Ω焊缝多通道涡流检测定量的方法的研究.docVIP

Ω焊缝多通道涡流检测定量的方法的研究 　　摘 要:本文在数据融合理论基础上采用改进的一致性算法,编程实现了Ω焊缝多通道涡流检测信号融合,最后结合试块缺陷示意图综合分析检测到的缺陷,从而对Ω焊缝缺陷做出定量分析。结果表明:改进的一致性算法融合多传感器的测量数据,克服了一致性算法中两个传感器在测量精度不同时置信距离不同的缺点,对支持矩阵进行模糊化处理,避免了人为定义阈值而产生的主观误差。 　　关键词:Ω焊缝 数据融合 一致性算法 　　中图分类号:TP2 文献标识码:A 文章编号:1672-3791(2011)03(c)-0107-02 　　 　　Ω焊缝是核反应堆控制棒驱动机构与反应堆顶盖杯座之间的连接密封焊缝。该焊缝的完整性直接关系到核电站的安全运行,一旦泄露将会造成巨大的社会影响和经济损失[1]。 　　目前Ω焊缝涡流检测是采用多探头,多分布,实时检测的方法,避免了单个探头由于噪声、外界环境及探头自身性能等因素带来的影响,但数据处理会比较繁琐,要把检测到的信号还原到对缺陷的定量分析,需要相关技术综合利用这些探头的多源不确定性信息,来提高检测的准确性。 　　多传感器数据融合是近年来涡流定量检测的主要方法之一,其主要综合利用多源不确定信息,来提高结构检测和诊断的正确性。数据融合(Data Fusion)技术能够将多个传感器的测量结果进行综合处理,从而得出比单个传感器更为准确可靠的结果。数据融合在不同领域有不同的实现形式。从处理信息对象的层次上可以将系统分为三个层次,即数据层融合、特征层融合和决策层融合[2～3]。 　　本文具体介绍了Ω焊缝多通道涡流检测定量分析的步骤:首先完成涡流检测信号的采集,再利用小波分析的降噪和多尺度分辨能力,对采集到的多传感器数据进行预处理,然后对缺陷特征信号进行相关性判断,得到相关性好的数据组,之后在数据融合理论基础上采用改进的一致性算法,编程实现了Ω焊缝多通道涡流检测信号融合,最后结合试块缺陷示意图综合分析检测到的缺陷,从而对Ω焊缝缺陷做出定量分析。 　　 　　1一致性数据融合算法的改进 　　设有n个传感器各自独立地对某一指标参数进行测量,假设第i个传感器的测量值为xi,测量精度为,xi服从正态分布N(),其测量模型一般可用正态分布表示 　　(1) 　　式中:i=1,2,……,n[4～5]。 　　采用d和d作为传感器i和传感器j之间数据的置信距离,d越小表示两个传感器的观测值越接近,反之则表示两个传感器的观测值偏差越大,其表达式为: 　　(2) 　　和 　　(3) 　　一致性算法的改进定义了一种新的置信距离,令 　　 　　这样定义的置信距离克服了当传感器测量精度不同时的不一致性。 　　由d给出传感器i与传感器j支持程度的度量,令: 　　r=1-d 　　这样可以克服人为定义阈值带来的主观误差,将各个传感器测定数据的相互支持程度模糊化,能够有效地减少由于各种扰动因素造成地测量数据的变化。 　　计算出所有传感器的支持矩阵R[3](R是一个正对称矩阵),存在最大模特征向量Y,这里,有: 　　展开为,其中。令: 　　则ak即为第k个传感器的综合支持程度,最终的数据融合值x为: 　　 　　2实验结果 　　本实验使用了3个分布在不同位置上的传感器（见图1）对运动目标Ω焊缝进行观测。 　　探头1和探头2所在的位置,可以同时检测到位置4的缺陷。这就需要先对不同探头的数据做相关性判断,MATLAB中用corrcoef函数可计算出不同探头的相关系数,系数接近1的就表明探头之间相关性好,检测到同一个缺陷可能性大。 　　计算结果得到探头1和探头2的相关性好,与实际结论基本上是一致的,因为探头1、探头2所处的位置材质与探头3的材质不相同,所以相关性最好的组合应该是探头1和探头2。其中探头1和探头2之间的距离为2mm,所以大致可以判断出,位置4的缺陷范围大概在2mm左右。 　　将探头1和探头2的数据进行融合,从融合后的探头1和探头2的缺陷响应曲线已经可以清楚看到部分缺陷响应信号有明显变化,将缺陷位置对应到融合图中得到图3。 　　结合人工缺陷图分析表可以知道,第一个变动较大的部分应该是位置4的缺陷N,最大幅值对应的坐标为（12,399.2754）;第二个变动较大的部分应该是位置4的缺陷O,最大幅值对应的坐标为（156,250.4537）;第三个变动较大的是位置4的缺陷V,最大幅值对应的坐标为（604,139.2042）;第四个变动较大的部分是位置4的缺陷W,最大幅值对应的坐标为（684,553.727）;第五个变动较大的部分是位置4的缺陷X,最大幅值对应的坐标为（796,-342.6199）;最后一个变动较大的部分应该是位置4的缺陷M,最大幅值对应的坐标为（836,159