周子星

（湖北省機(jī)電研究設(shè)計(jì)院， 湖北 武漢 430200）

引言

隨著經(jīng)濟(jì)的發(fā)展，運(yùn)送液體危險(xiǎn)貨物的罐式車輛使用越來越多，其安全性能也越來越受到監(jiān)管部門、從業(yè)企業(yè)以及社會(huì)各界的廣泛關(guān)注，加強(qiáng)對(duì)罐車的檢測(cè)和監(jiān)管，是安全生產(chǎn)的必然要求[1-2]。運(yùn)送液體危險(xiǎn)貨物的罐式車輛的關(guān)鍵設(shè)備是與定型汽車底盤或半掛車車架永久性連接的常壓罐體（以下簡(jiǎn)稱罐體）。在運(yùn)輸生產(chǎn)的過程中，罐體長期受震動(dòng)、沖刷、壓力、應(yīng)力、腐蝕以及人為因素、環(huán)境溫度等眾多因素的影響，常常會(huì)造成罐體、隔倉板和防波板存在大面積腐蝕、壁厚明顯減薄等現(xiàn)象，甚至發(fā)生穿透性開裂[3]，出現(xiàn)安全隱患。當(dāng)前罐體檢測(cè)仍多采用人工檢測(cè)方式，受技術(shù)人員工作水平和工作環(huán)境的影響較大[4]，隨著計(jì)算機(jī)圖像處理技術(shù)的發(fā)展，可以使用超聲導(dǎo)波檢測(cè)對(duì)罐體設(shè)施進(jìn)行測(cè)定與成像，輔助凹紋、裂紋的檢定。

1 金屬常壓罐體的檢測(cè)

GB 18564.1—2019 規(guī)定：金屬常壓罐體的定期檢查應(yīng)根據(jù)罐體的使用、損傷模式及失效模式制定檢驗(yàn)方案，必須包括罐體壁厚測(cè)定等項(xiàng)目。壁厚測(cè)定一般采用超聲測(cè)厚方法。測(cè)定位置應(yīng)當(dāng)有代表性，且有足夠的測(cè)點(diǎn)數(shù)。厚度測(cè)點(diǎn)一般選擇以下位置：液位經(jīng)常波動(dòng)的部位，介質(zhì)進(jìn)口、流動(dòng)轉(zhuǎn)向、截面突變等易受腐蝕、沖蝕的部位，制造成型時(shí)壁厚減薄部位和使用中易產(chǎn)生變形及磨損的部位，接管部位，宏觀檢查時(shí)發(fā)現(xiàn)問題的部位。在壁厚測(cè)定時(shí)，如果發(fā)現(xiàn)母材存在分層缺陷，應(yīng)當(dāng)增加測(cè)點(diǎn)或者采用超聲檢測(cè)，查明分層分布情況以及母材表面的傾斜度，同時(shí)作圖記錄[2]。超聲波的頻率越高，功率越大，指向性越好。多采用分辯率高、頻帶寬、抗干擾能力強(qiáng)的窄波，頻率應(yīng)為0.4～25 MHz，實(shí)際工作中我們建議使用1～5 MHz 的超聲波，以便能夠快速便捷、無損傷、精確地檢測(cè)、定位罐體的缺陷。

超聲導(dǎo)波檢測(cè)技術(shù)利用超聲波的物理反射現(xiàn)象，由超聲波換能器發(fā)射超聲波并在罐體中傳播。在不同質(zhì)界面上超聲波具有反射特性，若超聲波在罐體中遇到尺寸等于或大于超聲波波長的缺陷時(shí)，超聲波能在缺陷處形成反射波。例如超聲波測(cè)厚儀就是根據(jù)超生比脈沖反射原理來進(jìn)行厚度測(cè)量的。當(dāng)探頭發(fā)射的超生比脈沖通過被測(cè)物體到達(dá)材料分界面時(shí)，脈沖被反射回探頭，通過精確測(cè)量超聲波在材料中傳播的時(shí)間來確定被測(cè)材料的厚度。

超聲波測(cè)厚常用脈沖回波法，如圖1 所示。

圖1 脈沖回波法示意圖

超聲波探頭置于被測(cè)罐體表面，主控制器將一定頻率的脈沖信號(hào)送往發(fā)射電路，經(jīng)電流放大后激勵(lì)壓電式探頭產(chǎn)生重復(fù)的超聲波脈沖作為輸入信號(hào)，該脈沖波傳至罐壁內(nèi)側(cè)反射產(chǎn)生回波作為輸出信號(hào)被探頭接收。此時(shí)，測(cè)量脈沖波從發(fā)射到接收的時(shí)間間隔為t，即可測(cè)出罐壁厚度d[5]：

