AE内检测器,储罐内工作,采用模式识别算法基于CRF条件随机场模型。算法应用于区分腐蚀信号和干扰信号,尤其是后缩信号由冷凝造成的。Q235钢腐蚀信号和drop-signals收集在实验室和现场的网站,和七个典型AE特征基于点击量和频率提取并选择mRMR(最小冗余最大相关性)模式识别。验证该算法的有效性,CRF模型的识别结果与BP(反向传播)相比,SVM(支持向量机),嗯(隐马尔科夫模型)。结果表明,训练速度、准确性和中华民国(接受者操作特征)CRF模型优于其他方法的结果。

1。介绍

声发射(AE)是一种有益的方法来测试地板的腐蚀不开储罐(1- - - - - -5]。在传统在线槽地板测试(6),传感器是由磁铁固定在舱壁收集信号。然而,AE测试易受外部干预,如砂碰撞和外部的振动。为了解决这个问题,采用新发明的AE检测设备舱地板检查,它可以工作在水箱收集AE信号,以避免外部干扰(7]。与此同时,储罐内的声场条件是复杂的。许多噪音信号的特点在油罐的腐蚀信号非常类似于坦克地板,这将严重影响舱地板的评估的结果。

对于那些坦克fixed-roofs,温暖的油箱里的汽油凝结液滴开会时寒冷的屋顶。水滴从屋顶掉下来的水/油表面和AE信号产生干扰8]。干扰信号引起的液滴应该过滤掉安全腐蚀源位置的准确性和舱地板的效率评估。警卫队传感器通常采用的屏蔽液滴在AE检测罐底噪音信号。然而,内心的AE探测器内部的空间很小,保护传感器的硬件系统是复杂的。所以它不适合内部AE探测器使用保护传感器。由于这个原因,一个特定的模式识别算法来过滤掉干扰信号。

模式识别通常应用于识别AE信号引起的不同来源。2008年,Riahi et al。9)使用一个人工神经网络系统来区分泄漏和地上储罐的腐蚀在AE信号测试地板。Zhang et al。10)提出了一种方法来检测天然气管道的泄漏阀通过使用AE技术和SVM(支持向量机)适用于准确识别泄漏的阀门。在刀具磨损监测领域,朱et al。11),Varma和巴拉(12),Zhang et al。13陈,et al。14]使用嗯(隐马尔可夫模型)来识别不同的刀具磨损状态。

在这项研究中,一个算法基于CRF(条件随机场)模型提出了区分后缩从腐蚀AE信号噪声。七个典型AE参数,如振幅、计数、持续时间、上升时间,真正的能量,平均频率和峰值频率,提取CRF创建分类器模型,BP(反向传播),支持向量机,嗯。结果表明,CRF模型比其他三个模型在训练速度,准确性,中华民国(接受者操作特征)的结果。

本文组织如下。部分2介绍了CRF模型的基本原则。实验设置和程序说明和AE信号特征提取方法提出了部分3。部分4显示了CRF模型的建立过程创建和结果,通过CRF的比较和其他三个分类器。部分5礼物的结果应用CRF模型在田间试验。并给出论文的总结部分6。

2。CRF模型

CRF模型是一个典型的判别模型,提出了拉弗蒂等人(2001年15]。CRF可能被视为一个无向的图形模型,或马尔可夫随机场,它定义了一个对数线性分布在给定一个特定的输入输出变量序列随机变量(16]。

线性链条件随机场(LC-CRF),如图1,是最常用的形式之一的CRF模型。输入随机变量和输出随机变量分别表示观测序列和状态序列。的条件概率鉴于是已知的,倾向于满足全球条件概率最大;也就是说,

在这个模型中,观测数据状态序列的概率可以表示成 是一个规范化的因素可以被描述为哪一个 在哪里是一个过渡特性函数整个观察序列和美国的立场和在序列;是一个状态特性的功能状态位置和观测序列;和需要从训练数据估计,表示的重量值转换特性函数和状态特征函数分别。

