杜裕平

(1.南京鋼鐵股份有限公司, 南京 210035； 2.南京航空航天大學(xué) 自動化學(xué)院, 南京 200240)

硬斑是鋼板上的一種缺陷，指鋼板表面局部區(qū)域的硬度異常高于其他正常部位的硬度，這些區(qū)域可能是成分異常區(qū)、外來雜質(zhì)或者過冷區(qū)等。這些硬斑區(qū)域附近存在很大的硬度差，材料在塑性變形或者服役過程中，可能產(chǎn)生應(yīng)力集中，導(dǎo)致表面產(chǎn)生裂紋，嚴(yán)重影響管道的服役安全。

基于鐵磁性材料微觀結(jié)構(gòu)的微磁無損檢測技術(shù)，可以直接提取反映材料微觀結(jié)構(gòu)的電磁信號，同時材料微觀結(jié)構(gòu)決定材料的宏觀硬度[1]。國內(nèi)外學(xué)者在多電磁檢測技術(shù)方面進行了研究，中國礦業(yè)大學(xué)范孟豹科研團隊融合渦流、巴克豪森(MBN)兩種檢測技術(shù)，采用BP(Back Propagation)神經(jīng)網(wǎng)絡(luò)模型，實現(xiàn)了軸承套的表面硬度檢測[2]。北京工業(yè)大學(xué)何存富科研團隊融合切向磁場諧波分析和巴克豪森檢測技術(shù)，采用多元回歸模型，完成了對12CrMoV鋼板表面硬度的預(yù)測[3]。德國弗朗霍夫研究所研發(fā)的3MA綜合無損檢測技術(shù)，集成了巴克豪森、增量磁導(dǎo)率、多頻渦流、切線磁場諧波分析等多項微磁無損檢測技術(shù)，采用多元回歸模型，對鐵磁性材料的硬度、強度等進行檢測[4]。

筆者基于3MA設(shè)備提取了41個特征值，分析了特征參數(shù)與管線鋼表面硬度的關(guān)系，并構(gòu)建了逐步回歸和BP神經(jīng)網(wǎng)絡(luò)模型，以對管線鋼的表面硬度進行檢測。

1 試驗方法

1.1 試驗設(shè)備

采用德國3MA設(shè)備(見圖1)獲取電磁特征參數(shù)，其探頭結(jié)構(gòu)如圖2所示(圖2中，1為保護殼，2為探頭電子元件，3為磁軛，4為軛線圈，5為探頭電纜，6為彈簧加載傳感器元件，7為磁場傳感器，8為電感式傳感器，9為檢測試樣)。

圖1 3MA設(shè)備外觀

圖2 3MA設(shè)備探頭結(jié)構(gòu)示意

巴克豪森信號由位于試樣表面上的磁感應(yīng)傳感器接收，并使用帶通濾波器或低通與高通濾波器的組合對檢測到的信號進行濾波并放大。此后，還需要對信號進行整流，包括放大和信號平滑等過程。與MBN信號類似，增量磁導(dǎo)率(MIP)檢測技術(shù)也提取類似特征。

切向磁場諧波分析技術(shù)是在電壓驅(qū)動磁化的情況下，將頻率為fM的正弦激勵電壓施加到電磁鐵的磁軛線圈上，根據(jù)電磁鐵的總電感和材料的磁滯回線形狀，探頭磁軛線圈中將產(chǎn)生與時間相關(guān)的非正弦電流。除了基頻fM之外，磁化電流將會出現(xiàn)高次諧波。

3MA設(shè)備應(yīng)用4種不同的渦流頻率去激勵檢測線圈，對檢測信號解調(diào)處理后，得到每個頻率的實部和虛部，以及阻抗的幅度和相位，這樣可以使得目標(biāo)值與干擾因素分離，有利于提高檢測精度。

3MA設(shè)備采用多元回歸方法得到電磁特征與目標(biāo)的數(shù)據(jù)模型，但這種算法依賴特征參數(shù)與目標(biāo)的相關(guān)性，具有一定的限制性。當(dāng)參數(shù)與目標(biāo)的相關(guān)性較低時，所得結(jié)果誤差較大。

1.2 試樣制備及硬度檢測

制備的試樣尺寸為750 mm×300 mm×30 mm(長×寬×高)，結(jié)構(gòu)及測點如圖3所示。

圖3 試樣結(jié)構(gòu)及測點示意

首先在鋼板正面取5個點，探頭磁場方向與軋制方向垂直，每個點的采集時間為30 s，提離距離為2 mm。采用里氏硬度計對鋼板的表面硬度進行檢測，結(jié)果如表1所示。

表1 部分試樣表面硬度檢測結(jié)果 HV

1.3 檢測模型及評估函數(shù)

逐步回歸算法是將所有解釋變量逐一引入，通過F檢驗和t檢驗后確認(rèn)顯著變量，并將不顯著變量刪除，循環(huán)往復(fù)得到最優(yōu)回歸方程，用于擬合。3MA檢測系統(tǒng)采用的算法是逐步回歸算法，但在實際應(yīng)用中，為了保證實時傳輸和計算，系統(tǒng)只選取10個最優(yōu)特征值進行回歸建模，使得其余31個相關(guān)參數(shù)被遺棄，導(dǎo)致回歸模型跨度大，擬合精度低。

文中采用的逐步回歸算法模型并不依賴于3MA檢測系統(tǒng)，而是編寫的算法。該算法模型將41個參數(shù)包括在內(nèi)，建立了回歸方程，進一步提升了擬合的精度。逐步回歸算法流程如圖4所示。

