手机版
|
罗雄彪,陈铁群
(华南理工大学机械工程学院,广州 510640)
摘要:介绍了人工智能技术、自适应技术、机器人技术和相关技术在超声无损检测中的理论分析和应用。这些技术的应用,使得无损检测的定位、定性和定量的可靠性和完备性大幅度提高,为无损评价奠定了良好的判定基础。指出现代超声无损检测技术正向着智能化、自动化、图像化、数字化、小型化、系列化、多功能化、沧州欧谱信息化和交叉领域的前沿方向发展,实现了复杂形面复合构件的超声扫描成像无损检测,满足现代质量对无损检测的要求。
关键词:超声检测;人工智能;自适应滤波;信息融合;超声扫描成像检测;相关技术
中图分类号: TG115. 28 文献标识码:A 文章编号:100026656 (2005) 0320148204
Development Trends of Ultrasonic Testing
LUO Xiong biao , CHEN Tie qun
(College of Mechanical Engineering , South China University of Technology , Guangzhou 510640 , China)
Abstract : The theoretical analysis and applications based on artificial intelligence , adaptive , robot andcorrelation techniques in ult rasonic nondest ructive testing were int roduced. It s reliability integrality for locationquantitative and identification had been improved to the utmost extent and laid a better determinant foundation fornondest ructive eveluation. Modern ult rasonic testing was developing towards intelligence , automation ,visualization , digitization , miniaturization , standardization , ulti2functionality ,information and many intersectionalfields in order to apply ult rasonic scanning imaging testing to complex2shaped component and meet the demand ofcontemporary quality.
Keywords :Ult rasonic testing ; Artificial intelligence ; Adaptive filtering ; Data fusion ; Ult rasonic scanningimaging testing ; Correlation technique
尽管无损检测本身并非一种生产技术,但其技术水平能反映该部门、该行业、该地区甚至该国家的工业技术水平。无损检测技术所能带来的经济效益十分明显,统计资料显示,经过无损检测后的产品增值情况为,机械产品为 5 %,国防、宇航和原子能产品为 12 %～18 % ,火箭为 20 %。例如,德国奔驰公司汽车几千个零件经过无损检测后,整车运行公里数提高了一倍,大大增强了产品在国际市场的竞争能力;日本汽车在 30 %零件采用无损检测后,质量迅速超过美国。德国科学家认为,无损检测技术是机械工业的四大支柱之一。可见现代工业是建立在无损检测基础上的说法并不为过。
基金项目:华南理工大学自然科学基金资助项目超声检测技术(U T)是五大常规无损检测技术中使用得最多的一种。与其它常规无损检测技术相比,它具有检测对象范围广,检测深度大;缺陷定位准确,灵敏度高;成本低,使用方便;速度快,对人体无害以及便于现场使用等特点。因此,U T是国内外应用最广泛、使用频率最高,且发展较快的一种无损检技术,这体现在改进产品质量、产品设计、加工制造、成品检测以及设备服役的各个阶段和保证机器零件的可靠性和安全性上。世界各国出版的无损检测书籍、资料和文献中,U T所占的数量都是首屈一指的。无损检测资源网有关资料表明,国外每年大约发表 3 000篇涉及无损检测的文献资料,其中有关超声无损检测的内容约占 45 %。在近几届世界无损检测会议论文集收录的论文中,有关 U T的论文数遥遥领先于其它检测方法,特别是 2000年 10月在罗马召开的第十五届世界无损检测会议(WCNDT)收录的 663篇论文中, U T就占 250篇,涡流( ET)、射
