黃海霞 李富 朱鎮(zhèn)
摘 要:熒光磁粉檢測法是目前檢測重要零件表面缺陷的主要技術(shù)。本文基于磁粉探傷的基本原理,分析了熒光磁粉檢測技術(shù)的特點(diǎn),然后以BP神經(jīng)網(wǎng)絡(luò)為理論基礎(chǔ),對零件表面的大量缺陷樣本進(jìn)行特征提取和分類,實(shí)驗(yàn)表明,該技術(shù)可以大大提高熒光磁粉檢測技術(shù)的自動化程度和實(shí)用程度。
關(guān)鍵詞:BP神經(jīng)網(wǎng)絡(luò);熒光磁粉;無損檢測
DOI:10.16640/j.cnki.37-1222/t.2019.18.124
1 熒光磁粉檢測技術(shù)
1.1 磁粉探傷的原理
磁粉探傷是當(dāng)前無損檢測的五大常規(guī)方法之一,其應(yīng)用已經(jīng)滲透到工業(yè)生產(chǎn)的各個(gè)領(lǐng)域。磁粉檢測技術(shù)是以磁感應(yīng)原理為理論基礎(chǔ)的,通過將待檢工件進(jìn)行磁化,使其內(nèi)部出現(xiàn)一個(gè)磁場。然后將磁粉均勻分布在工件表面,如果工件表面完好,由于沒有漏磁場,因而磁粉仍處于均勻分布狀態(tài)。但如果工件表面有缺陷時(shí),由于表面磁場不連續(xù),會出現(xiàn)明顯的漏磁場,使磁感應(yīng)線從缺陷下面繞過,從而使表面磁粉產(chǎn)生堆積。由于漏磁場的寬度通常會比缺陷的尺寸大一至兩個(gè)數(shù)量級,因而可以將缺陷形狀放大顯示出來[1]。缺陷離表面越近,漏磁通就越多,缺陷檢測效果越好;缺陷離表面越深,漏磁通就越少,缺陷就越難以檢出。
1.2 磁粉探傷的特點(diǎn)
熒光磁粉檢測技術(shù)是通過缺陷造成的漏磁通來顯示缺陷位置和性質(zhì)的,這種磁粉的顯示需要由人或機(jī)器來進(jìn)行識別,因而要求熒光圖像有較好的分辨率,并且要求背景和磁痕的顏色有較大的差異,否則很難通過肉眼觀察出來。所以,熒光磁粉檢測技術(shù)受人為因素影響十分顯著。為了提高圖像對比度,熒光磁粉檢測通常在黑暗空間進(jìn)行,這種環(huán)境會使操作和判讀人員產(chǎn)生不良心理或情緒,因而容易出現(xiàn)漏檢或誤判。當(dāng)前大部分熒光磁粉均要求在紫外線下觀察才有較高的準(zhǔn)確率,但過度的紫外線照射對人體是不利的,因而檢測過程對自動化技術(shù)提出了更高的要求。顯然,自動化檢測和智能磁粉控傷是未來一段時(shí)期內(nèi)無損檢測技術(shù)的主要發(fā)展方向之一。
2 BP神經(jīng)網(wǎng)絡(luò)
2.1 BP網(wǎng)絡(luò)模型
BP(Back-propagation)神經(jīng)網(wǎng)絡(luò)又稱為誤差反向傳播神經(jīng)網(wǎng)絡(luò),其總體結(jié)構(gòu)一般至少包含三層,并且各層之間不存在相互反饋和連接,因而在結(jié)構(gòu)上結(jié)成了一種典型的前向網(wǎng)絡(luò),第一層接受各種條件參數(shù)信息,因而作為輸入層,最后一層為用戶提供處理結(jié)果,因而作為輸出層,中間各層的工作是不為外界所知的,因此又稱為隱含層。典型的BP網(wǎng)絡(luò)模型如圖1所示。
BP網(wǎng)絡(luò)具有一定的智能性,因而在設(shè)備故障診斷領(lǐng)域中被人們廣泛采用,其工作原理可以總結(jié)為:網(wǎng)絡(luò)的第一層{x1;x2;…xn}一般用于表征故障征兆,其中每個(gè)元素都與一個(gè)神經(jīng)元相對應(yīng),如果某數(shù)據(jù)恰好通過了隱含層,那么就可以在該節(jié)點(diǎn)處對其進(jìn)行相應(yīng)的運(yùn)算,作為隱含層的入,再進(jìn)一步變換后即可獲得輸出信號{y1;y2;…yn},該輸出就代表了故障的類別。顯然,BP網(wǎng)絡(luò)對層數(shù)并無嚴(yán)格要求,但要求其激活函數(shù)具有可微的特性,這很容易讓人們想到S型函數(shù)。S型函數(shù)在兩端的變化比較平滑,而中間有明顯的波動,具有十分優(yōu)良的轉(zhuǎn)移特性。