圖4 逐步回歸算法流程圖

人工神經(jīng)網(wǎng)絡(luò)(ANN)是模擬生物大腦神經(jīng)系統(tǒng)建立的一種數(shù)學(xué)模型，具有很強的信息處理和自學(xué)習(xí)能力，能有效識別復(fù)雜系統(tǒng)輸入向量和輸出向量之間的非線性映射關(guān)系，特別適用于解決輸出受較多輸入因素影響，且影響關(guān)系不明確的建模問題。根據(jù)不同的學(xué)習(xí)特性和功能，ANN可分為BP神經(jīng)網(wǎng)絡(luò)、徑向基神經(jīng)網(wǎng)絡(luò)、線性神經(jīng)網(wǎng)絡(luò)、自組織神經(jīng)網(wǎng)絡(luò)等，其中BP神經(jīng)網(wǎng)絡(luò)是目前應(yīng)用最廣泛的一種ANN模型。

網(wǎng)絡(luò)結(jié)構(gòu)由輸入層、隱含層、輸出層3部分構(gòu)成，其中輸入層和輸出層各只有1個，而隱含層可以有多個，各層都由若干神經(jīng)元組成。層內(nèi)神經(jīng)元節(jié)點之間互不相連，而層間神經(jīng)元節(jié)點采用全連接的方式，即輸入層的任意一個神經(jīng)元節(jié)點都與隱含層的所有節(jié)點連接，隱含層的任意一個神經(jīng)元節(jié)點都與輸出層的所有節(jié)點連接。BP學(xué)習(xí)算法流程如圖5所示。

圖5 BP學(xué)習(xí)算法流程圖

為了對兩種模型預(yù)測精度進行進一步分析，可以使用兩種模型對同一批管線鋼進行強度和硬度預(yù)測，根據(jù)預(yù)測結(jié)果來對比兩種模型的性能。筆者所用結(jié)果的評價指標(biāo)以置信區(qū)間為主。

模型檢測誤差，即預(yù)測結(jié)果有一個合適的置信區(qū)間，才能保證預(yù)測有意義。文中的置信區(qū)間有兩個，一個是相對誤差絕對值不大于10%，另一個是相對誤差絕對值不大于5%，置信區(qū)間Q10，Q5的計算公式為

(1)

(2)

式中：N為樣本的總數(shù)；N5為絕對值誤差在5%以內(nèi)的測試樣本個數(shù)；N10為絕對值誤差在10%以內(nèi)的測試樣本個數(shù)。

絕對誤差為

(3)

式中:yi為力學(xué)性能參數(shù);yci為力學(xué)性能參數(shù)檢測結(jié)果。

2 試驗結(jié)果及分析

2.1 微磁特征信號與表面硬度的關(guān)系

3種特征的矯頑力與鋼板硬度的關(guān)系如圖6～8所示。由圖6～8可知，1#，2#鋼板的硬度分布存在差異，即便是同類管線鋼，不同批次間的硬度也存在差異。同時隨著鋼板硬度的增加，3種特征的矯頑力呈現(xiàn)增大趨勢，表明3種微磁檢測技術(shù)所提取的特征值可在一定程度上反映管線鋼的硬度。

圖6 矯頑力與鋼板硬度的關(guān)系(巴克豪森特征)

圖7 矯頑力與鋼板硬度的關(guān)系(切向磁場特征)

圖8 矯頑力與鋼板硬度的關(guān)系(增量磁導(dǎo)率特征)

2.2 表面硬度檢測結(jié)果

對L450M鋼進行硬度檢測和計算，結(jié)果如表2所示。

表2 L450M鋼硬度檢測和計算結(jié)果 HV

L450M鋼BP神經(jīng)網(wǎng)絡(luò)模型和逐步回歸模型檢測結(jié)果如圖9，10所示。對L450M鋼進行BP神經(jīng)網(wǎng)絡(luò)及逐步回歸兩種算法的檢測結(jié)果為：在5%和10%的誤差范圍內(nèi)，置信度都為100%。

圖9 L450M鋼BP神經(jīng)網(wǎng)絡(luò)模型檢測結(jié)果

圖10 L450M鋼逐步回歸模型檢測結(jié)果

對L485鋼進行硬度檢測和計算，如果如表3所示。

表3 L485鋼硬度檢測和計算結(jié)果 HL

L485鋼BP神經(jīng)網(wǎng)絡(luò)模型和逐步回歸模型檢測結(jié)果如圖11，12所示。對L485鋼進行逐步回歸算法檢測結(jié)果為，在5%和10%的誤差范圍內(nèi)，置信度都為100%；BP神經(jīng)網(wǎng)絡(luò)算法檢測結(jié)果為，在5%的誤差范圍內(nèi)，置信度為92.24%;在10%的誤差范圍內(nèi)，置信度為100%。

圖11 L485鋼BP神經(jīng)網(wǎng)絡(luò)模型檢測結(jié)果

圖12 L485鋼逐步回歸模型檢測結(jié)果

3 結(jié)論

(1) 隨著鋼板硬度的增加，3種特征值呈現(xiàn)增大趨勢，表明3種微磁檢測技術(shù)提取的特征值可在一定程度上反映管線鋼的表面硬度。

(2) 無論是BP神經(jīng)網(wǎng)絡(luò)模型還是逐步回歸模型，在10%的誤差范圍內(nèi)，置信度為100%。表明兩種檢測模型均可實現(xiàn)對管線鋼表面硬度的檢測。