潘 甜，田慶敏，李 宇

(江蘇航空職業(yè)技術(shù)學(xué)院，江蘇 鎮(zhèn)江 212134)

0 引言

模糊邏輯是1965年由Zadeh教授提出的，類似于人腦的邏輯思維，能夠?qū)π畔⒉幻鞔_的模糊問題進(jìn)行有效處理，將模糊邏輯推理應(yīng)用于模式識別領(lǐng)域是未來的研究方向。但模糊邏輯的缺點之一是模糊規(guī)則通常依據(jù)經(jīng)驗建立，難以建立穩(wěn)定的數(shù)學(xué)模型，其本身也無法自主學(xué)習(xí)，極大地降低了推理效率。BP神經(jīng)網(wǎng)絡(luò)類似于人類大腦的神經(jīng)元，可以通過建立數(shù)學(xué)模型映射出輸入與輸出的關(guān)系，具有自學(xué)習(xí)和自適應(yīng)能力強(qiáng)等優(yōu)點，利用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行模式識別已經(jīng)成為一種成熟的模式識別手段。然而當(dāng)輸入信息的維度增加時，將大大延長BP神經(jīng)網(wǎng)絡(luò)的在線學(xué)習(xí)時間，導(dǎo)致實時性下降。因此思考如何將模糊控制與BP神經(jīng)網(wǎng)絡(luò)兩者優(yōu)勢互補，已經(jīng)成為模式識別與人工智能領(lǐng)域研究的重點和難點之一。

國內(nèi)外學(xué)者針對無損檢測缺陷識別技術(shù)開展了很多研究，盛敏等利用機(jī)器視覺技術(shù)實現(xiàn)了飛機(jī)蒙皮損傷的檢測研究，利用支持向量機(jī)技術(shù)實現(xiàn)缺陷的模式識別，具有一定的研究價值，但缺陷識別準(zhǔn)確率偏低，識別效率有待提高。美國西屋電氣公司使用智能高精度線陣CCD攝像對蒙皮表面缺陷進(jìn)行了檢測研究，采用傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)對缺陷圖像進(jìn)行分類識別，但該系統(tǒng)存在識別缺陷種類單一、無固定規(guī)律性等問題。

國內(nèi)外學(xué)者將模糊控制與神經(jīng)網(wǎng)絡(luò)相結(jié)合，并開展了一系列的研究，如司景萍等提出基于模糊控制的智能故障診斷專家系統(tǒng)，有效提高了發(fā)動機(jī)故障檢測的準(zhǔn)確率；Tang qi等對比了傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)和基于ANFIS模型的模糊神經(jīng)網(wǎng)絡(luò)，發(fā)現(xiàn)后者在動力電池故障診斷方面的準(zhǔn)確性更高；王笑笑等將模糊綜合評價與人工神經(jīng)網(wǎng)絡(luò)相結(jié)合，對大數(shù)據(jù)價值進(jìn)行評估研究，具有一定的實用價值。

上述研究表明，模糊神經(jīng)網(wǎng)絡(luò)多用于特定的控制領(lǐng)域，而少有學(xué)者將其運用于模式識別領(lǐng)域。為此本課題以飛機(jī)蒙皮缺陷檢測為背景，創(chuàng)新性地運用基于模糊控制的BP神經(jīng)網(wǎng)絡(luò)分類識別技術(shù)(FBP)實現(xiàn)飛機(jī)蒙皮表面缺陷的快速準(zhǔn)確識別和判斷，為我國無損檢測領(lǐng)域提供新的研究方向。

1 基于模糊神經(jīng)網(wǎng)絡(luò)的飛機(jī)蒙皮缺陷檢測

隨著科學(xué)技術(shù)和經(jīng)濟(jì)的發(fā)展，飛機(jī)在軍事、交通運輸、農(nóng)業(yè)等各個領(lǐng)域都發(fā)揮著關(guān)鍵的作用，然而在飛機(jī)長時間飛行過程中，飛機(jī)結(jié)構(gòu)的重要組成部分蒙皮表面會受到大氣環(huán)境的侵蝕以及各種沖擊載荷的作用，會出現(xiàn)裂紋、撞擊和腐蝕等缺陷，如圖1所示。表面缺陷不僅影響飛機(jī)蒙皮表面的美觀，更會影響飛機(jī)的整體使用壽命，從而導(dǎo)致空難事故的頻發(fā)，所以生產(chǎn)企業(yè)對蒙皮表面缺陷的檢測非常重視。

圖1 飛機(jī)蒙皮表面缺陷

本文通過搭建視覺檢測系統(tǒng)，利用基于模糊神經(jīng)網(wǎng)絡(luò)技術(shù)實現(xiàn)飛機(jī)蒙皮表面缺陷的識別和檢測。運用MATLAB仿真實驗對不同缺陷類型的表面圖像進(jìn)行特征提取，選用不同方向的對比度、相關(guān)性、能量和同質(zhì)性4種特征值構(gòu)建灰度共生矩陣，通過將特征參數(shù)輸出到模糊神經(jīng)網(wǎng)絡(luò)中進(jìn)行參數(shù)訓(xùn)練得到訓(xùn)練模型。部分飛機(jī)蒙皮缺陷圖像特征值如表1所示，其中序號1～5為飛機(jī)蒙皮裂紋樣本，序號6～10為飛機(jī)蒙皮腐蝕樣本?；谀：窠?jīng)網(wǎng)絡(luò)的飛機(jī)蒙皮缺陷檢測流程如圖2所示。