式中：c 為超聲波聲速?？捎梅€(wěn)頻晶振產(chǎn)生的時(shí)間標(biāo)準(zhǔn)信號(hào)來測(cè)量時(shí)間間隔t。

使用超聲波探傷具有探測(cè)深度大，檢測(cè)速度快，儀器裝置體積小、重量輕、便于現(xiàn)場(chǎng)攜帶，而且檢測(cè)時(shí)只需消耗耦合劑和磨損探頭，檢測(cè)費(fèi)用較低等特點(diǎn)。利用超聲波對(duì)罐體鋼壁進(jìn)行探傷檢測(cè)就可采用缺陷回波法，根據(jù)缺陷反射波在熒光屏上的位置和幅度（與參考試塊中人工缺陷的反射波幅度作比較），即可測(cè)定缺陷的位置和大致尺寸。透出的超聲波攜帶了被照罐體結(jié)構(gòu)的信息（如對(duì)超聲波的反射、吸收和散射等），由聲透鏡匯聚在壓電接收器上，并將所得電信號(hào)通過放大器利用掃描系統(tǒng)把罐體結(jié)構(gòu)的形象顯示成像。當(dāng)被測(cè)罐體部位完好時(shí)，超聲波將在金屬罐壁內(nèi)順利傳播到達(dá)底面，檢測(cè)圖像中只有表示發(fā)射脈沖和底面回波的兩個(gè)信號(hào)。若罐壁中存在缺陷，則在檢測(cè)圖像中出現(xiàn)位于底面回波前的缺陷回波。罐體經(jīng)超聲波掃描后的成像質(zhì)量，是罐體無損檢測(cè)準(zhǔn)確度的關(guān)鍵。筆者建議利用具有自調(diào)節(jié)、自適應(yīng)學(xué)習(xí)功能的BP 神經(jīng)網(wǎng)絡(luò)算法來實(shí)現(xiàn)。

2 罐體掃描成像神經(jīng)網(wǎng)絡(luò)算法及其自適流程

人工神經(jīng)網(wǎng)絡(luò)具有非線性適應(yīng)性信息處理能力，克服了傳統(tǒng)人工智能在行為模式、語音識(shí)別、非結(jié)構(gòu)化信息處理方面的缺陷，使之在人工神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)、模式識(shí)別、智能控制、組合優(yōu)化、預(yù)測(cè)等領(lǐng)域得到成功應(yīng)用[6-7]。該方法在工業(yè)檢測(cè)領(lǐng)域的應(yīng)用前景廣闊。在利用人工神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)罐體掃描圖像識(shí)別時(shí)，需要先把過往的掃描圖像樣本和相對(duì)應(yīng)的檢測(cè)識(shí)別結(jié)果輸入人工神經(jīng)網(wǎng)絡(luò)，神經(jīng)網(wǎng)絡(luò)就會(huì)通過其自適應(yīng)功能進(jìn)行學(xué)習(xí)，逐漸記憶圖像特征，建立識(shí)別罐體掃描圖像的能力。這里選用四種人工神經(jīng)網(wǎng)絡(luò)算法中的BP 神經(jīng)網(wǎng)絡(luò)算法。

Rumelhart 和 McCelland 等人于 1986 年提出的BP 神經(jīng)網(wǎng)絡(luò)算法（Back Propagation），又稱為誤差反向傳播算法，是人工神經(jīng)網(wǎng)絡(luò)中的一種監(jiān)督式的學(xué)習(xí)算法，其組織形式是按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)。BP 神經(jīng)網(wǎng)絡(luò)算法可以實(shí)現(xiàn)對(duì)任意函數(shù)的逼近，它由非線性變化神經(jīng)元組成，其非線性映射能力極強(qiáng)。而且網(wǎng)絡(luò)的中間層數(shù)量、各層的神經(jīng)元數(shù)量以及神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)率系數(shù)等均可依具體情況設(shè)定，具有很強(qiáng)的靈活性。

BP 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)過程，包括正向傳遞和反向傳播誤差。在對(duì)常壓罐體利用超聲掃描檢測(cè)成像時(shí)，所用BP 神經(jīng)網(wǎng)絡(luò)算法的學(xué)習(xí)過程也必須包含兩個(gè)方面：一是正向傳遞信息。即輸入層（Input layer）輸入的樣本數(shù)據(jù)通過一個(gè)或多個(gè)隱匿層（Hidden layer）按加權(quán)公式計(jì)算后逐層向后傳遞，直至輸出層（Out layer），如圖2 所示。二是反向傳播誤差，即反饋學(xué)習(xí)。如果此時(shí)的輸出層輸出達(dá)不到精度要求，則計(jì)算輸出數(shù)據(jù)的誤差值反向回傳至隱匿層，逐層傳遞直至輸入層。而后比照誤差，修改加權(quán)權(quán)值，這即是神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)、訓(xùn)練。

