关键词:
超声导波探伤技术
小样本学习方法
裂纹方向
裂纹面积
智能探伤系统
摘要:
超声波探伤技术是管道结构健康监测的一种主要技术,随着国家输油、输气、输水管网的建设,管道的长度已延伸至数百万公里,因此传统的逐点小面积的探伤方法,难以在实际中应用。超声导波可以通过一个检测点对管道进行长距离探伤,而且可以对被测区域实现全覆盖,同时实现对管道外表面、内表面和管壁内部缺陷的检测,与传统的逐点小面积的探伤方法相比较,超声导波大大提高了探伤效率。但是,超声导波存在多模态和频散现象,对探伤过程造成了干扰,一直以来没有一个满意的解决方法,成为超声探伤中急需解决的难点问题和研究焦点。本文在研究中发现,导波的波包能量在传播中不受多模态和频散现象的干扰,而且导波的缺陷反射波的能量分布与缺陷的形态具有相关性。根据此研究结果并针对上述问题,本文将缺陷反射波的能量分布用小波时频图表征制作图像样本,将管道的探伤问题转换成图像识别问题,借助深度学习强大的特征提取和表征能力,提出了一种超声探伤中的小样本学习方法,主要完成了以下研究工作:(1)对用缺陷反射波的能量分布识别缺陷的可行性进行了理论论证,并在此基础上进一步分析了缺陷反射波的能量分布与缺陷形态的相关性,为后续的研究工作奠定了理论基础。(2)裂纹是管道的一种主要缺陷,危害性最大,并且裂纹的定量检测是目前管道探伤中具有挑战性的课题。研究中发现,裂纹的面积、深度、长度及开裂程度的检测,都与裂纹方向相关。对于同一个裂纹,当方向不同时,其反射波的能量分布特征不同。因此,目前对裂纹面积、深度、长度及开裂程度的检测,大都是在裂纹方向已知的条件下进行的。但是在实际中,裂纹方向是未知的。因此,对裂纹方向的检测是裂纹定量检测研究中必须解决的问题,但一直以来没有一个满意的解决方法,成为裂纹定量检测研究中的难点问题。针对此问题,本文将不同方向的裂纹看作是不同的类别,作为模型的分类任务,设计了一种识别裂纹方向的小样本分类模型,并通过实验验证了模型的有效性。(3)裂纹面积也是裂纹定量检测研究的一个重要方面,由于裂纹面积的检测受裂纹方向的影响,所以长期以来没有一个满意的解决方法。本文在裂纹方向识别研究成果的基础上,借助于小样本裂纹方向识别模型,研究了一种裂纹面积的估算方法。首先通过概率统计的理论和方法,建立了不同方向的裂纹面积与其反射波能量的回归方程,然后利用插值算法将多个回归方程组合成一个通过裂纹方向求解裂纹面积的模型,最后借助于裂纹方向识别模型求解裂纹面积。经过实际测试,估算结果的相对误差为4%。(4)将深度学习模型应用于实际,是模型开发的目的。目前,影响模型走向应用的因素主要有三个:一是实际中难以提供足够数量的训练样本;二是模型的计算量大,训练时间变长,对服务器的计算资源要求较高;三是需要开发相应的智能系统。针对上述的第一个问题,本文设计了基于小样本学习的IPro Net模型,解决了实际中训练样本不足的问题;针对上述的第二个问题,本文在模型设计中采用了轻量化的设计思想,大大降低了模型的计算量和训练时间,能够适应当前服务器的计算资源。针对上述的第三个问题,本文研究开发了基于本文方法的智能探伤系统。智能系统采用Lab VIEW与Python混合编程的方法,实现了数据的自动采集、存储和管理;实现了对数据的智能分析处理;实现了对裂纹方向的智能识别过程;在裂纹方向识别的同时,实现了对裂纹面积的估算。