王貴恩 孫永林

（廣東交通職業(yè)技術(shù)學院 廣州 510800）

0 引 言

斜拉橋索對斜拉橋的工作狀態(tài)影響很大，其使用壽命是最值得關(guān)注的問題之一．由于斜拉橋拉索長期處于露天服役狀態(tài)，其聚乙烯（PE）護套的硬化和開裂，將導(dǎo)致護套內(nèi)的鋼絲束發(fā)生腐蝕［1］；另外，橋梁的振動和纜索內(nèi)應(yīng)力也會加速纜索的磨損和老化，進而產(chǎn)生纜索局部斷絲等缺陷．斷絲缺陷是影響斜拉橋安全和使用壽命的首要因素，很可能導(dǎo)致整體結(jié)構(gòu)遭到災(zāi)難性的破壞［2］．

鑒于在役纜索只能進行無損檢測的工作特點，常用的纜索無損檢測方法包括超聲波法、磁橋路法和漏磁場檢測法等．其中，漏磁場檢測（magnetic leakage field，MLF）法由于對鐵磁材料內(nèi)部缺陷具有較高的檢測靈敏度，且對測試對象表面清潔度不高，成本低廉等優(yōu)點，因而適合于斜拉橋纜索內(nèi)部斷絲等缺陷的無損檢測，但由于受到空間磁場、PE防護層和現(xiàn)場環(huán)境等因素的影響，缺陷產(chǎn)生的漏磁信號往往附有大量的噪聲信號，導(dǎo)致信號特征不顯著［3］．對此，本文應(yīng)用BP神經(jīng)網(wǎng)絡(luò)的濾波分析方法，對漏磁信號進行信噪分離，以獲取顯著的缺陷信息．試驗結(jié)果表明，經(jīng)過濾波處理后的漏磁信號特征明顯，可應(yīng)用于斜拉橋索斷絲缺陷的無損檢測．

1 纜索漏磁檢測系統(tǒng)

漏磁檢測的基本原理是采用永久磁鐵產(chǎn)生強磁場，將纜索局部磁化至飽和狀態(tài)，在理想情況下，當纜索內(nèi)部不存在斷絲等缺陷時，磁場將呈均勻分布并與試件表面平行，幾乎沒有磁感應(yīng)線從纜索表面溢出．當纜索內(nèi)部存在斷絲等缺陷時，會使磁導(dǎo)率發(fā)生變化，由于缺陷的磁導(dǎo)率很小，磁阻很大，穿過缺陷區(qū)域的磁場將產(chǎn)生畸變，導(dǎo)致磁力線分布不均勻．畸變磁場可分為3部分，大部分磁通會在纜索內(nèi)部繞過缺陷區(qū)域；少部分磁通會直接穿過缺陷區(qū)域；其他部分磁通則離開纜索表面泄露至空氣，這部分磁通量就是待測漏磁通，可采用磁敏元件組成的磁電轉(zhuǎn)換電路測得，根據(jù)測得的漏磁信號就可判別纜索斷絲缺陷程度和缺陷位置等情況［4］．

按照上述原理，采用HMC1022型磁阻傳感器進行磁電轉(zhuǎn)換［5］，并將其Die A向及Die B向的電信號通過模數(shù)轉(zhuǎn)換器進行數(shù)值化，其檢測信息傳入單片機，由單片機進行簡單判斷有效性后，通過無線通信模塊和無線網(wǎng)絡(luò)，發(fā)送到監(jiān)控計算機，由監(jiān)控計算機進行信息處理和顯示，檢測系統(tǒng)如圖1所示．檢測系統(tǒng)中，帶動檢測電路的纜索爬行機器人的前進、后退和停止功能，由操作按鍵通過單片機和驅(qū)動電路實現(xiàn)．

圖1 斜拉橋索無損檢測系統(tǒng)框圖

2 檢測信號的分析處理

無損檢測信號經(jīng)過單片機的簡單處理后，漏磁檢測數(shù)據(jù)通過無線網(wǎng)絡(luò)發(fā)送到監(jiān)控計算機．實驗發(fā)現(xiàn)，檢測數(shù)據(jù)存在脈沖干擾多、噪聲波動較大等特點．本文采用小波分析和BP神經(jīng)網(wǎng)絡(luò)的方法，對采集數(shù)據(jù)進行了濾波處理和信噪分離，以獲取顯著的缺陷信息．其濾波處理過程見圖2，首先對信號進行了平滑和濾波處理，得到了平滑的信號后，對所得結(jié)果進行特征量化處理，以得到信號中的特征量差分超限數(shù)．之后，將整理后的數(shù)據(jù)作為BP神經(jīng)網(wǎng)絡(luò)的輸入，傳入到BP神經(jīng)網(wǎng)絡(luò)中進行模式識別，即可獲得顯著的缺陷情況．

