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(shí)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(jìn)行了研究，中國礦業(yè)大學(xué)范孟豹科研團(tuán)隊(duì)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(shí)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(tuán)隊(duì)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(xiàng)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(qiáng)度等進(jìn)行檢測[4]。

筆者基于3MA設(shè)備提取了41個(gè)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(jìn)行檢測。

1 試驗(yàn)方法

1.1 試驗(yàn)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(hù)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(jìn)行濾波并放大。此后，還需要對信號進(jìn)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(lì)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(shí)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(lì)檢測線圈，對檢測信號解調(diào)處理后，得到每個(gè)頻率的實(shí)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(shí)，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(diǎn)如圖3所示。

圖3 試樣結(jié)構(gòu)及測點(diǎn)示意

首先在鋼板正面取5個(gè)點(diǎn)，探頭磁場方向與軋制方向垂直，每個(gè)點(diǎn)的采集時(shí)間為30 s，提離距離為2 mm。采用里氏硬度計(jì)對鋼板的表面硬度進(jìn)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(yàn)和t檢驗(yàn)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(shí)際應(yīng)用中，為了保證實(shí)時(shí)傳輸和計(jì)算，系統(tǒng)只選取10個(gè)最優(yōu)特征值進(jìn)行回歸建模，使得其余31個(gè)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(gè)參數(shù)包括在內(nèi)，建立了回歸方程，進(jìn)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(qiáng)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(gè)，而隱含層可以有多個(gè)，各層都由若干神經(jīng)元組成。層內(nèi)神經(jīng)元節(jié)點(diǎn)之間互不相連，而層間神經(jīng)元節(jié)點(diǎn)采用全連接的方式，即輸入層的任意一個(gè)神經(jīng)元節(jié)點(diǎn)都與隱含層的所有節(jié)點(diǎn)連接，隱含層的任意一個(gè)神經(jīng)元節(jié)點(diǎn)都與輸出層的所有節(jié)點(diǎn)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(jìn)行進(jìn)一步分析，可以使用兩種模型對同一批管線鋼進(jìn)行強(qiáng)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(jià)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(gè)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(gè)，一個(gè)是相對誤差絕對值不大于10%，另一個(gè)是相對誤差絕對值不大于5%，置信區(qū)間Q10，Q5的計(jì)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(gè)數(shù)；N10為絕對值誤差在10%以內(nèi)的測試樣本個(gè)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(yàn)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(shí)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(jìn)行硬度檢測和計(jì)算，結(jié)果如表2所示。

表2 L450M鋼硬度檢測和計(jì)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(jìn)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(jìn)行硬度檢測和計(jì)算，如果如表3所示。

表3 L485鋼硬度檢測和計(jì)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(jìn)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(shí)現(xiàn)對管線鋼表面硬度的檢測。