缺陷检测和无损检测焊缝中奥氏体不锈钢304的使用神经.pdf

奥氏体不锈钢304的焊缝区域神经网络超声波缺陷检测和无损检测近年来，非破坏性的评价重要性已迅速增加，由于大型结构的坍塌和安全事故的 多发，在许多工程超声波法它经常被用来作为主要的非破坏性检验 无损检测（NDT）的技术，在体积测试器的使用中侧重用于评估材料的完整性中有显著作用本文建议对神经网络的奥氏体不锈钢 304 检测焊缝区的缺陷在使用超声波，采用此方法检测缺陷和评估它们的基础在检测的缺陷时，我们扫描并画出一个标准的灵敏度距离，并初步的在超声波探头上显示扫描灵敏度幅值仪器和定量物料之间的相关性的标准曲线，这是用来绘制一个定量评价距离振幅曲线基于关于超声评价缺陷和学习的神经网络系统的系统一共有93.3%的缺陷类型区别在于组织神经网络测试后，因此，在这项工作中提出超声波非破坏性奥氏体不锈钢304 的超声波神经网络对缺陷检测和的焊接区的评价（UNDE）关键词：神经网络，超声波，超声波无损检测，横波，纵波，热影响区，人工缺陷，参考块，光束距离，折射角.一，引言名师资料总结-精品资料欢迎下载-名师精心整理-第 1 页，共 12 页 -有一种变量在焊接过程时表面上的焊缝区由于众多的内部缺陷，咬边和裂缝都受到相当大的集中应力，从而常常导致产量减少。

因此，在结构的完整性方面的重要性和稳定性两方面检测在所述焊接各种缺陷区和定量评估都具有十分重要意义超声评价方法它被广泛用于检测在许多工业领域的焊接区的内部缺陷，起着至关要的作用角色容量测试方法（ASME，1995）作用在 PSL/ISL 进行期间的化学，热学和原子发电厂等在焊接区的超声无损评估（UNDE）在检查的重要工程意义和延伸新建管的寿命时间线保证了稳定性，目前的经营不锈钢及管线原子能发电站等研究这包括：射线检测方法（Thomas 等，1992），渗透检测方法（ASME，1995），磁粉探伤法（ASME，1995）及超声波探伤方法（Yi等，1996）在这些方法中，实时射线检测方法在结果处理和原子损坏渗透测试和磁粉探伤方法有许多的问题，如缺陷的局限性检测到的表面和次表面然而超声波探伤法（Yi 等，1995，1997，1997），具有检测位置的优点和缺陷，即使通过采用神经网络图案已被证实在模式识别领域具有优越性研究这已由 Schmerr（1995）和 Lee（1995）等名师资料总结-精品资料欢迎下载-名师精心整理-第 2 页，共 12 页 -Schmerr（1995）提出了分类焊接缺陷使用超声波的模式识别方法和概率神经网络。

一种超声波法具有较高的特性和实用性，并在热评估人工缺陷影响用反向传播的神经网络区域和学习算法分类以往的研究实验大多是零碎和上沉积金属和热奥氏体不锈钢304的影响区，焊接区有几个研究的检测以及在焊接区的缺陷分类基于定量缺陷评价标准，实用性强奥氏体不锈钢的焊接区是一个粗晶柱状结构当超声波波通过的材料，由于散射性高，许多虚假回波衰减传播信号和噪声比例低此外，该柱状结构体是相当有异性横波充当向导波导致的问题，如虚假回波因此，它是已知的施加剪力波角度：这种方法，这是一种碳钢在铁素体中超声波探伤来采用现有的方法，仅启用的德ECTS 检测，在基体金属之间和L 的边界附近，他是金属（Kishiue.1985）以及检测的金属缺陷及其量，评价几乎是不可能的这项研究提出了缺陷分类和超声波无损评估人工缺陷的方法（横孔，垂直 在奥氏体焊缝区的孔和缺口）不锈钢板 304 通过了解在 CRT上的超声波缺陷信号的特性构建神经回路和网络体系，其表现为经过验证的缺陷分类，从所获取的缺陷信号神经网络理论2.1 架构神经网络的学习算法名师资料总结-精品资料欢迎下载-名师精心整理-第 3 页，共 12 页 -生物神经细胞在人脑和它们的结缔组织关系神经网络简化了，然后在数学模型下他们实现一种智能形式并相同与人脑系统。