线(RT)、声发射(AE)、磁粉(MT)和其它检测方法的论数数量依次为 103 ,105 ,40 ,32和 103篇。
统计数据表明 U T在无损检测领域中的突出贡献与重要地位,所以 U T一直以来都是研究的热点。随着电子学和计算机科学技术的飞速发展,采用人工智能技术、自适应技术、机器人技术、相关技术、信息融合技术、激光技术和计算机辅助设计/计算机辅助制造(CAD/ CAM)等技术与无损检测技术有机结合,以实现复杂形面复合构件的超声扫描成像检测,是近年来国外复合材料构件无损检测领域研究的前沿课题。下面主要探讨人工智能技术、自适应技术、机器人技术和相关技术在超声无损检测技术中的理论分析和应用。
1 人工智能技术
顾名思义,人工智能( artificial intelligence ,简称 AI)就是用人工的方法在计算机上实现的智能。通俗地说,人工智能就是研究如何使机器具有能听、会说、能看、会写、能思维、会学习、能适应环境变化、能解决各种面临的实际问题等功能的一门学科。目前,人工智能的研究更多的是结合具体领域进行的。在超声无损检测应用中,主要研究领域有专家系统和人工神经网络等[2 ]。
1. 1 专家系统
专家系统是一种在特定领域内具有大量知识与经验的程序系统,它应用人工智能技术,模拟专家求解问题的思维过程,求解领域内的各种问题,其水平可以达到甚至超过专家的水平。在超声界有许多检测技术高明的专家,他们在各自的工作领域中都具有丰富的实践经验和高人一筹的绝招,如果把对某一探伤对象的检测经验集中起来,并以某种表示模式存储到计算机中形成知识库,然后再把专家们运用这些知识判断缺陷的思维过程编成程序构成推理机,使得计算机能象人类专家那样对缺陷信号进行判断,则这样的程序就是一个专家系统。
图 1为一个三段结构的 AI专家系统,用以帮助那些对 U T应用并不熟练的操作人员选择最好的检测方法和检测技术去解决问题,该系统被称为超声 UE顾问,可为诸如“哪种检测方法或检测技术能最好地解决该问题?”这样的问题提供咨询服务。
图 1三阶段结构的 UE顾问 AI系统
系统的三个组成部分为:
(1) U T方法和技术库 从各超声专家搜集不同的检测方法和检测技术组成 U T方法和技术库,以消除单独某一个专家所产生的偏见。根据检测对象和要求,每一方法又可以是多种多样的。
(2) U T方法和技术优先顺序的排列 使用者被请求回答“是/否/或许”( Yes/ No/ Maybe)这类问题,涉及价格、速度、精度、设备及人员的可利用性等。AI系统从所获得的这些信息中根据实际情况及检测要求选择最合适的检测方法和技术。
(3)专家系统 每一个专家系统对应一种 U T 方法,图 1中只具体列出了三个专家系统,即脉冲反射法专家系统、时间渡越衍射专家系统和谱分析(包括裂谱、倒谱和能谱分析)专家系统,另外还有许多专家系统可归到其它类专家系统一栏中。每一个专家系统决定了所考虑的方法内具体技术的选择。
AI系统可以对有关 U T的任务进行决策,决策的质量既依赖于提供给 AI系统的被检测对象的信息,也依赖于所使用的 AI系统的质量。它能为非技术人员进行技术咨询时提供很好的回答,可以减少寻找人类专家时所花费的时间,且能够消除人类专家进行技术选择时可能产生的偏见。
1. 2 人工神经网络
人工神经网络是一种以自适应为特征的无固定模型的非线性网络,用于处理非线性模型或很难建立模型的问题。它是由多个处理单元(神经元)相互连接的信号处理系统,单元的输出通过权值与其它单元相互连接。
人工神经网络在超声检测中的应用是通过最佳似然比检测的原理[1 ],沧州欧谱由神经元之间的相互作用来实现的,信号的存储表现为网络元件互连间分布式的物理联系,网络的识别取决于各神经元连接权值的动态演化过程。
