[發明專利]一種基于神經網絡的高溫爐管損傷級別智能評定方法

在審

• 申請號: 201711067667.3
• 申請日: 2017-11-03
• 公開（公告）號: CN108037190A
• 公開（公告）日: 2018-05-15
• 發明（設計）人: 陳軍;文林;馬海濤;譚家隆
• 申請（專利權）人: 大連理工大學
• 主分類號: G01N29/44
• 分類號: G01N29/44;G01N29/11;G06N3/04
• 代理公司: 大連理工大學專利中心 21200
• 代理人: 李曉亮;潘迅

1.一種基于神經網絡的高溫爐管損傷級別智能評定方法，其特征在于，所述的高溫爐管損傷級別智能評定方法首先在分析采集數據特征的基礎上，設計焊縫識別算法與損傷評級算法，進行逐段標記：再利用焊縫識別算法將爐管段分為兩類-焊縫段和非焊縫段；最后利用損傷評級算法對非焊縫段爐管進行損傷級別的評定；具體包括以下步驟：

1)采集數據

一根爐管由多段管段焊接而成，焊縫處的爐管外形輪廓近似拋物線，其余位置近似為直線，利用直線位移傳感器對爐管外形輪廓進行采樣，根據公式(1)得到一根爐管管壁的原始數據y；

y＝cx[bi-ai(x-xi)2]+δ (1)

式中，y為采樣值，x為采樣位置；cx表示該點是否為焊縫，取值為0或1；ai、bi、xi是控制拋物線形態的參數，i表示一根爐管上焊縫的序號；δ為隨機變量；

2)利用采集的數據分段研究爐管管壁的數據特征

直線位移傳感器輸出電壓采樣精度為12位，范圍為0～4095，對公式(1)得到的管壁原始數據利用公式(2)進行預處理：

y ′ = ψ 4095 · ( y - y 0 ) - - - ( 2 ) ]]>

式中，y為原始的采樣值，y0為起始點的采樣值；ψ表示直線位移傳感器能夠測量的最大變化量；y′為處理后的數據，將其定義為管壁偏移量，單位為毫米mm，表示采樣點相對起始點的水平偏移距離；

爐管段的管壁偏移量與采樣位置的關系通過公式(3)描述：

y'＝cx[b-a(x-x0)2]·[0.54-0.46·cos(2π·x/64)]+ξ (3)

式中，y′為管壁偏移量，x為采樣位置；cx表示該點是否為焊縫，取值為0或1；a、b、x0是控制拋物線形態的參數；ξ為隨機變量；

3)采用谷值躍變進行焊縫識別，并采用如公式(4)所示的差分運算法檢測谷值躍變：

z(n)＝|y'(n)-y'(n-n0)| (4)

其中，y(n)′為管壁偏移量的采樣值，n是采樣點的序號，n0是做差分運算的兩個采樣點間的序號差，z(n)為管壁偏移量進行差分運算的結果；

得到z(n)后，設置閾值z0，選取z(n)值大于z0的點，并記錄上述點的下標n，上述點都是焊縫上的點；z0和n0的設置是根據焊縫檢驗算法并結合實驗數據得到；

4)根據步驟3)得到的焊縫上的點近似求得每個焊縫的中心位置

將步驟3)得到的焊縫上的點依次排列，選取第一個點作為當前焊縫的起始點，依次計算后面點的下標n與起始點的差值，當差值大于一定閾值z0時，說明到達下一個焊縫的起始點，它的前一個點即是當前焊縫的結束點，計算當前焊縫的起始點與結束點下標的中值，得到當前焊縫的中心位置；再由下一個焊縫的起始點重復上述操作，直到結束；結束時還需計算最后一個焊縫的起始點與最后一個點下標的中值得到最后一個焊縫的中心位置；

5)檢測一根爐管的兩個迎火面，得到實際采集數據，并得到同一根爐管兩路超聲信號幅值特征曲線，并根據超聲信號幅值特征曲線確定損傷程度；設置超聲信號幅值特征曲線的相對幅值范圍為0～500；

6)采用兩種算法對初步確定的損傷程度進行智能評級

一種算法是基于規則的逐步優化評級法，根據超聲信號幅值特征曲線的統計特征制定劃分損傷程度的標準，模擬人工評級的過程；另一種算法是基于BP神經網絡的評級法，采用BP神經網絡對輸入的超聲信號幅值特征曲線分類實現分級；兩種算法均以10個數據為一個數據單元對一組數據進行劃分，一個數據單元對應一個評級結果，因此長度為n的數據生成的評級結果的長度為n/10；

首先采用基于規則的逐步優化評級法，得到初步評級結果；在此基礎上進行簡單修改之后，采用BP神經網絡進行訓練學習，得到爐管損傷程度的結果；兩種算法均對超聲信號幅值特征曲線數據進行預處理，將同一根爐管兩個通道的超聲幅值特征曲線數據融合為一組，作為算法的輸入數據；

6.1)基于規則的逐步優化評級算法包括以下三步：

6.1.1)初評

計算每個數據單元的最小值和均值，并以此進行初步評級，初步評級標準如表1所示；

表1

6.1.2)細評

根據每個數據單元相鄰兩側的初評結果進行細評，主要規則有：評級結果為A級、B上級的數據單元無需重評；若B級兩側為B下級或焊縫則將其修改為B下級；若B下級和C級兩側不是A級或B上級，則將其修改為B級；

6.1.3)膨脹連通

設置連通寬度，若評級結果中兩個B上級管段的距離小于連通寬度，則將兩個B上級之間評級結果為A級的位置修改為B上級，使其連通；B級結果同樣需要進行這一步驟；

6.2)基于BP神經網絡的評級法包括以下內容：

BP神經網絡具有三層或三層以上的拓撲結構，包括輸入層、隱層和輸出層，前后層神經元之間全連接，每層神經元之間無連接；其輸入向量p＝(p1,p2,…,pn)與輸出向量h滿足：

h = f ( Σ i = 1 n p i · ω i - θ ) = W T P - - - ( 5 ) ]]>

式中，WT＝(-θ,ω1,ω2,…,ωn)，P＝(1,p1,p2,…,pn)和f()是輸入輸出的傳遞函數。