圖2 檢測信號濾波處理流程

2．1 信號平滑

從檢測信號可以看出，原信號中干擾比較多，突刺現(xiàn)象（脈沖）比較明顯，尤其是在加強磁場的信號中，突刺現(xiàn)象愈發(fā)明顯．突刺是有別于缺陷信號的，其明顯特征是在短時間內(nèi)驟增驟減，會對信號特征識別產(chǎn)生不利影響．因此，要有效處理信號數(shù)據(jù)，就必須消除信號中的突刺，即對信號進行平滑．通過指定突刺信號的上下限及其波形寬度，即可實現(xiàn)對突刺信號的消除．另外，初次平滑后，信號仍然存在少量的微小突刺，該微小突刺雖然在正常信號范圍內(nèi)，但仍可能對后續(xù)處理產(chǎn)生影響，因此需要對信號進行微平滑．根據(jù)本系統(tǒng)的實際，應(yīng)用直線五點滑動平均法［6］對數(shù)據(jù)進行平滑處理．

直線滑動平均法根據(jù)某采樣點鄰近點的波幅，對該點進行波幅修正，以實現(xiàn)波形消噪．一般取5個采樣點，對鄰近點做加權(quán)平均，其基本計算公式為

式中：x為采樣數(shù)據(jù)；y為平滑處理后的數(shù)據(jù)；m為數(shù)據(jù)點數(shù)；N為鄰近采樣點數(shù)的半數(shù)；λn為加權(quán)平均因子，且必須滿足各因子總和為1．直線滑動平均法就是利用最小二乘原理對離散數(shù)據(jù)進行線性平滑．5點滑動平均（N＝2）按下式計算

式中：i＝3，4，…，m－2．

2．2 小波包差分超限濾波

經(jīng)過平滑后的信號沒有了突刺現(xiàn)象，但信號存在小幅波動的情況，即信號中存在噪聲干擾，因此需要對信號進行濾波．在眾多濾波工具中，小波變化可以對信號進行分解和重構(gòu)，并在不同頻率上對信號進行分析和濾波，因此其可以滿足剛性物體漏磁信號頻率成分復(fù)雜，需要從多個頻段對信號進行濾波的要求［7］．本文通過設(shè)定相應(yīng)參數(shù)，直接調(diào)用已有濾波算法．

差分超限數(shù)可以用來識別與分析局部異常信號．通過分析可以發(fā)現(xiàn)，當信號局部發(fā)生異常變化時，相鄰兩個采樣點之間信號幅值的差分絕對值一般遠大于正常區(qū)間的差分值，如果預(yù)先設(shè)定好一個門限，就可以將局部變化區(qū)間分離出來，將分離出來的局部變化異常區(qū)中的差分絕對值超過門限值的采樣點個數(shù)累加起來，就得到特征量——差分超限數(shù)．并且規(guī)定當差分超限值之間的距離小于某一個值時即屬于同一個異常區(qū)間．若差分超限數(shù)用D0表示，則

其中：T［x（m）］＝c［x（m ＋1）－x（m）］，m ∈（－∞，＋∞）， （4）c（u）為門限函數(shù)，即

t為設(shè)定的門限．W（n）為窗函數(shù)，

式中：Ni為窗寬，其大小能夠隨著信號局部變化異常區(qū)域的范圍變化而變化．獲取差分超限數(shù)的算法流程圖3所示．

圖3 差分超限數(shù)的算法流程圖

圖中，Li相當于算法中的L，差分超限數(shù)D0相當于算法中DiffNum，采樣點數(shù)m相當于算法中M（i），Ni相當于算法中窗寬 widthNoise（i），SP相當于算法中窗寬限值widLimit．

2．3 BP神經(jīng)網(wǎng)絡(luò)模式識別

BP神經(jīng)網(wǎng)絡(luò)是當前應(yīng)用最多的神經(jīng)網(wǎng)絡(luò)模型，屬于前向型網(wǎng)絡(luò)模型，適合于漏磁信號的分析識別［8］．經(jīng)過研究發(fā)現(xiàn)纜索斷絲等缺陷主要與檢測信號的絕對峰值、峰峰值、波寬、檢測速度等因素有關(guān)，所以將以上各量作為BP網(wǎng)絡(luò)輸入?yún)?shù)．

