石兆北

（陸軍航空兵學(xué)院 101123）

摘要：通過聲發(fā)射傳感器和相配套的系統(tǒng)，通過聲發(fā)射信號的特征來判斷結(jié)構(gòu)工作狀況。材料的斷裂的每一個階段都有一定的聲發(fā)射現(xiàn)象，將過程與模式對應(yīng)起來，選取神經(jīng)網(wǎng)絡(luò)算法，對結(jié)構(gòu)破壞階段進行模式識別，對結(jié)構(gòu)的損傷階段進行預(yù)測。

關(guān)鍵詞：聲發(fā)射，三點彎曲，神經(jīng)網(wǎng)絡(luò)，模式識別

人工神經(jīng)網(wǎng)絡(luò)聲發(fā)射信號處理正在逐漸成為國內(nèi)外聲發(fā)射研究領(lǐng)域的重大方向。人工神經(jīng)網(wǎng)絡(luò)可以實現(xiàn)自我學(xué)習，在此基礎(chǔ)上進行自我改正，然后再進一步的進行組織，對同時發(fā)生的大量數(shù)據(jù)有著有效的解決方法。從而可以應(yīng)對噪聲對聲發(fā)射信號的干擾現(xiàn)象，能夠比較準確的進行模式的識別。

本文觀察了材料在三點彎實驗中的聲發(fā)射特征，根據(jù)神經(jīng)網(wǎng)絡(luò)的特點以及采集的聲發(fā)射時域特征信號到神經(jīng)網(wǎng)路中各個模式的對應(yīng)關(guān)系，有導(dǎo)師的學(xué)習的神經(jīng)網(wǎng)絡(luò)比較適合本文的實驗，同時本文選用了當前神經(jīng)網(wǎng)絡(luò)中成熟而高效的B-P神經(jīng)網(wǎng)絡(luò)。

1.聲發(fā)射原理

材料在受到外力或者內(nèi)力的作用時會產(chǎn)生開裂變形，并且以彈性波的形式釋放出能量，這種現(xiàn)象稱為聲發(fā)射。

在各種材料加工處理過程及最終的使用過程之中，材料的缺陷斷裂處會發(fā)出聲發(fā)射信號。信號會從斷裂處以能量波的形式不斷向外傳播，直到材料的表面。

2.三點彎聲發(fā)射實驗

此次試驗中所用的材料是45鋼，實驗所用的加載設(shè)備是UTM5105型號數(shù)字化電子萬能試驗機，萬能拉伸試驗件的配套監(jiān)測儀器是NI-PXI電子化聲發(fā)射監(jiān)測系統(tǒng)。

實驗的方法是三點彎，實驗的實際過程中并沒有出現(xiàn)真正的斷裂，力時間曲線后期并沒有出現(xiàn)理想中的下降，材料形核后面的階段區(qū)分度不明顯，模式識別存在較大誤差，故采取對前四個階段進行模式的識別。從時間上將實驗數(shù)據(jù)分為彈性變形、塑性變形、裂紋形核、裂紋拓展失穩(wěn)四個模式。

實驗采取了各階段數(shù)據(jù)，提取時域特征信號后，隨著力的不斷增加進行，可以比較清晰地發(fā)現(xiàn)材料對應(yīng)于四個階段的聲發(fā)射特征較明顯，每個階段都有不同。第一階段材料中釋放的能量較少，各參數(shù)值較??；第二階段材料內(nèi)部有一定的能量釋放，信號強度相比一階段有了提高；第三階段材料內(nèi)部裂紋開始形核，新的裂紋核不斷形成，能量大量釋放，信號活躍；第四個階段，小裂紋匯集為大裂紋，裂紋向前不斷擴展，材料抵抗外力能力不斷下降，聲發(fā)射信號的強度先保持較高的值，之后材料內(nèi)部裂紋的急劇擴展，導(dǎo)致材料抵抗外力的能力急劇下降，表現(xiàn)為聲發(fā)射的各個參數(shù)的數(shù)值急劇下降。