用于超声检测的神经网络是由三层感知器组成的,即输入层、输出层及隐含层(图 2)。其输出层只有一个神经元。若该神经元被激活,即输出为 1 ,则判为 H1 ;若该神经元被抑制,即输出为 0 ( - 1) , 则判为 H0。输入层神经元的数目与接收到的样本数目相同(即为 M)。中间层神经元的数目可视具体应用要求来确定,通常也为 1。通过调节输入层到输出层的连接权系数 W i1. 1 ( i = 1 ,2 , , M)、隐含层到输出层的连接层权系数 W i1. 2以及各神经元的阈值,就可以反映似然比和门限的大小。
图 2神经网络检测器
人工神经网络可实现缺陷的分类,具有很高的识别准确度,对于不完全、不够清晰的数据同样有效;具有强大的学习能力,能从样例中学习,获取知识;易于实现并行运算,而且便于在硬件上实现,从而可大大提高速度;由于信息在网络中是分布表示的,因而它对带有噪声或缺损的输入信息有很强的适应能力。人工神经网络的这些优点,使其很适合应用到超声定量无损检测中。例如,由 Adapt ronics 公司研制的 ALN4060智能超声探伤仪就是人工神经网络在超声检测中成功应用的代表。
2 自适应技术[3 ]
自适应处理技术是由Widrow B等人提出,在 20世纪 60年代开始发展起来,是现代信号处理技术的重要组成部分,对复杂信号的处理具有独特的功能。目前国内外自适应算法研究仍比较活跃。自适应滤波的优点是对处理参数依赖性较小,软硬件实现均较简单,因而在工业应用中有良好前景。近年来,国内外学者开始尝试将自适应滤波技术用于超声无损检测,其目的是寻找一种便捷的抗干扰手段,使得超声检测目标信号在各种干扰条件下(包括材料结构内部的干涉杂波)保持整齐、清晰且不畸变的波形,为各种准确的无损检测奠定基础。
自适应数字滤波是其在超声检测应用中的一个方面。图 3是一个自适应数字滤波器,具有两个输入端,信号输入端通常称为主输入端,所期望的响应 d ( n)输入端称为参考输入端。滤波器输出端 y ( n)就是自适应滤波器的输出端,有时将其误差 e( n)引出一个误差输出端。
图 3自适应滤波器
主信号 s ( n)经过传输系统 H ( z)的频率特性和噪声干扰的影响,信号 x ( n)将与主信号 s ( n) 不同,但它蕴涵着主信号。利用自适应滤波器可从信号 x ( n)中提取原来的主信号 s ( n) ,而噪声干扰被滤波作用抑制了。对于传输系统 H ( z)给主信号劣化的情况来说,当滤波器输出 y ( n)逼近参考输入 d ( n)= s ( n) ,自适应滤波的最佳权矢量 W0为H(z)·W0=1即 W0 = H- 1 ( z) 这表明自适应滤波器的最佳滤波响应是传输系统转移函数的倒数(逆函数) ,此时自适应滤波器对主输入信号 x ( n)进行逆波,使其复原主信号。
此外,自适应技术还用来系统辨识、自适应均衡、自适应噪声抵消与谱线增强、自适应谱估计和盲自适应信号处理等。总之,自适应数字系统具有很强的自学习、自跟踪能力和算法的简单易实现性,它在噪化信号的检测增强、噪声干扰的抵消、波形编码的线性预测、图像自适应压缩编码、图像自适应增强复原和图像识别的自适应分割等方面应用广泛。
3 机器人技术
机器人技术的建立是 20世纪人类科技的重大成就,它是一门高度交叉的前沿学科,包含机械学、计算机科学与工程、控制论与控制工程学、电子工程学与人工智能等。随着机器人技术的发展,机器人在汽车、机电通用机械制造、金属材料加工和无损检测中的应用日益广泛。
无损检测是以不损害被检测对象为前提,对其各种性能进行检测,它是实现设备安全运行、质量控制及改进生产工艺的重要手段。但在进行一些关键部位的无损检测时,操作者常会遇到难以进入或接近的场合(如小管道内部、狭小场所、高建筑物、水下、高低温环境和有毒容器内部等) ,因此,不能采用常规方法实现检测。对此,采用遥控或自动方式的检测机器人是行之有效的方法。现在国外已有形形色色、各种各样的无损检测机器人[4 ]。
下面介绍自动行走摄像机器人 WAN TED在超声检测中的应用。图 4所示, WAN TED机器人由远距离操作的自动行走机构、微型高质量 CCD彩色电视摄像机、照明装置、系统控制器、监视电视、录像系统及异物回收装置组成。行走机构由腰带、齿轮传动和微型马达组成,通过系统控制器和缆线,可控制行走机构实现前后行走。检测头设在行走机构的前部,包括两个照明灯和一个 CCD摄像系统。在两个微型马达的驱动下,检测头能进行上下 65°和左右 75°的转动,对目标进行摄像,同时将摄像信息传给监视电视和录像系统,所以操作者能对被检测对象进行全面细致和快速的检测和录像。
图 4WANTED机器人系统框图
