謝銀環(huán)

【摘 要】在目前的林業(yè)生產(chǎn)技術(shù)檢測(cè)工作中，基于聲發(fā)射和神經(jīng)網(wǎng)絡(luò)技術(shù)為主的木材檢驗(yàn)方法采用越來(lái)越廣泛，已成為各種木材檢驗(yàn)工作中最為常見的一種，尤其是在木材受力損傷檢測(cè)工作中，應(yīng)用更為普遍。本文主要針對(duì)受理木材的聲發(fā)射信號(hào)進(jìn)行檢測(cè)和研究，實(shí)現(xiàn)了木材損傷過(guò)程的全面、深入檢測(cè)。在研究的過(guò)程中所采用的序列號(hào)是一種以神經(jīng)網(wǎng)絡(luò)模型作為主要基礎(chǔ)，對(duì)聲發(fā)射信號(hào)的積累以及時(shí)間序列號(hào)的累積進(jìn)行仿真檢測(cè)的。截至目前，就眾多的檢測(cè)結(jié)果表明：利用聲發(fā)射和神經(jīng)網(wǎng)絡(luò)技術(shù)為主的木材檢驗(yàn)誤差率僅為5.6%，而采用誤差較大的樣本進(jìn)行檢測(cè)的時(shí)候，其局部誤差極大的提升，甚至高達(dá)10%，因此就需要在工作中對(duì)局部檢測(cè)技術(shù)進(jìn)行合理分析和歸納，從而實(shí)現(xiàn)綜合、系統(tǒng)的檢測(cè)標(biāo)準(zhǔn)。

【關(guān)鍵詞】木材檢驗(yàn)；聲發(fā)射；受力損傷；神經(jīng)網(wǎng)絡(luò)

自上個(gè)世紀(jì)中期以來(lái)，德國(guó)人首先在林業(yè)檢測(cè)中開始利用聲發(fā)射和神經(jīng)網(wǎng)絡(luò)技術(shù)進(jìn)行材料性能的研究和檢測(cè)，由于在工作中聲發(fā)射現(xiàn)象和神經(jīng)網(wǎng)絡(luò)技術(shù)對(duì)于各種木材缺陷的形成有著極強(qiáng)的敏感性，因此其具備著極高的動(dòng)態(tài)檢測(cè)優(yōu)勢(shì)和評(píng)估材料使用性能的作用。在社會(huì)發(fā)展中，國(guó)內(nèi)外學(xué)者對(duì)于木材檢測(cè)工作的研究越來(lái)越深入，也逐步形成了一套綜合、系統(tǒng)、深入的研究流程，這也是目前林業(yè)生產(chǎn)工作中，業(yè)內(nèi)工作人員研究的核心話題。

1.聲發(fā)射和神經(jīng)網(wǎng)絡(luò)技術(shù)分析

在目前的木材檢驗(yàn)工作中，利用神經(jīng)網(wǎng)絡(luò)建模方式對(duì)聲發(fā)射累積下的各種能量參數(shù)以及所能夠承受的時(shí)間序列進(jìn)行了合理的預(yù)測(cè)，研究了其中木材檢驗(yàn)工作在受力狀態(tài)下所發(fā)生的種種情況，然后利用人工神經(jīng)網(wǎng)絡(luò)對(duì)聲發(fā)射信號(hào)、時(shí)間序列參數(shù)進(jìn)行深入的總結(jié)和歸納，從而針對(duì)材料內(nèi)部的狀態(tài)進(jìn)行了實(shí)時(shí)檢測(cè)，使得木材受力破壞現(xiàn)象能夠提前得到遏制。

1.1聲發(fā)射分析

所謂的聲發(fā)射可以定義為物體或者材料在發(fā)生變化的時(shí)候，內(nèi)部迅速釋放能量而產(chǎn)生的瞬態(tài)彈性波動(dòng)，這種彈性波動(dòng)的存在是一種極為突出的物理現(xiàn)象，而聲發(fā)射信號(hào)則表示是一個(gè)或者多個(gè)聲發(fā)射模式，并且進(jìn)過(guò)傳感器驗(yàn)收并接受神經(jīng)系統(tǒng)處理而形成的某種特定的形式以及電信號(hào)。一般來(lái)說(shuō)，材料在受力作用下極容易產(chǎn)生破壞，而在這個(gè)時(shí)候所產(chǎn)生的聲發(fā)射現(xiàn)象也極為突出，有著頻率范圍廣、從次聲頻、聲頻乃至超聲頻都能夠出現(xiàn)。通常，我們?cè)诠ぷ髦兴Ｕf(shuō)的聲發(fā)射信號(hào)主要是集中在材料內(nèi)部所產(chǎn)生的種種問(wèn)題和現(xiàn)象，這些現(xiàn)象的存在一方面會(huì)隨著時(shí)間的推移和變化而不斷的變動(dòng)，另外也會(huì)受到外界因素的干擾而發(fā)生一定的變動(dòng)，如內(nèi)部裂縫的出現(xiàn)時(shí)間、位置、變化趨勢(shì)等嚴(yán)重?cái)_動(dòng)會(huì)引起聲頻發(fā)生錯(cuò)誤的評(píng)估問(wèn)題，進(jìn)而造成評(píng)估損壞的影響。