2.2 BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)
BP神經(jīng)網(wǎng)絡(luò)算法是一種智能化的算法,可以通過特定的學(xué)習(xí)提高準(zhǔn)確性,這種學(xué)習(xí)行為的特點(diǎn)也十分顯著,主要有正向傳播和反向傳播兩種。在正向傳播機(jī)制中,單層神經(jīng)元禁止向上層傳遞,只能向下層傳遞,輸出不同,其輸入層的權(quán)值也不相同。如果在輸出層沒有取得預(yù)期的值,則需要反向,對各層的權(quán)值進(jìn)行調(diào)整,使各神經(jīng)元之間的連接發(fā)生變化,再觀察輸出結(jié)果,直到輸出值滿足預(yù)期要求。從數(shù)學(xué)上看,只要求得誤差函數(shù)的極小值就可以得到想要的結(jié)果,最簡單的辦法就是借助大量樣本多次訓(xùn)練,利用最速下降法加快函數(shù)收斂速度。
3 模糊神經(jīng)網(wǎng)絡(luò)算法
模糊神經(jīng)網(wǎng)絡(luò)是模糊數(shù)學(xué)理論和神經(jīng)網(wǎng)絡(luò)理論相結(jié)合而形成的一種算法體系,它一方面?zhèn)鞒辛松窠?jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn),另一方面還充分借助模糊數(shù)學(xué)的分析方法實(shí)現(xiàn)性能優(yōu)化。模糊系統(tǒng)和神經(jīng)網(wǎng)絡(luò)原本是兩類獨(dú)立的體系,兩者之間如果結(jié)合起來將可以發(fā)揮更大的優(yōu)勢。模糊神經(jīng)網(wǎng)絡(luò)的運(yùn)用實(shí)際上是研究模糊系統(tǒng)和神經(jīng)系統(tǒng)對于信息處理如何進(jìn)行分工。如果兩個(gè)系統(tǒng)對信息分別進(jìn)行處理,其過程將十分簡單,對于簡單的應(yīng)用場合已經(jīng)足夠,因此這種形式的應(yīng)用十分廣泛。如果將兩者進(jìn)行合成再對信息進(jìn)行處理,可以取得更高的信息處理效率和效果,完成一些更加復(fù)雜的診斷任務(wù),但這種高性能是以犧牲硬件資源為前提的。從當(dāng)前的研究結(jié)果來看,其融合方式通常有松散型、并聯(lián)型、串聯(lián)型和結(jié)構(gòu)等價(jià)型四種。
零件表面缺陷是多種多樣的。為了滿足這種復(fù)雜性,本文采用了將模糊系統(tǒng)和神經(jīng)系統(tǒng)進(jìn)行結(jié)合運(yùn)用的方案,結(jié)合形式采用串聯(lián)型,即其中一個(gè)系統(tǒng)的輸出作為另一個(gè)系統(tǒng)的輸入,如圖2所示。串聯(lián)型模糊神經(jīng)系統(tǒng)具有原理簡單、易于編程的優(yōu)點(diǎn),使兩個(gè)系統(tǒng)對信息的處理既相對獨(dú)立,又相互聯(lián)系。例如,診斷信號首先由模糊系統(tǒng)進(jìn)行處理,然后再由神經(jīng)網(wǎng)絡(luò)處理,這樣可以大大提高后者的運(yùn)行效率,從而得到更可靠的結(jié)論。因此,這種結(jié)果已受到生產(chǎn)領(lǐng)域的廣泛認(rèn)可。
4 基于BP神經(jīng)網(wǎng)絡(luò)的熒光磁粉檢測
4.1 實(shí)驗(yàn)方案設(shè)計(jì)