的AE检测槽地板,AE信号的特征提取可以被视为观察序列和信号类型可以被视为状态序列。然后,CRF模型可以创建和信号可以分类。

3所示。实验准备和特征提取

3.1。实验装置

实验系统由一个水箱,内部AE探测器,和试样腐蚀实验,如图2。图的水箱3,尺寸1.4米×1.4米×1.5米(长×宽×高),用于在实验室模拟储罐。内部AE探测器,用来收集AE信号,包括AE传感器、放大器、数据采集系统和电池(见图4(一))[17]。探测器可以开动自己接近坦克地板和收集AE信号,所以它可能会削弱外部干扰引起的干扰,提高信噪比(信噪比)与传统的AE测试方法相比舱地板。四个AE传感器安装在孔的底部探测器收集AE信号。和数据采集系统包括处理电路、AD采样卡和PC104计算机放置在外壳样品并保存收集的信号。

标本,如图4 (b),被酸腐蚀模拟腐蚀槽地板上。标本是Q235碳钢的材料表,与储罐的材料相同的地板。标本是机加工的尺寸180毫米×180毫米×5毫米(长×宽×厚度)和0.02毫米的表面粗糙度。圆、中空容器内径的50 mm是固定标本的环氧树脂。样品的表面被磨砂论文通过400级到2000级,用丙酮冲洗,用去离子水脱脂,干空气中。在实验之前,酸会涌入带盖子的容器和密封用丝带包装。

3.2。实验的程序

3.2.1之上。腐蚀信号的收集

收集腐蚀信号,5 mol / L H₃阿宝₄是用作测试解决方案与标本模拟腐蚀反应在坦克。R15压电AE传感器产生的物理声学公司(PAC),操作频率范围在50 - 400 kHz,被用于实验。电荷前置放大器的增益设置为60 dB,和模拟带通滤波器的截止频率100赫兹和400千赫18,19]。采样率是3兆赫和采样精度10位。在实验过程中,阈值水平固定在35 mV,略高于先前测量的背景噪音。

在实验室进行了一系列的实验。的标本处理过程之前提到的条款,被坦克地板上15厘米的距离在水箱内检测器和腐蚀信号收集约1小时。

3.2.2。后缩信号的收集

现场实验是在一个新的耐火水箱进行状况良好。罐的直径是6米,高度为10米。实验参数是一样的,在实验室测试。水箱的温度在实验中是23°C,而室外温度−15°C。后缩信号丰富是由于温暖的油箱里的汽油的区别和固定冷屋顶水箱。测量环境噪声电平后,设置阈值高于背景噪音。在实验期间,后缩信号收集没有侵蚀标本(见图5和6)。

3.2.3。混合信号的收集

收集后缩信号后,在现场水箱,侵蚀标本放置在同一位置与实验室测试。和腐蚀信号和干扰信号。在一个小时的实验,7475组收集AE信号进行进一步分析。

3.3。AE特征提取和样本集

AE参数的特性代表了腐蚀的特征信号,和7个典型的AE信号的特征参数提取构建分类模型(20.,21]。功能包括五个冲击特性为基础,综合特性和频率特性,表所示1。

为了实现模式识别的分类,260组腐蚀后缩干扰信号的信号和260组被选为样本建立分类模型。信号被随机分为两组。200组信号被用作训练集60,另一组作为测试集,分别。训练集和测试集的形成是列在表中2。

3.4。特征选择

如上所述,七AE特征,如振幅、计数、持续时间、上升时间,真正的能量,平均频率和峰值频率,提取和它们被定义为F1 ~ F7。为了避免造成的影响不同的7级特性,特征参数归一化。和一个名叫mRMR的特征选择算法(最小冗余最大相关性)是利用来决定最优的特性集。

mRMR是一种新方法来选择好的特性提出的彭et al。22]。要找出最高的特征与目标类,同时与其他低冗余功能。和mRMR可以被定义为 在哪里最初的特性集和吗设定的目标类,互信息的特征吗和类,是所有互信息值的平均值之间的个人特性和类,互信息的特征吗和,意味着不同特性之间的互信息。

互信息定义的概率密度函数,给定两个随机变量和:

操作员定义结合起来和考虑以下简单的形式来优化和:

和公式的结果(6)互信息差异(中期)和用于排序功能。在实践中,七个功能是由mRMR排名如下:F7, F1, F2, F3, F4, F6, F5。第一个4特性(峰值频率、上升时间、幅度和持续时间)确定最优特性集训练和识别的样本。