圖2 飛機(jī)蒙皮缺陷檢測流程

表1 部分飛機(jī)蒙皮缺陷圖像特征值

1.1 模糊神經(jīng)網(wǎng)絡(luò)算法

(1)

其中：N為維度；m為樣本數(shù)。

為了達(dá)到理想的訓(xùn)練目標(biāo)，當(dāng)E

1.2 模糊神經(jīng)網(wǎng)絡(luò)分類器設(shè)計

本文搭建的基于模糊神經(jīng)網(wǎng)絡(luò)的模式分類器系統(tǒng)結(jié)構(gòu)如圖3所示，主要分為4層：第一層為特征提取層，其功能是提取飛機(jī)蒙皮表面的缺陷圖像；第二層為模糊化處理層，其功能是對輸入的特征數(shù)據(jù)進(jìn)行模糊化處理；第三層為BP神經(jīng)網(wǎng)絡(luò)分類層，其充分結(jié)合BP神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)和自適應(yīng)功能，實時調(diào)整模糊神經(jīng)網(wǎng)絡(luò)分類器的權(quán)值，從而提高在線分類性能，并實時將分類精度顯示在計算機(jī)上；第四層為輸出層，將缺陷圖像的分類識別結(jié)果顯示出來。

圖3 模糊神經(jīng)網(wǎng)絡(luò)分類器系統(tǒng)結(jié)構(gòu)

2 仿真實驗及結(jié)果分析

通過網(wǎng)絡(luò)訓(xùn)練構(gòu)建基于模糊BP神經(jīng)網(wǎng)絡(luò)的蒙皮表面缺陷預(yù)測模型，首先選用4種特征參數(shù)作為輸入層節(jié)點參數(shù)，選用2種缺陷類型(裂紋和腐蝕)作為輸出層的節(jié)點數(shù)，期望輸出如表2所示。本次構(gòu)建的模糊BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型中隱含層為一層，其節(jié)點數(shù)n的計算公式為：

表2 期望輸出

(2)

其中：n1為輸入層節(jié)點數(shù)；n2為輸出層節(jié)點數(shù)；a為1～10之間的常數(shù)，本文取a=5。

本文選取100組裂紋缺陷和100組腐蝕缺陷共200組樣本分為4個組(每組50個樣本)進(jìn)行網(wǎng)絡(luò)測試，經(jīng)過526次訓(xùn)練后設(shè)定誤差值δ=0.01，將拍攝獲取的缺陷圖像經(jīng)預(yù)處理和特征提取后融入模糊神經(jīng)網(wǎng)絡(luò)預(yù)測模型進(jìn)行訓(xùn)練。測試樣本在模糊神經(jīng)網(wǎng)絡(luò)中的實際輸出和期望輸出如表3所示，實際輸出和期望輸出的仿真結(jié)果如圖4所示，缺陷圖像識別結(jié)果如表4所示。實驗結(jié)果表明：飛機(jī)蒙皮裂紋和腐蝕的缺陷檢測率高達(dá)93.5%，能夠很好地滿足實際檢測要求。

表3 測試樣本實際輸出和期望輸出

圖4 仿真實驗結(jié)果

表4 缺陷圖像識別結(jié)果

仿真實驗結(jié)果表明：基于模糊控制的BP神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)模式識別分類器相比，分類檢測次數(shù)由1 086次降低到526次，檢測精度提高到93.5%，較傳統(tǒng)的BP網(wǎng)絡(luò)分類識別精度提高了3.3%，檢測對比如表5所示。基于模糊控制的BP神經(jīng)網(wǎng)絡(luò)分類器的實時檢測精度得到了明顯提高。

表5 BP神經(jīng)網(wǎng)絡(luò)與模糊BP神經(jīng)網(wǎng)絡(luò)分類器對比

3 結(jié)束語

本文以飛機(jī)蒙皮表面產(chǎn)生的裂紋、腐蝕等缺陷為背景，將模糊控制的不確定推理能力和神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)能力充分結(jié)合，提出了一種模糊神經(jīng)網(wǎng)絡(luò)算法(FBP)，并構(gòu)建了基于模糊神經(jīng)網(wǎng)絡(luò)的模式識別分類器，可以快速準(zhǔn)確地判斷并識別出飛機(jī)蒙皮表面的幾種常見缺陷類型。實驗結(jié)果表明：缺陷檢測的準(zhǔn)確率達(dá)到93.5%，訓(xùn)練次數(shù)下降到526次，從而能夠大大減少因蒙皮裂紋、腐蝕等缺陷而導(dǎo)致的飛機(jī)空難事故。