實驗中，采集了含有能量、峰值、有效值電壓、幅值、計數(shù)五個參數(shù)的數(shù)據(jù)庫，總結(jié)數(shù)據(jù)，使四個階段的特征足夠明顯，取出數(shù)據(jù)庫中的80組數(shù)據(jù)以便后面的神經(jīng)網(wǎng)絡(luò)編程中取用。

3.神經(jīng)網(wǎng)絡(luò)

（1）構(gòu)建與訓(xùn)練

本文中用到的神經(jīng)網(wǎng)絡(luò)，是B-P神經(jīng)網(wǎng)絡(luò)，這個網(wǎng)絡(luò)的特點是具有反饋性，應(yīng)用比較廣泛，可信度比較高，編程用的是Matlab里面的強大的庫函數(shù)，這些函數(shù)大多來自神經(jīng)網(wǎng)絡(luò)工具箱。

隱含層數(shù)根據(jù)公式定為10，采用tansig為激勵函數(shù)，使用Levenberg—Marquadt反傳算法trainlm作為訓(xùn)練函數(shù)，可以加快網(wǎng)絡(luò)的收斂，能大量的節(jié)省訓(xùn)練學(xué)習時間，采用梯度下降動量學(xué)習算法learnbpm作為本次算法中的學(xué)習函數(shù)，精度要求為0.01，算法之中的誤差采用一般的均方誤差函數(shù)計算，學(xué)習步長為0.01，其他參數(shù)取默認值[1]。

輸入層包括上升時間、計數(shù)、能量、幅值、有效電壓5個維度，隱層采用了10個節(jié)點，輸出層有四個模式，包括彈性階段（1000），塑性階段（0100）、裂紋形核階段（0010）和裂紋拓展斷裂階段（0001）四個部分。

從斷裂開始的四個模式中選取了80組數(shù)據(jù)，其中的48組用來進行網(wǎng)絡(luò)的訓(xùn)練，剩余的32組進行識別的驗證，48組中有每個模式中對應(yīng)有12組，32組中每個模式對應(yīng)有8組。

（2）模式識別

從識別結(jié)果可看出，斜體紅色為識別失敗的點。其中，前四組數(shù)據(jù)的識別輸出期望為（1000），第二組誤差較大，識別失敗，其他識別成功；中間四組數(shù)據(jù)的識別輸出期望為（0100），而第四組誤差較大，識別失敗，其他識別成功；下面四組的識別輸出期望為（0010），四組數(shù)據(jù)均在誤差范圍內(nèi)，識別成功；最后四組的識別期望輸出為（0001），而第一組識別失敗，其他成功?？傮w來說，識別的正確率達到了81.25%。

識別失敗的點主要集中在前兩個階段，主要是聲發(fā)射的能量比較小，參數(shù)的值比較小，噪聲相對干擾就對較大，數(shù)據(jù)存在一定誤差，從而產(chǎn)生了較大的識別誤差。

3.1 部分識別結(jié)果

4.工作總結(jié)

本文研究了基于神經(jīng)網(wǎng)絡(luò)模式識別的聲發(fā)射檢測技術(shù)。人工神經(jīng)網(wǎng)絡(luò)可解決大量數(shù)據(jù)，由于神經(jīng)網(wǎng)絡(luò)可以自學(xué)習，自校正，自組織，因而大大提高了聲發(fā)射信號中存在的噪聲干擾的問題，能夠比較準確地進行模式的識別及判斷聲發(fā)射源的情況，在聲發(fā)射的模式識別、損傷探測上有著較好的應(yīng)用前景，目前已有一定的應(yīng)用，隨著神經(jīng)網(wǎng)絡(luò)的不斷完善，在無損檢測上可能應(yīng)用更廣泛。

參考文獻：

[1] 周開利；康耀紅.神經(jīng)網(wǎng)絡(luò)模型及其Matlab仿真程序設(shè)計[M].北京：清華大學(xué)出版社，2005.