4所示。分类结果和讨论

在本节中,CRF的分类器模型,BP,支持向量机,并采用嗯认识到腐蚀信号从干扰信号提取的特征的基础上,分别。和不同的模型的结果进行比较和讨论。

4.1。CRF分类模型的建立

在LC-CRF模型中,输入序列的特征向量被认为是正整数。因此,提取的特征归一化到1 ~ 101,用作观察序列。样本腐蚀力,后缩的状态干扰是标记为1和2,分别。的应用LC-CRF模型包括两个步骤:训练和识别。训练样本的特征被用来计算模型参数。条件概率模型是通过最大似然估计获得,而内存有限Broyden-Fletcher-Goldfarb-Shanno (LBFGS)算法得到的最优参数模型。在这里,初始模型参数设置为0和收敛精度限制为0.0001。在识别、测试样本的特征作为输入变量状态序列的模型,获得了在第一步中,计算了维特比算法。该方法可以概括的流程图见图7。

4.2。英国石油公司,支持向量机,嗯

如上所述,英国石油(BP)、支持向量机和嗯是常用的AE信号的分类方法。为了比较和识别结果,三种分类器作为LC-CRF使用相同的训练和测试数据。英国石油(BP)的模型,建立了支持向量机,嗯如下。

英国石油(BP)是一种常见的训练人工神经网络方法。一个典型的英国石油(BP)分类器的结构如图8。设计BP模型,这些参数应该确定:函数的输出层,隐藏层的函数,训练速度,隐层节点的数量。在测试中,“选择”功能隐藏层的激活函数,和““函数选为输出层的传递函数。和学习价值观是由梯度下降的方式调整。隐层节点的数量,设置为14在该测试中,输入节点数的两倍。此外,学习速率是0.01。

SVM使用核心概念命名为内核的任务。内核的机器提供了一个模块化的框架,可以适应不同的任务和域通过使用不同的核函数和基本算法。支持向量机的结构如图9,在那里是内核函数。三个参数需要确定设计一个支持向量机模型:内核函数,成本()和γ()。本文选择经典RBF核函数,内核参数和可以由5倍交叉验证方法。在这种情况下,最优的解决方案2,是22.627。

嗯由马尔可夫链和随机过程。马尔可夫链对应的状态序列,这是所描述的和。随机过程描述为观察序列,这是所描述的。所以一个HMM模型可以描述为 在哪里马尔可夫链和国家号码是可能的每个状态的观测值数量。是状态转移概率矩阵的大小和观测值的概率矩阵的大小等于什么。是初始概率分布向量长度。所以和必须确认建立HMM分类器。的价值和决定6和8,分别使用试验和错误的方法。模型参数计算了Baum-Welch算法,收敛精度极限是0.0001。

4.3。结果和讨论

来验证,如果第一个4特性最佳的特性集,样本训练和测试通过CRF模型使用前三,第一个5和7所有功能。精确率如表所示3。使用第一4和5的特性可以使一个准确率为100%,高于其他两个特性集。第一个4特性(峰值频率、上升时间、幅度和持续时间)被选为最佳的特性集训练和识别的样本。

使用相同的训练集和测试集,CRF模型的识别结果和其他三个算法(BP、支持向量机和嗯)比较基于PC (Core 2 Duo E6300 3.2 G内存),分别。结果在训练时间相比,准确性和ROC曲线(接受者操作特征)。最大的培训时间和准确率如表所示4。

这表明CRF的准确率高于BP、支持向量机和HMM模型和CRF的训练时间是最短的。梯度下降算法用于BP的参数调整,因此它需要迭代得到的最优参数。此外,选择最大迭代学习速率,和隐层节点的数量通常是由经验或试验和错误的方法。BP的训练速度和准确率较低,很难获得最优网络。支持向量机的训练速度和精度高于BP和嗯但更适合小样本数据的情况,而不是AE检测领域,这是一个大样本数据的情况。嗯是广泛用于许多领域,但是嗯的缺点之一是,该模型假定观测值在某一时刻仅依赖于状态的马尔可夫链在这个时间和观察序列是相互独立的,而AE信号的特征并不是相互独立的。所以嗯的准确性是最低的四个模型。CRF模型可以充分利用信息的特性和接受之间的依赖性特征。与此同时,它可以实现全局优化。

此外,ROC曲线是用来测试CRF模型和BP的性能,支持向量机和HMM模型(23- - - - - -25]。曲线是由策划真正积极率对假阳性(灵敏度)率(1−特异性)在不同的阈值设置。曲线下的面积(AUC)可以作为判断的标准模型。更大的AUC代表更好的性能。数据9和10显示的识别结果的ROC曲线信号和腐蚀后缩噪音,分别。

