邢曉亮 渤海造船廠集團有限公司

電磁無損檢測技術在鋼鐵件質(zhì)量檢測中的應用

邢曉亮 渤海造船廠集團有限公司

無損檢測技術分為射線檢測、超聲檢測、電磁檢測等等。近些年，隨著電子技術的不斷發(fā)展，電磁檢測的應用越來越廣泛。本文將以電磁無損檢測技術為切入點，對RBF 神經(jīng)網(wǎng)絡原理及其在鋼鐵件質(zhì)量檢測中的應用進行闡述分析。

電磁無損檢測 鋼鐵件缺陷 神經(jīng)網(wǎng)絡 技術原理

一、概述

電磁無損檢測是無損檢測的一種，也被稱作磁感應法。隨著電子信息技術的不斷發(fā)展，電磁無損檢測的應用越來越廣泛，比如說軍工產(chǎn)業(yè)、機械制造等工業(yè)領域。電磁無損檢測是根據(jù)電磁感應原理為理論依據(jù)，通過分析定磁場內(nèi)鐵磁材質(zhì)的感應電壓以及感應電流的振幅與相位特點，檢驗材料性能缺陷。

通常情況下，頻率超過1500Hz的采用渦流檢測法，被檢測材料多為非鐵磁性物質(zhì)，例如銅、合金等材料；而頻率在1500Hz以下，則大多數(shù)采用電磁檢測方法。

電磁無損檢測在鋼鐵件質(zhì)量中的應用是近期才興起的，短短二十幾年的時間，該項技術不論是理論還是實踐都已趨于成熟，因其檢測速度快、可靠性高等特點，在全球范圍內(nèi)獲得普遍認可。

二、電磁無損檢測技術原理

1939年，電磁無損檢測首次被西德傅斯特博士等人應用于無損檢測領域。之后，隨著信息電子技術的不斷發(fā)展，電磁無損檢測技術日益成熟，逐步被航空航天、石油冶金等行業(yè)廣泛采用。

電磁無損檢測的技術采用的是電磁感應的原理，經(jīng)由分析感應電流以及感應電壓的振幅、相位等，得出鋼鐵材質(zhì)的質(zhì)量性能、硬度、覆蓋層情況等。經(jīng)研究發(fā)現(xiàn)，材質(zhì)為鋼鐵的零件，其成分以及組織結(jié)構(gòu)直接決定了材料的磁性能。如圖1所示，組織結(jié)構(gòu)不同，鋼鐵件的物理、機械性能也會不同，也就是說鋼鐵零件的成分組成對其物理以及機械性能具有直接影響，而鋼鐵件的物理性能與機械性能之間又存在著間接影響的關系。

圖1 成分結(jié)構(gòu)對鋼鐵材料物理性能與機械性能的影響

由此可見，電磁無損檢測是否可以應用于鋼鐵件質(zhì)量的檢測，主要視熱處理之后鋼鐵件的裂紋缺陷與磁性特征是不是具有相關聯(lián)系而定。如若，可以確認其磁性指標與機械指標在某種程度上存在單值相關的聯(lián)系，則電磁無損檢測法適用；若不存在單值相關關系，則需采用其他檢測方法。所以，明確了鋼鐵件的組成成分、機械性能與磁性性能的關系，就可以通過測量其磁性指標，推算出鋼鐵件的機械性能參數(shù)。

按照檢測參數(shù)的不同，可以分為初始幅值磁導率法、剩磁法和矯頑力法三類。本文采用的是初始幅值磁導率法檢測鋼鐵件的性能特征。通過專業(yè)設備去除無效信息，并經(jīng)由神經(jīng)網(wǎng)絡模型對得到的數(shù)據(jù)指標進行分析，從而獲得最終結(jié)果。

三、RBF神經(jīng)網(wǎng)絡原理

RBF（徑向基函數(shù)）的概念于1985年首次被Powell提出。緊接著在80年代后期，Broomhead和Lowe將RBF理念與神經(jīng)網(wǎng)絡有機結(jié)合在一起，形成了RBF神經(jīng)網(wǎng)絡體系。RBF神經(jīng)網(wǎng)絡的結(jié)構(gòu)不復雜，通過線性方法來實現(xiàn)非線性學習方法，具有訓練簡便，學習效果快速、精度較高等特點，普遍應用于模式識別、圖像處理等相關領域。RBF主要具有以下顯著特點：其一，RBF神經(jīng)網(wǎng)絡具有單隱層特點；其二，RBF網(wǎng)絡在函數(shù)逼近中應用時，隱性節(jié)點是非線性函數(shù)，而輸出節(jié)點則為現(xiàn)行函數(shù)，在明確隱性節(jié)點之后，可以利用線性方程式推算輸出權重。簡單來說，就是可以通過轉(zhuǎn)換低維輸入數(shù)據(jù)的方式將線性不可分等狀況在高維空間內(nèi)進行可分操作。第三，RBF具有局部反應的特點。第四，當網(wǎng)絡隱節(jié)點達到一定數(shù)量之后，任一連續(xù)函數(shù)的精度可以無限制逼近。

RBF神經(jīng)網(wǎng)絡包括輸入、輸出層以及中間隱層，如圖2所示。因為各個節(jié)點之間不存在耦合關系，故而，前一神經(jīng)元對后一神經(jīng)元輸出的影響是按照特定的權重執(zhí)行的。

四、應用實例分析

選取生產(chǎn)生已明確裂紋情況的工件作為實驗對象。工件的直徑（D）為2cm，長（L）為15cm，試件總數(shù)量為總40，裂紋件數(shù)占總數(shù)的50%。選取裂紋件與非裂紋件各10根作為樣本，在不同頻率分別獲得參量1和參量2，將網(wǎng)絡誤差定為0.01，用Matlab7方法予以仿真處理。通過網(wǎng)絡訓練最終確定12項隱節(jié)點。訓練完成之后，將余下的20根工件進行網(wǎng)絡測試，其錯誤率為0，部分結(jié)果見表1。由此得出，RBF神經(jīng)網(wǎng)絡在鋼鐵件質(zhì)量檢測上的應用結(jié)果十分理想。

工件號 工件狀態(tài) 參量2 參量1 實驗結(jié)果1 裂紋件 0.2493 -0.2814 裂紋件2 合格件 0.2114 0.0073 合格件3 裂紋件 -0.0153 0.1841 裂紋件4 裂紋件 0.2096 0.1743 裂紋件5 合格件 0.2114 0.0073 合格件6 裂紋件 -0.2557 -0.2006 裂紋件

五、結(jié)語

隨著產(chǎn)業(yè)經(jīng)濟的不斷發(fā)展，工業(yè)技術要求越來越高，對工件質(zhì)量的管理也越來越嚴格。無損檢測因無破壞性損傷的特點被廣泛應用于工業(yè)產(chǎn)品檢測中。特別是BF神經(jīng)網(wǎng)絡可以有效分析鋼鐵的裂紋情況，同時具有高效、快速、可靠性高的特點，從而為后續(xù)工作創(chuàng)造便利。

[1]郝曉紅，洪國銘.基于BP神經(jīng)網(wǎng)絡的鋼鐵分選儀裂紋檢測[J].齊齊哈爾大學學報(自然科學版).2009(03).

[2]何欣.反向傳播算法在鋼鐵分選儀中的應用[D].哈爾濱理工大學碩士論文，2009.

[3]高雋.人工神經(jīng)網(wǎng)絡原理及仿真實例[M].北京:機械工業(yè)出版社，2003.