1.2神經(jīng)網(wǎng)絡(luò)

神經(jīng)網(wǎng)絡(luò)技術(shù)也被普遍的稱之為人工圣經(jīng)網(wǎng)絡(luò)，是一種模仿動(dòng)物的神經(jīng)網(wǎng)絡(luò)系統(tǒng)為主的一種檢測(cè)手段和數(shù)學(xué)模型方法。這種網(wǎng)絡(luò)系統(tǒng)和技術(shù)的生產(chǎn)與應(yīng)用都是以算法數(shù)學(xué)為主，以計(jì)算機(jī)、信息技術(shù)為平臺(tái)進(jìn)行內(nèi)部節(jié)點(diǎn)之間聯(lián)系互換，從而達(dá)到各種信息的處理要求。一般來(lái)說(shuō)，神經(jīng)網(wǎng)絡(luò)系統(tǒng)的應(yīng)用主要是采用邏輯推理為主要的手段，利用各種技術(shù)手段將所收集到的參數(shù)轉(zhuǎn)變成為信息化符號(hào)，并針對(duì)這些符號(hào)存在的機(jī)理來(lái)進(jìn)行邏輯推算，最終形成一串可以編寫的指令。

2.聲發(fā)射和神經(jīng)網(wǎng)絡(luò)技術(shù)在木材受力損傷檢測(cè)中的應(yīng)用

時(shí)至今日，在社會(huì)發(fā)展中人們對(duì)于聲發(fā)射和神經(jīng)網(wǎng)絡(luò)技術(shù)的研究越來(lái)越深入，各種新技術(shù)、新方法也不斷的涌現(xiàn)了出來(lái)。在聲發(fā)射和神經(jīng)網(wǎng)絡(luò)技術(shù)的應(yīng)用中，主要的環(huán)節(jié)有以下幾個(gè)方面：

2.1發(fā)射信號(hào)的采集

AE又稱應(yīng)力波發(fā)射，是材料內(nèi)部局部區(qū)域在外部因素（如受力、溫度等）改變時(shí)，產(chǎn)生變形、斷裂時(shí)內(nèi)部應(yīng)力超過(guò)屈服極限而進(jìn)入不可逆的塑性變形，以瞬態(tài)彈性波形式釋放應(yīng)變能的現(xiàn)象。AE信號(hào)的強(qiáng)度一般都比較弱。頻率范圍也是遠(yuǎn)大于聲波的超聲波，人耳不能直接聽見，需要借助于包括靈敏的傳感器在內(nèi)的聲發(fā)射檢測(cè)系統(tǒng)才能檢測(cè)出來(lái)。聲發(fā)射檢測(cè)系統(tǒng)主要由接受AE信號(hào)的傳感器、前置放大器、數(shù)據(jù)采集卡和工程計(jì)算機(jī)等組成。

2.2經(jīng)網(wǎng)絡(luò)模型模擬仿真時(shí)間序列

人工神經(jīng)網(wǎng)絡(luò)是一個(gè)具有高度非線性時(shí)間動(dòng)力系統(tǒng)，較其他預(yù)測(cè)方法而言，神經(jīng)網(wǎng)絡(luò)能從數(shù)據(jù)樣本中自動(dòng)地學(xué)習(xí)以前的經(jīng)驗(yàn)而無(wú)需繁復(fù)的查詢和表述過(guò)程，并自動(dòng)地逼近那些最佳刻畫了樣本數(shù)據(jù)規(guī)律的函數(shù)，而不論這些函數(shù)具有怎樣的形式，且所考慮的系統(tǒng)表現(xiàn)的函數(shù)形式越復(fù)雜，非線性程度越高.神經(jīng)網(wǎng)絡(luò)這種特性的作用就越明顯。

