基于智能算法的涡流检测自然裂纹形状重构.pdfVIP

华南理工大学学报(自然科学版) JournalofSouthChina of V01．36NO】0 第36卷第10期 UniversityTechnology Science October2008 2008年10月 (Natural Edition) 基于智能算法的涡流检测自然裂纹形状重构术 张思全 陈铁群刘桂雄 (华南理工大学机械与汽车工程学院，广东广州510640) 摘要：人工制作了疲劳裂纹试样，利用一种小波分析方法对采集的疲劳裂纹涡流检测 (ECT)信号进行了去噪预处理及信号特征提取，通过破坏性检测方法获得了裂纹的真实 形状．在建立疲劳裂纹参数化模型的基础上，利用经过处理的裂纹ECT信号与裂纹形状 参数样本库对径向基函数(RBF)神经网络进行训练．采用遗传算法，通过创建大量表示裂 纹形状参数个体的初始种群，输入经过训练的神经网络，得到对应的ECT预测信号；然后 运用改进的遗传策略进行迭代反演优化，时裂纹形状最优解进行搜索．重构结果表明该方 法具有快速、精确的优点． 关键词：自然裂纹；涡流检测；小波变换；神经网络；正向模型；遗传算法；形状重构 中图分类号：TGll5．28 文献标识码：A 日本机械工程师学会将其制定的核电站运行标 采用FEM—BEM解算器为正向模型的反演方法旧1，虽 准和维护规范中有关不接受任何缺陷的内容改为接 然能较精确地计算出具体裂纹形状所对应的ECT 受一定尺寸范围内的缺陷．这样，在评估裂纹型缺陷 信号，但在裂纹形状反演过程中要多次计算复杂的 扩展趋势及其危害程度时，裂纹的形状和位置信息 正向模型，使得计算时间耗费很大，而在生产制造在 就是重要的参考因素．同时由于超声法在检测表面 线或核电站在役检测中，受到现场及放射性环境的 浅裂纹及奥氏体不锈钢材料方面存在不足¨j，使得 限制，不可能使用具有大量数据存储空间和强大计 检测速度快、对表面缺陷反应灵敏的涡流检测 算能力的设备，所以这些方法缺乏实用性．基于神经 (ECT)法在核电站热交换管道等关键部件的缺陷检网络正向模型的反演方法则具有快速、实用的特点． 测中得到广泛应用．基于涡流检测的裂纹形状重构 目前神经网络方法已在基于超声检测的裂纹重构中 成为研究的热点和难点． 广泛应用；在涡流检测中，也有采用神经网络方法重 对于表面开口较宽且形状规则的人工裂纹如矩 构人工裂纹的应用L7J，但用来重构自然裂纹的则较 形槽等的形状重构问题已完全解决．目前研究热点 少．传统的反演方法一般采用精确算法，虽然可以得 是重构设备零部件在使用过程中自然形成的裂纹， 到准确解，但时间复杂性与采样点数呈指数关系．而 如疲劳裂纹(FC)和应力腐蚀裂纹(SCC)等的形状采用遗传算法等智能优化方法虽然不一定能得到准 重构¨J．由于自然裂纹边界形状复杂，需要复杂的 确解，但可以快速得到较优解． 裂纹模型，并要考虑裂纹表面问的电导率pJ．基于 1 自然裂纹ECT信号的采集 涡流检测的裂纹形状反演是一个典型的优化问题， 通常是病态的HJ．传统的解决方法一般需要计算格 首先模拟自然环境制作自然裂纹．如图1所示， 林函数¨1，而计算格林函数比较困难．有学者提出了 收稿¨期：2007．1l—19 ·晕会项目：广东省科技计划项目(2006812401001) 华瘴理工大学擘报(自然科学版) 第36豢 合金钢板，在试样中央