本文借助MATLAB神經(jīng)網(wǎng)絡(luò)工具箱對軸承零件表面熒光磁粉檢測圖像進(jìn)行了分析,通過提取表面缺陷的特征向量并輸入分類器中進(jìn)行分類處理。根據(jù)軸承零件的功能和結(jié)構(gòu)特征,將其缺陷類型分成5類,分別是裂紋、氣孔、條形夾渣、點(diǎn)渣及劃痕。然后通過大量的缺陷樣本數(shù)據(jù)對BP神經(jīng)網(wǎng)絡(luò)進(jìn)行了40個(gè)周期的訓(xùn)練,使系統(tǒng)總體誤差小于0.015,最終形成一個(gè)準(zhǔn)確度較高的熒光磁粉探傷缺陷識別系統(tǒng)。
(1)圖像預(yù)處理。根據(jù)大量的實(shí)踐經(jīng)驗(yàn)發(fā)現(xiàn),磁痕圖像在紫光燈照射下會出現(xiàn)反光區(qū),不利于準(zhǔn)確判讀,因此本文通過在相機(jī)鏡頭前加裝一片濾光片,同時(shí)采用圖像增強(qiáng)算法提升圖像對比度。
(2)工件定位。磁痕通常只分布一整個(gè)圖像的某一部分區(qū)域,因而僅需要對缺陷磁痕部分進(jìn)行分析,減少圖像處理和分析的壓力。采用灰度信息匹配法可以較準(zhǔn)確地對工件進(jìn)行定位。
(3)特征提取。不同的工件具有不同的形狀和缺陷類型,為了適用于不同的工件檢測,因此必須對工件進(jìn)行特殊提取。本文采用灰度共生矩陣對目標(biāo)進(jìn)行特征提取。通過觀察像素的灰度變化來發(fā)現(xiàn)特征紋理的變化趨勢。
(4)分類器設(shè)計(jì)。分類器的設(shè)計(jì)對BP神經(jīng)網(wǎng)絡(luò)的性能有著最為關(guān)鍵的影響,分類器依賴前饋方式達(dá)到耦合效果,但處于同一層次的神經(jīng)元之間互不相干。給定一組初始化權(quán)重后,網(wǎng)絡(luò)由輸入層進(jìn)入后進(jìn)行逐層分析,最終得到一個(gè)輸出模式。當(dāng)輸入與輸出之間的誤差滿足要求時(shí)即完成。
4.2 實(shí)驗(yàn)結(jié)果分析
實(shí)驗(yàn)結(jié)果如表1所示。實(shí)驗(yàn)結(jié)果表明,BP神經(jīng)網(wǎng)絡(luò)系統(tǒng)在經(jīng)過特征量提取和分類之后,取得了較為可觀的檢測效果。裂紋、氣泡、條渣、點(diǎn)渣和劃痕5種顯示類型的識別率分別達(dá)到了89.3%,87.4%,84.9%,83.4%和88.7%。但本系統(tǒng)也有明顯的不足之處,對于一些非顯示,例如類似于缺陷的一些特殊表面結(jié)構(gòu),系統(tǒng)很難進(jìn)行準(zhǔn)確識別,正確率僅為58.5%。但實(shí)際上,軸承零件表面結(jié)構(gòu)很少出現(xiàn)非缺陷的情況,因此對系統(tǒng)總體性能影響是可以接受的。
5 結(jié)語
本文對基于BP神經(jīng)網(wǎng)絡(luò)的熒光磁粉檢測技術(shù)進(jìn)行了深入的探討,設(shè)計(jì)了一套以BP神經(jīng)網(wǎng)絡(luò)為理論基礎(chǔ)的熒光磁粉檢測方案。實(shí)驗(yàn)表明,本系統(tǒng)無論是在檢測速度還是檢出率方面均有很大的提高,同時(shí)減少了由于人為失誤造成的影響,為熒光磁粉檢測系統(tǒng)實(shí)現(xiàn)自動化和智能化奠定了良好的基礎(chǔ),具有重要的應(yīng)用價(jià)值。
參考文獻(xiàn):
[1]金翠娥,吳遠(yuǎn)峰,劉穎卓.基于機(jī)器視覺的熒光磁粉檢測圖像預(yù)處理方法[J].無損檢測,2018,40(09):5-7+55.
作者簡介:黃海霞(1985-),女,江蘇南通人,本科,工程師,主要從事焊接檢驗(yàn)、無損檢測、質(zhì)量管理等相關(guān)工作。