WAN TED机器人备有若干附件,如摄像镜头有标准、超广角和望远镜头,以适应不同目的和场合的检测需要。另有几种用以清除或摄取被检测对象中的异物的配件。这种机器人用于高层建筑物的维护、火力和水力发电厂、各种埋设管道和其它工厂。对直径> < 60 mm的管道内部超声检测是其最突出的应用。此外,也可用于观测各种狭小场所的内部结构。
4 相关技术
相关技术是一门边缘科学,它是以信息论和随机过程理论为基础。随着信息科学的发展,相关技术在计算机科学、微电子学、无损检测和人工神经网络等领域日益得到广泛的应用[5 ]。在超声无损检测中,传统的脉冲回波法在许多方面得到了应用,它利用反射体反射超声波的幅值及其出现的时间来反映反射体的大小及位置。由于其结构简单、检测速度快,多年来一直是主要的检
测方法。但是由于超声波发射峰值功率有限,使得检测距离与分辨力之比受到限制,即要想增加检测距离,就要牺牲分辨力;要想提高分辨力,就要减小检测距离。所以脉冲回波法在应用中受到了限制,特别是在如陶瓷和塑料等声吸收较强的材料中[6 ]。从信噪比角度分析,因为放大器的噪声与其带宽成正比,因此接收器的输出信噪比与输入信噪比(信噪比增量)为式中 BIN 和 BOUT 为接收器的输入和输出带宽。脉冲回波法接收器的输入输出信号的带宽近似一致[7 ] ,故 SNRE没有得到很好的改善,即它一定要回波信号明显大于噪声。相关技术可以通过加大积分时间来增加接收器的信噪比增量,能把湮没在噪声中的信号提取出来。因为它用随机信号作发射信号,相关接收器的输出信号带宽与积分时间成正比,与发射功率无关,提高检测范围和分辨力无需增加超声波发射峰值功率,所以比脉冲回波法检测能力强,在高声吸收材料中效果更明显。
相关检测系统如图 5所示,设 x ( t)为随机信号,如果将其作为发射信号,则接收信号为式中 h( t) ———探头的脉冲响应*———卷积运算
图 5相关检测系统
为分析方便,上式中忽略了传输中的能量损失及时间。图 5中的乘法器与低通滤波器组成了相关器,其输出为 y ( t)与 x ( t)的互相关函数式中 T ———积分时间x (µ- τ) ———x ( t)经延时 τ 后的参考信号将式(1)代入式(2)后得(3)
式中 Rxx (τ) ———x ( t)的自相关函数
如果输入信号为白噪声 Rxx (τ) =δ(τ)函数,则式(3)可写为式(4)表明,如果发射信号为随机信号,则相关器的输出 Ry x (τ)与脉冲回波法能产生同样的输出。相关器的接收信号带宽基本上与随机信号一致,即 BIN = B ,其输出信号的带宽与积分时间 T成反比,所以相关器的信噪比增量为因此相关检测方法的信噪比增量与发射功率无关,只与积分时间成正比。积分时间越,SNRE 越大,它可从噪声中提取有用信号,不要求有用信号明显大于噪声。
5 结束语
文中给出了人工智能技术、自适应技术、机器人技术和相关技术在超声无损检测中的理论分析和应用。这些技术以高精度的运算、控制和逻辑判断功能来代替大量人的体力和脑力劳动,减少了人为因素造成的误差,很好地解决了记录存档问题,使得在无损检测中定位、定性、定量的可靠性和完备性大幅度地提高,实现了超声检测和评价的智能化、自动化、图像化、数字化、小型化、系列化、多功能化和信息化。为无损评价奠定了良好的判定基础,以实现复杂形面复合构件的超声扫描成像无损检测,满足现代质量对无损检测的要求。
参考文献:
[1]罗发龙,李衍达.神经网络信号处理[M] .北京:电子工业出版社,1993.
[2]张海燕,刘镇清.人工智能及其在超声无损检测中的应用[J ] .无损检测,2001 ,23 (3) :356 - 360.
[3]何振亚.自适应信号处理[ M] .北京:科学出版社,2002.
[4]胡 超.无损检测中的机器人技术[ J ] .机电工程,1999 ,30 (5) :139 - 140.
[5]徐秉铮,欧阳景正.信号分析与相关技术[M] .北京:科学出版社,1981.
[6]谷东兵,骆嘉龄.相关技术在无损检测中的应用[J ] .试验技术与试验机,1993 ,33 (5 ,6) :3 - 5.
[7]Furgason ES , Newhouse VL , Bilgutay NM , et al.Application of random signal
correlation techniques toult rasonic[J ] . Flaw Detection Ult rasonics ,1975 ,13 :11- 17.
|