这是如图10和11CRF模型AUC最大,其次是SVM,英国石油(BP)和HMM模型。

因此,CRF模型优于支持向量机的识别结果,英国石油(BP)和嗯在训练速度、准确率,AUC的ROC曲线。

5。CRF模型在田间试验中的应用

在现场试验的最后一步,内心的探测器收集腐蚀信号和噪声后缩。一小时的实验中,7475个团体AE信号的收集和分类使用CRF模型。1105年组归类为腐蚀信号和其他6370组被确定为后缩干扰。和腐蚀量信号约等于在实验室腐蚀信号收集的数量在同一时间。测试CRF模型在田间环境的影响,统计分析方法被用来比较结果。的关系曲线,即信号的累积量随时间的推移,获得和显示数据12和13。

在图12在实验室,腐蚀信号收集和AE支安打(腐蚀信号)的数量随时间。它是观察到腐蚀过程可分为4个区。一开始(区域1),磷酸开始与钢板的反应。因为大接触面积和氢离子浓度高,AE支安打的数量快速增加。然后,反应中产生的氢积累在板的表面,形成泡沫,使接触面积减少(区域2)。随着反应的进行,气泡聚合成大气泡,然后突然。酸又完全与钢板接触和反应速率和AE支安打的增长率显著增加(带3)。而氢离子的浓度下降,钢板的酸反应慢于前和AE支安打的数量增长缓慢(带4)。

图(13日)显示了AE点击量与时间之间的关系被CRF模型和分类这几乎是线性的。它不反映腐蚀测试的统计规律。图13 (b)显示了AE点击量和时间的关系曲线现场信号采集的网站分类后CRF模型。在图的关系曲线13 (b)也有4个区域具有相同特征图12。之间存在着微妙的差异区域的转折点在时间轴上的人物13 (b)这在图12因为内心的探测器的安装时间开始收集信号的现场试验是一个垃圾的时间比在实验室测试。数据处理结果表明,利用CRF模型能反映腐蚀试验和CRF模型的统计法律执行领域的测试应用程序。

6。结论

后缩信号是由凝结在储罐固定屋顶是一个大问题在AE在线存储柜地板检查。在这篇文章中,一个新的内部AE检测和识别算法基于CRF模型应用于区分腐蚀从后缩AE信号干扰。AE参数、振幅、计数、持续时间、上升时间,真正的能量,平均频率和峰值频率、被选作为识别的特征参数。

在水箱实验在实验室和现场采集腐蚀AE信号和后缩的信号。CRF的识别结果与其他3的BP模型相比,支持向量机,嗯。精度的比较、训练速度和ROC曲线表明CRF的AUC优于其他三种模型对腐蚀信号的识别和后缩干扰信号。

利益冲突

作者宣称没有利益冲突有关的出版。

确认

这项工作是由天津科学基金会的资助下13 jcybjc18000,天津的技术支持基金会的资助下14 zczdgx00003,和天津海洋经济创新发展区域示范项目的资助下2015120024000473。