圖2 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

使用超聲導(dǎo)波對(duì)金屬罐體設(shè)施進(jìn)行檢測(cè)時(shí)，本文選取超聲波聲時(shí)、波幅、頻率作為輸入層導(dǎo)入?yún)?shù)。輸出為反射波幅與距離-波幅曲線比對(duì)提取的敏感特征參數(shù)損傷標(biāo)識(shí)量，故輸出層僅使用一個(gè)神經(jīng)元。在檢測(cè)和缺陷定量時(shí)，需要對(duì)掃查靈敏度進(jìn)行耦合補(bǔ)償、衰減補(bǔ)償和曲面補(bǔ)償[8]。

罐體掃描成像BP 算法學(xué)習(xí)訓(xùn)練自適應(yīng)流程包括如下幾個(gè)方面：首先，建立樣本數(shù)據(jù)，實(shí)現(xiàn)BP 神經(jīng)網(wǎng)絡(luò)的初始化。此時(shí)輸入模式由輸入層經(jīng)中間層向輸出層實(shí)現(xiàn)輸入模式順傳播計(jì)算。其次是神經(jīng)元的反饋過程，即誤差逆?zhèn)鞑ミ^程。由希望得到的罐體信息與神經(jīng)網(wǎng)絡(luò)實(shí)際輸出之間差距得出的誤差信號(hào)，由輸出層經(jīng)中間層向輸入層逐層修正其加權(quán)累積的權(quán)重。再次是BP 神經(jīng)網(wǎng)絡(luò)的反復(fù)記憶訓(xùn)練。它是一個(gè)模式順傳播計(jì)算和誤差逆?zhèn)鞑ビ?jì)算反復(fù)交替進(jìn)行的網(wǎng)絡(luò)記憶訓(xùn)練的循環(huán)過程。最后得出達(dá)到精度后的神經(jīng)元，即通過不斷修改權(quán)值，使神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)收斂于全局誤差的極小值。這樣的工作流程符合經(jīng)典的Delta 學(xué)習(xí)訓(xùn)練規(guī)則。

將罐體超聲波掃描的實(shí)時(shí)特征數(shù)據(jù)輸入已訓(xùn)練成功的神經(jīng)網(wǎng)絡(luò)中，進(jìn)行順傳播計(jì)算，將此正向傳播的結(jié)果與訓(xùn)練得到的所有目標(biāo)值進(jìn)行比較匹配，輸出罐體結(jié)構(gòu)圖形和分析數(shù)據(jù)，輔助罐體的檢測(cè)。因此，算法中對(duì)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練是其關(guān)鍵。

3 BP 神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練的具體過程

在罐體檢測(cè)問題中，BP 神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練是對(duì)罐體掃描的樣本數(shù)據(jù)向量（y1，y2，y3，…，yn）進(jìn)行的一系列處理。其中，在正向傳遞中，神經(jīng)元積累的刺激是由其他神經(jīng)元傳遞過來的刺激量和對(duì)應(yīng)的權(quán)重之和，用xj表示這種積累，yi表示某個(gè)神經(jīng)元傳遞過來的刺激量，wi表示鏈接某個(gè)神經(jīng)元刺激的權(quán)重，得到公式：

當(dāng)xj完成積累后，完成積累的神經(jīng)元本身對(duì)周圍的一些神經(jīng)元傳播刺激，將其表示為yj并得到：

神經(jīng)元積累后的結(jié)果xj，對(duì)外傳遞刺激yj的處理過程，可用f 函數(shù)映射來表示，稱為激活函數(shù)（Activation function）。對(duì)此映射一般要求有抑止偏離、對(duì)關(guān)鍵特征的微小變化敏感度高的特質(zhì)，以提升識(shí)別度。習(xí)慣對(duì)此作出符合Logistic 差分方程的假設(shè)，它符合弱假設(shè)條件，因此幾乎所有的測(cè)試都能滿足其條件，故常選用S 形生長曲線（Sigmoid）：

該函數(shù)具有嚴(yán)格的單調(diào)遞增連續(xù)性。

其導(dǎo)數(shù)可以用自身表示：

以神經(jīng)網(wǎng)絡(luò)模型的上述兩個(gè)公式為依據(jù)，可以推導(dǎo)出BP 神經(jīng)網(wǎng)絡(luò)輸出結(jié)果的計(jì)算式。即每個(gè)神經(jīng)元收到刺激yi后進(jìn)行加權(quán)積累產(chǎn)生xj（其中權(quán)重記為wji），然后再次通過激活函數(shù)產(chǎn)生刺激yj，向下一層與它相連的神經(jīng)元傳遞，依次類推最終輸出結(jié)果。