这是包括多层神经网络一个输入层，一个隐藏层和一个输出层作用于模式分类中间层和输出层有处理单位和连接强度RHE 通过处理一个输出，处理单位内各节点在公式所示（1）通过增加偏置值给每个输入值来乘以强度其中在（1-1）层是该节点 m 号其中是因子 S形曲线形状来确定的，它的功能是活化形式除了在输入层，总输入中的每个节点是乘以强度值中的所有节点的输出值前面的层，也就是说，在第j个总输入值在第 k层节点如式子（2）所示其中m是该节点号存在在（k-1）层，它是第 i个节点之间的连接强度第j个节点在（K-1）层中的第 k层，在（k-1）层内地 j 层是输出节点在式子（3）中，从输出节点的输出和计算系数是偏置值计算的隐层节点输出如等式（3）重复该过程来纠正输入和输出之间的连接强度并尽可能降低误差E，其平均节点是的推定误差的平方公术语根据的每一个输入模式值作出给定的输出节点在一般情况下，输出值是从目标值，所以平均系统不同误差可以计算如下4）其中m 是由数据模式的分配数输入最小化方程的数值，Y是目标值 OT 是输出值对连接强度 Z是可能用最速下降法和反向传播算法来计算名师资料总结-精品资料欢迎下载-名师精心整理-第 4 页，共 12 页 -在方程（5）和（6），一个新的强度形成简单地执行对最速下降电流强度和范围由调整数率r/。

如果 G 是大的，就证明采用的是快速方法但是，E能发散的情况下违反了 n复杂的功能，从而采用的是（7）所示的公式校正学习公式与动量项其中a为动量率在前一阶段估计它的速率用W，为了防止该数据的当前相位强度 w 的第（n+1）阶段，并从不同的显着地从它在斜相位值2.2 多层神经的表征网络多层神经网络的刻画，在很大程度上，分类如下一）离散有限的输入/输出关系有限的数字和模拟网络的随机连续映射可以构造二）未输入的数据可以被内插值替换，相应的网络和输出可以被获取三）结束后，可通过对给定的另一个处理单元输入数据进行迅速的计算在上述类别，来进行第三个特征神经网络，其最强的优势是最有效地评估一个目标，其要求高速加工，且具有精度名师资料总结-精品资料欢迎下载-名师精心整理-第 5 页，共 12 页 -3超声波的原理声波传播属于固体传播，有纵波，其粒子的振动是在相同的方向上的波和剪切波，其粒子移动垂直于波在材料中荡漾开去，声速由材料的类型和特性来决定该Cz，纵向声速波和 Cs，横波的声速，示于方程（8）和（9），E是杨氏模量，K是体积模量，G为模量，p是密度，u是泊松比超声波缺陷检测的目的是利用超声波检查光束角或探头的折射角，通过在恒定的材料中传播具获得速度和反射回音缺陷得到焊缝区缺陷。

关于基于 0.5跳跃的直接方法光束距离的限制，可以根据下面的公式原则制订，三角函数和原理示于图2.凡是扫描面中的跳跃点在光束中心轴从背面反射的到达角扫描梁移动的距离（W）是从离超声波束 1跳跃光束的距离，探头入射点到w跳过点跳跃距离是 0.5个跳跃距离点在方程（13）时，缺陷深度检测由表明 COS0 D=2T-W上的时间思考方法，通过假定测得的距离是该板的两倍厚实验4.1实验条件名师资料总结-精品资料欢迎下载-名师精心整理-第 6 页，共 12 页 -本研究使用的主要工具是一个泛美超声波仪，横波斜探头纵波斜探头一个正常的探头和机械油，在实验中，我们试图通过仪器之间的相关性垂直和斜探头的折射角，试验片的次数，厚度和其属性在超声波的 CRT上理解回声特性，对于这些，我们建立了一个参考块在图中所示图3示出的基准方框用于调节入射点和时间轴，并且图图 4示出的参考块测量折射角和校准超声波仪器不锈钢 304焊接区采用超声波探伤，为此选择试件具有相同属性和待测试厚度为材料并用相同的焊接条件处理这三种类型使用人工是必要的如水平井，垂直孔和缺陷切口是在热影响区进行处理，并该试验片在图5和6所示的熔敷金属。