2.2.1針對(duì)聲發(fā)射信號(hào)累積能最隨時(shí)間變化的序列進(jìn)行神

經(jīng)網(wǎng)絡(luò)模型仿真預(yù)測(cè)，構(gòu)建輸入層節(jié)點(diǎn)為5，輸出層節(jié)點(diǎn)為l，隱含層節(jié)點(diǎn)為5的神經(jīng)網(wǎng)絡(luò)，利用累積能茸時(shí)間序列的前5個(gè)值，預(yù)測(cè)下一個(gè)累積能量值，實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)的1步預(yù)測(cè)。設(shè)置日標(biāo)誤差為0.1，利用200個(gè)樣本對(duì)構(gòu)建的神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)訓(xùn)練，網(wǎng)絡(luò)的實(shí)際輸出與理想的目標(biāo)輸出仿真回歸的相關(guān)系數(shù)R為0.994。利用44個(gè)驗(yàn)證樣本對(duì)訓(xùn)練好的網(wǎng)絡(luò)模型的推廣性能驗(yàn)證，發(fā)現(xiàn)模型對(duì)44個(gè)樣本預(yù)測(cè)準(zhǔn)確性很高。

2.2.2載荷序列仿真分析

針對(duì)聲發(fā)射信號(hào)載荷隨時(shí)間變化的序列進(jìn)行神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)，構(gòu)建輸入層節(jié)點(diǎn)為6，輸出層節(jié)點(diǎn)為l，隱含層節(jié)點(diǎn)為5的神經(jīng)網(wǎng)絡(luò)，利用載荷時(shí)間序列的前6個(gè)值，預(yù)測(cè)下一個(gè)載荷值，實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)的1步預(yù)測(cè)。設(shè)置目標(biāo)誤差為0.1，利用1000個(gè)樣本對(duì)構(gòu)建的神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)訓(xùn)練，網(wǎng)絡(luò)的實(shí)際輸出與理想的目標(biāo)輸出仿真回歸的相關(guān)系數(shù)R為0.98。53個(gè)沒(méi)有經(jīng)過(guò)訓(xùn)練的樣本對(duì)訓(xùn)練網(wǎng)絡(luò)的推廣性能驗(yàn)證情況如圖所示。從圖中可以發(fā)現(xiàn)，訓(xùn)練好的網(wǎng)絡(luò)模型的推廣性能很好，對(duì)53個(gè)驗(yàn)證樣本的仿真預(yù)測(cè)中，模型的實(shí)際輸出和目標(biāo)輸出值之間的誤差較小，能很好地吻合。

2.2.3為了驗(yàn)證

模型的正確性，采集紅松試件加載三點(diǎn)彎曲過(guò)程的聲發(fā)射信號(hào)，分別利用聲發(fā)射累積能量和載荷對(duì)結(jié)構(gòu)為5×5×l的網(wǎng)絡(luò)和6×5×l的網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，然后驗(yàn)證模型預(yù)測(cè)的正確性。累積能量預(yù)測(cè)模型實(shí)際輸出和目標(biāo)輸誤差；從圖中可以看出，模型仿真預(yù)測(cè)的最大誤差不超過(guò)0.1%，最大為0.056%。載荷預(yù)測(cè)模型實(shí)際輸出和目標(biāo)輸出誤差如圖所示；從圖中可以看出，利用97個(gè)樣本驗(yàn)證網(wǎng)絡(luò)模型.載荷模型仿真預(yù)測(cè)的最大誤差不超過(guò)4%，模型對(duì)其中4個(gè)樣本的預(yù)測(cè)誤差較大分別為3.7l%、3.73%、3.22%和1.86%。

3.結(jié)束語(yǔ)

總之，利用神經(jīng)網(wǎng)絡(luò)建模對(duì)材料載倚時(shí)間序列進(jìn)行分析，所構(gòu)建的神經(jīng)網(wǎng)絡(luò)對(duì)驗(yàn)證樣的預(yù)測(cè)可知.網(wǎng)絡(luò)輸出與目標(biāo)輸出的誤差很小，最大誤差不到0.1%。所構(gòu)建的網(wǎng)絡(luò)模型能根據(jù)載荷序列前面的數(shù)值準(zhǔn)確的預(yù)測(cè)木材承受的載荷。

【參考文獻(xiàn)】

[1]錢華明，王雯升.遺傳小波神經(jīng)網(wǎng)絡(luò)及在電機(jī)故障診斷中的應(yīng)用[J].電子測(cè)量與儀器學(xué)報(bào)，2009，23（3）：81-86.

[2]殷冬萌.木塑復(fù)合材料缺陷及損傷的聲發(fā)射信號(hào)特征分析及神經(jīng)網(wǎng)絡(luò)模式識(shí)別[D].南京：南京林業(yè)大學(xué)，2007.

[3]邵卓平，陳品，查朝生，等.木材損傷斷裂過(guò)程的聲發(fā)射特性與Felicity效應(yīng)[J].林業(yè)科學(xué)，2009，45（2）：86-91.

[4]趙東，朱紅娟.木材缺陷聲發(fā)射信號(hào)的小波包分析處理[J].計(jì)算機(jī)工程與應(yīng)用，2010（11）.