在誤差反饋學(xué)習(xí)的反向傳播中，將運(yùn)用神經(jīng)網(wǎng)絡(luò)的這一輸出值yj和正確值dj對(duì)前一層隱匿層的wji進(jìn)行逐層修正。在這一反饋學(xué)習(xí)機(jī)制中，設(shè)dj表示真實(shí)正確的結(jié)果，并假設(shè)誤差為E，則yj-dj就是E對(duì)于yj的微分增量，即yj減去yj-dj后就能得到正確值：

運(yùn)用神經(jīng)網(wǎng)絡(luò)的輸出值yj和正確值dj對(duì)最后一層隱匿層wji的修正，該反饋機(jī)制的目標(biāo)是校準(zhǔn)權(quán)重wji的誤差量，也就是的值。由式（1）可清晰看出wji與xj相關(guān)，按多元微分理論可得出：

此時(shí)，計(jì)算wji的誤差量問題就轉(zhuǎn)換成為求值的問題了：

由式（2）可得出：

故，可用最小二乘法求得權(quán)重wji的誤差量為：

最后，設(shè)置一個(gè)0 到1 之間的學(xué)習(xí)速率L。學(xué)習(xí)速率（Learning rate）是調(diào)節(jié)神經(jīng)網(wǎng)絡(luò)的重要參數(shù)，選擇好合適的學(xué)習(xí)速率。學(xué)習(xí)速率不能太快，太快將大概率導(dǎo)致越過最優(yōu)解，建議在實(shí)踐中將學(xué)習(xí)速率取為0.7～0.8，其迭代效率和效果均較好。此時(shí)，減去下面結(jié)果來修正wji，就可以進(jìn)入下一輪循環(huán)了：

這種神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練實(shí)際上就是反復(fù)重復(fù)上面的輸入模式，直至達(dá)到目標(biāo)。

BP 神經(jīng)網(wǎng)絡(luò)循環(huán)往復(fù)訓(xùn)練的總體算法路線圖如下：

罐體掃描初始樣本讀入;

權(quán)值讀入;

for

加權(quán)公式計(jì)算;//隱匿層for i:1->n

誤差計(jì)算;

if 滿足迭代終止條件

停止;

end

反饋回傳;

根據(jù)公式修正權(quán)值和閾值;

end

其中，設(shè)定的迭代終止條件，可以是誤差達(dá)到一定的進(jìn)度要求時(shí)終止遞歸，也可以是設(shè)定的迭代次數(shù)。本算法的實(shí)質(zhì)是對(duì)樣本數(shù)據(jù)的輸入和輸出進(jìn)行非線性優(yōu)化，通過負(fù)梯度下降算法進(jìn)行迭代，達(dá)到計(jì)算求解最優(yōu)權(quán)值的目的[9]。

隨著學(xué)習(xí)精度的不斷加強(qiáng)，罐體掃描信息的檢測(cè)梯度逐漸清晰，其邊緣信息噪聲逐漸排除，提供給檢測(cè)人員的數(shù)據(jù)信息更加精確，使罐體正常區(qū)域和缺陷區(qū)域的定位更加準(zhǔn)確。

4 結(jié)論

實(shí)驗(yàn)使用A 型脈沖反射式超聲檢測(cè)儀針對(duì)碳鋼罐體使用Φ14 mm 雙晶直探頭檢測(cè)，頻率選用5 MHz，檢測(cè)速度限制在200 mm/s 之內(nèi)，選用NB/T 47013.3-2015 規(guī)定試塊。當(dāng)缺陷反射波波高達(dá)到或超過標(biāo)定評(píng)定線時(shí)在周圍執(zhí)行檢測(cè)以確定缺陷的延伸。

聲束縱波近于垂直入射時(shí)，反射體回波動(dòng)態(tài)波形較為典型，如下頁圖3 所示。顯示均呈單一且參差不齊回波波形，波幅變化超過6 dB。

人工神經(jīng)網(wǎng)絡(luò)算法在常壓罐體掃描成像檢測(cè)工作中的應(yīng)用，具有并行、容錯(cuò)糾錯(cuò)、分布式存儲(chǔ)、自適應(yīng)、自組織等人工智能特性，使之在復(fù)雜的罐體圖像掃描數(shù)據(jù)處理上擁有強(qiáng)大的優(yōu)越性，必將成為常壓罐體掃描成像檢測(cè)的最重要手段之一。該算法的訓(xùn)練過程和最終應(yīng)用于罐體掃描的圖像仿真，對(duì)訓(xùn)練樣本和測(cè)試樣本有著很大的依賴性。隨著計(jì)算機(jī)硬件速度的不斷發(fā)展，隨著罐體掃描檢測(cè)數(shù)據(jù)樣本的不斷積累，以及罐體檢測(cè)人員技術(shù)素質(zhì)特別是信息識(shí)別能力的不斷提高，將更有效地為常壓罐體的安全質(zhì)量檢測(cè)提供保障。

圖3 反射體的回波波形圖