引用

1. m . c .林y . w . Kang l . (w . b . Wang和y太阳,”研究大型地上储罐声发射进行检查地板,”第八届国际管道研讨会论文集(IPC的10),页233 - 239,卡尔加里,加拿大,2010年10月。视图:出版商的网站|谷歌学术搜索
2. l . y .太阳和y . b . Li”大型立式储罐底部通过声发射信号分析评估,”学报》第23届中国控制与决策会议(CCDC ' 11)绵阳,页3554 - 3558年,中国,2011年5月。视图:谷歌学术搜索
3. 美国公园,s . Kitsukawa k . Katoh s Yuyama h . Maruyama k .关根身上,“AE监测方法的发展石油储罐底板的腐蚀损害在中性的沙滩上加载下,“材料交易卷,47号4、1240 - 1246年,2006页。视图:出版商的网站|谷歌学术搜索
4. m·桑切斯:Cardenas, v . a . Dominguez”地上储油罐的声发射测试:风险评估和经验教训,”过程安全没有,卷。31日。2、159 - 164年,2012页。视图:出版商的网站|谷歌学术搜索
5. W.-K。王,Y.-B。李,Y.-N。李和张y”,声发射事件测定方法对声发射测试基于聚类分析的罐底”《IEEE / ASME国际会议上先进的智能机电一体化:机电一体化为人类幸福(目标的13)伍伦贡,页1686 - 1691年,澳大利亚,2013年7月。视图:出版商的网站|谷歌学术搜索
6. 黄懿慧黄,h·l . Chong m . Hu x m .贾w . Liu和j .马”的应用和研究声发射技术在储罐的安全检测,”主要工程材料卷,501年,第565 - 561页,2012年。视图:出版商的网站|谷歌学术搜索
7. t·l·傅研究关键技术在罐底腐蚀内部检测系统(硕士论文)、天津大学、天津,中国,2012。
8. d .帮派j . Shijiu z Congying, w . Weikui”研究声发射技术对罐底腐蚀检查、”防腐方法和材料卷,57号6,275 - 279年,2010页。视图:出版商的网站|谷歌学术搜索
9. m . Riahi h . Shamekh, b . Khosrowzadeh”分化的泄漏和腐蚀信号在地上储罐声发射检测与人工神经网络地板,“俄罗斯《无损检测,44卷,不。6,436 - 441年,2008页。视图:出版商的网站|谷歌学术搜索
10. z l·h·f·张,z l . Li, z Bi,“智能识别天然气管道泄漏水平阀使用小波包能量和支持向量机模型中,“洞察力,55卷,不。12日,第674 - 670页,2013年。视图:出版商的网站|谷歌学术搜索
11. k·p·朱、g . s .香港和y s . Wong“特征选择的比较研究隐马尔科夫模型micro-milling刀具磨损监测、”加工科学与技术,12卷,不。3、348 - 369年,2008页。视图:出版商的网站|谷歌学术搜索
12. Varma和j·s·巴拉”,刀具磨损声排放估计:一个模型将磨损率,”《IEEE 16国际会议模式识别魁北克市,页492 - 495年,加拿大,2002。视图:出版商的网站|谷歌学术搜索
13. x张H.-Y。傅,Y.-Z。太阳,Z.-Y。汉”,基于隐马尔可夫模型micro-milling刀具磨损监测、”计算机集成制造系统,18卷,不。1,第148 - 141页,2012。视图:谷歌学术搜索
14. z . f . y . l . Chen田,d . z侯”的声发射监测方法在数控刀具磨损和破损无聊,”机床与液压40卷,第113 - 111页,2012年。视图:谷歌学术搜索
15. j·d·拉弗蒂a . MeCallum f·c·n·佩雷拉,“条件随机域:概率模型分段和标签序列数据”18学报》国际会议上机器学习(ICML ' 01)威廉姆斯,页282 - 289年,质量,美国,2001年。视图:谷歌学术搜索
16. h . m .瓦拉赫”条件随机域:介绍,“技术报告(CIS),2004年。视图:谷歌学术搜索
17. t·l·傅y . b . Li和s . j .,“采集系统的存储基于PC104罐底腐蚀声发射,“传感器与微系统技术31卷,第136 - 134页,2012年。视图:谷歌学术搜索
18. g . Du w . Wang美国歌曲,和美国,“检测304不锈钢的腐蚀声发射测量,”防腐方法和材料卷,57号3、126 - 132年,2010页。视图:出版商的网站|谷歌学术搜索
19. j .李无损检测手册,中国机器出版社,北京,中国,第二版,2011年版。
20. p·o·摩尔,无损检测手册:声发射测试美国无损检测学会,哥伦布,俄亥俄州,美国第3版,2005年版。
21. l .高哉,苏,p, h . Wang和l .刘”研究和应用声发射检测在低速重载齿轮故障诊断,”传感器,11卷,不。1,第611 - 599页,2011。视图:出版商的网站|谷歌学术搜索
22. c . h . Peng叮,f .长,“最小冗余最大相关性特征选择,”IEEE智能系统,20卷,第71 - 70页,2005年。视图:谷歌学术搜索
23. t . w . Yu,”中华民国:接受者操作特征表面class-skewed高通量数据,”《公共科学图书馆•综合》,7卷,不。7篇文章ID e40598 2012。视图:出版商的网站|谷歌学术搜索
24. d·d·多尔夫曼和k . s . Berbaum”,中华民国的副法线污染模型的用途III。初步评估与检测ROC数据”,放射学学术,7卷,不。6,438 - 447年,2000页。视图:出版商的网站|谷歌学术搜索
25. j·汉、m . Kamber和j .贝聿铭数据挖掘:概念和技术,中国机器出版社,第三版,2012年版。

版权

版权©2015李等,这是一个开放的访问分布在条知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。