4.2设定距离振幅曲线为使用超声波材料，设置定量缺陷检测的标准是必需的，DAC 作为标准而被应用由此，电平DAC设置是为影响缺陷的检测能力，并且映射出在超声仪器的CRT因素与显示的回波动态模式为此，它被接了一份有关的阴极射线管从水平孔回声反射RDRB脉冲回波法的超声仪器考虑的要点和绘制它的方法如下选择要测试的材料频率和折射角探针在考虑的条件测量的实际折射角度和探头的入射点每个 RDRB 的水平孔上的测量最大回波位置名师资料总结-精品资料欢迎下载-名师精心整理-第 7 页，共 12 页 -5实验和仿真结果焊接5.1 超声波特性区奥氏体不锈钢的焊接区有一个柱状粗纹理结构当超声波通过接区，由超声波高的散射传播衰减，噪比低，因为各项柱状结构是相当的具有异性，并有假回波出现所有这些从铁素体碳钢的特点存在明显的差异对于定量缺陷检测，超声仪器和探头精确的校准是必不可少的为满足此，超声波仪器使用 ITRB 和 RDRB 探头进行了校准，并试图确定在水平孔缺陷检测概率焊缝区的中部如图6 使用横波角法结果示图最左边信号与更多的回波，高度的被回波和三实线表示DAC 超过100的发送，具有 6 分贝间隔在制订 DAC，标准灵敏度设置在50.7分贝，并且初步扫描灵敏度设置在68.7分贝，18 分贝比更高标准灵敏度。

该缺陷的回声位置在准确区域显示为55在所沉积的金属在CRT 显示殉梁的距离，从探头的缺陷和表面距离深度但真实地测量光束的距离和深度从CRT 上的指示值可看出为38.82 毫米和 14.54 毫米，分别为不同的值考虑到身边有无缺陷水平孔通过缺陷回波显示，它是当超声波传播通过柱状结构的沉积的金属假定的，他们作为导波和被引导对缺陷和后回撞击表面的虚假回波当检测到熔敷金属中的缺陷，重要的是它了解超声中的波变化名师资料总结-精品资料欢迎下载-名师精心整理-第 8 页，共 12 页 -采用纵波斜探头直接法波相呼应，这是在那些从不同的横波角法8 示出的针对所述侧孔和垂直孔超声波的回波行为注意的是这是在CRT 上的超声波回波针对所述侧孔和垂直INOLE 是非常类似的测量距离，而标准灵敏度（40.4分贝），初步扫描灵敏度（584 分贝），时间轴（100 毫米）和 DAC 从在的情况下，分配的显着不同的横波角法回声行为取决于大小不同的和缺陷的类型和行进光束距离，这影响的测试性缺陷最大幅度如图10 和 I1 表现出的现象特别是，该反射的回波从1 跳过垂直孔的表面附近梁距离显示为显着小图 11 表示的表面切口的结果大约是1 跳过梁的距离。

该波束距离是类似的图10，但回波高度高于2 倍为 24，这是为了表明，即使超声波波传播的距离相同，由于很强区别于反射的形式和尺寸的缺陷型的相关性5.2 焊接配置的神经网络系统缺陷的分类本研究采用多层神经网络使用反向传播学习算法，在最近的非线性分析证明其有效性整个系统的配置由如图12 所示的两个阶段，其中主要科目解释大多确定在第1 阶段在第 1 阶段中处理的内容是1 在奥氏体不锈钢304关注的缺陷名师资料总结-精品资料欢迎下载-名师精心整理-第 9 页，共 12 页 -焊接区，并接受回波动态模式超声波的每个信息在0.5 至 1.0 的测量点的距离跳越2 选择和提取最佳特征所获取的信息3 视功能的确定，过程中预先通过的数据基于最大实际值正常化;4 确定与输入层主体与隐层和输出层5 系统完成的每一个的权重系数的值层是通过学习过程来确定的在第 2 阶段，通过利用已建立升级的系统1 从超声波束的距离和位置中确定缺陷具有不同的信息2 关于所确定的特征，考虑到学习过程中采用的标准过程预处理的对归一化的最大实际价值的数据.3）通过测试一个有学问的处理单元除和乘法4）最后进行超声波无损评估和预测其缺陷，在通过基础成功的计算图案上的错误率和识别率。

上述方法可以快速使用计算机或专用的神经计算机进行并行计算关于这个问题的分析由于该系统的尺寸有所不同，推荐当一个简单的分析工作做，由一台小型电脑小尺寸计算，实现实时过程的结果5.3 在神经网络缺陷分类评价神经网络是一个系统，从。