為了保證輸出結(jié)果與輸入?yún)?shù)的單調(diào)非線性關(guān)系，在BP網(wǎng)絡(luò)輸入之前，需將各個參數(shù)進行歸一化處理，即將各輸入量在［0，1］之間進行規(guī)格化，由于隱層函數(shù)在［0，0．1］和 ［0．9，1］之間變化緩慢，所以可將其輸入量歸一化在［0．1，0．9］之間，要使歸一化后的輸入值仍落在［0．1，0．9］范圍內(nèi)，則利用歸一化公式

式中：α為歸一化處理所定的區(qū)間下限；β為區(qū)間跨度；Tmin和Tmax分別表示歸一化處理后的最小值與最大值．

本算法中，根據(jù)BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)特點，構(gòu)建3層BP神經(jīng)網(wǎng)絡(luò)，包括輸入層、隱層、輸出層，其中輸入層節(jié)點數(shù)4，分別為信號的絕對峰值、峰峰值、波寬及采樣速度．隱層取20個神經(jīng)元，初始權(quán)值?。郏?，1］之間的隨機數(shù)．采用相應(yīng)的數(shù)據(jù)結(jié)構(gòu)，用C語言實現(xiàn)了BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的構(gòu)建、前向傳播、反向傳播誤差修改以及網(wǎng)絡(luò)訓(xùn)練等功能，并將要判別的數(shù)據(jù)輸入到網(wǎng)絡(luò)中，實現(xiàn)了較理想的模式識別．本例中取動量系數(shù)為0．9，學習系數(shù)0．7，其誤差不超過0．000 1．

3 仿真實驗結(jié)果

以本系統(tǒng)的一組實測數(shù)據(jù)為例，原始信號，平滑信號，濾波信號及其特征量化信號的對比如圖4所示．

圖4 信號處理過程效果對比

從圖4可以看出，如果不考慮開始和結(jié)尾處跳波信號的干擾，信號的平滑和濾波效果比較令人滿意，特征量化信號也能比較顯著地表現(xiàn)出信號的特點．至此，信號的預(yù)處理結(jié)束，將輸出結(jié)果整理后進行保存，作為BP神經(jīng)網(wǎng)絡(luò)的輸入傳輸給已有的BP神經(jīng)網(wǎng)絡(luò)．

采用BP神經(jīng)網(wǎng)絡(luò)模式識別后的結(jié)果輸出如圖5所示（圖中橫坐標為采樣點數(shù)）．不考慮開始和結(jié)尾處的干擾，可以看到，共存在3處斷絲缺陷，識別效果令人滿意．

圖5 采用BP神經(jīng)網(wǎng)絡(luò)模式識別后的結(jié)果

4 結(jié)束語

針對斜拉橋索漏磁檢測信號附有大量的噪聲信號而特征不顯著的特點，本文采用信號平滑、小波包差分超限濾波和BP神經(jīng)網(wǎng)絡(luò)模式識別等信號分析方法，對采集信息進行濾波處理．仿真結(jié)果表明，本濾波算法對斜拉橋索漏磁檢測信號具有良好的實用性和濾波精度．但本濾波算法是在單一纜索直徑（φ130mm）的條件下實現(xiàn)的，對于不同纜索直徑的情況，實驗數(shù)據(jù)會增加新的擾動，該方法的穩(wěn)定性還有待深入研究．

［1］袁建明，武新軍，康宜華，等．可重構(gòu)斜拉索磁性無損檢測機器人技術(shù)研究［J］．武漢理工大學學報：交通科學與工程版，2008，32（3）：442－445．

［2］劉沐宇，袁衛(wèi)國．橋梁無損檢測技術(shù)的研究現(xiàn)狀與發(fā)展［J］．中外公路，2002，22（6）：34－37．

［3］武新軍，王峻峰，楊叔子．斜拉橋纜索缺陷檢測系統(tǒng)的研制［J］．機械科學與技術(shù)，2001，20（6）：901－904．

［4］孫燕華，康宜華．一種基于磁真空泄露原理的漏磁無損檢測新方法［J］．機械工程學報，2010，46（14）：18－23．

［5］王貴恩，鄔志鋒．基于小波變換的斜拉橋索雙軸漏磁檢測方法［J］．武漢理工大學學報：交通科學與工程版，2012，36（1）：111－115．

［6］史源源．平滑去噪法在柴油機隔振器效果分析中的應(yīng)用［J］．機械工程與自動化，2009（3）：100－102．

［7］張曉春．小波變換在奇異信號檢測中的應(yīng)用［J］．傳感器技術(shù)，2002，21（3）：33－35．

［8］金 滔，闕佩文，陳天路，等．基于改進BP神經(jīng)網(wǎng)絡(luò)算法的管道缺陷漏磁信號識別［J］．上海交通大學學報，2005，39（7）：1140－1144．