基于bp神經(jīng)網(wǎng)絡(luò)的漏磁檢測(cè)信號(hào)處理

基于bp神經(jīng)網(wǎng)絡(luò)的漏磁檢測(cè)信號(hào)處理

管道運(yùn)輸是石油和天然氣運(yùn)輸?shù)闹饕绞?。管道穿越該地區(qū)廣泛，服務(wù)環(huán)境復(fù)雜，位置隱蔽。一旦管道發(fā)生事故，不僅會(huì)造成巨大的經(jīng)濟(jì)損失，而且會(huì)對(duì)社會(huì)和環(huán)境產(chǎn)生嚴(yán)重的影響。直接和間接損失較大，因此需要定期檢測(cè)管道。漏磁法是我國(guó)高層設(shè)計(jì)中“水下管道及其檢測(cè)技術(shù)”中采用的主要技術(shù)。然而，如何識(shí)別錯(cuò)誤仍然是一個(gè)難題。在識(shí)別和應(yīng)用于人類網(wǎng)絡(luò)方面，人類網(wǎng)絡(luò)得到了良好的應(yīng)用。在真實(shí)應(yīng)用中，大多數(shù)神經(jīng)網(wǎng)絡(luò)模型采用了bp網(wǎng)絡(luò)和其他變體。本文在設(shè)計(jì)了應(yīng)用于秀明臺(tái)氣的bp檢測(cè)裝置的基礎(chǔ)上，提出了一種應(yīng)用改進(jìn)的bp網(wǎng)絡(luò)來識(shí)別管道缺陷，并應(yīng)用于實(shí)驗(yàn)室數(shù)據(jù)的驗(yàn)證。1漏磁的在線數(shù)據(jù)處理管道漏磁檢測(cè)是采用一個(gè)外加磁場(chǎng)對(duì)管道進(jìn)行磁化,如果管壁沒有缺陷,則磁力線閉合于管壁之內(nèi);反之,磁力線將穿出管壁而產(chǎn)生漏磁.漏磁場(chǎng)被檢測(cè)裝置的傳感器檢測(cè)到后,經(jīng)濾波、放大處理,記錄到檢測(cè)裝置的存儲(chǔ)器中.再經(jīng)對(duì)數(shù)據(jù)的分析和處理,從而得出缺陷的類型及尺寸參數(shù).目前,常用的漏磁器件有霍爾元件、磁敏管、磁敏電阻和檢測(cè)線圈等,表1為幾種磁敏器件的性能對(duì)比.從表中的對(duì)照看,雖然磁敏管的靈敏度很高,但線性度太差;磁敏電阻溫度特性很差且有局部非線性;檢測(cè)線圈的靈敏度、溫度特性和線性度都可以,但線圈是測(cè)量磁感應(yīng)的,只能測(cè)量變化的磁場(chǎng).當(dāng)磁場(chǎng)變化緩慢時(shí),線圈很難測(cè)到,而且線圈和磁場(chǎng)之間運(yùn)動(dòng)的相對(duì)速度變化也會(huì)影響測(cè)量值的大小.綜合各方面參數(shù),霍爾元件是相對(duì)穩(wěn)定的器件,它是根據(jù)霍爾效應(yīng)制成的.其中,Eh=ΙBneb(1)Eh=IBneb(1)式中:Eh為霍爾電動(dòng)勢(shì);I為施加電流;b為霍爾元件厚度;n、e與霍爾元件本身材料有關(guān);B為磁感應(yīng)強(qiáng)度.令霍爾元件靈敏度Kh=(neb)-1,由式(1)得B=EhΚhΙ(2)B=EhKhI(2)可以看出,當(dāng)施加恒定電流,且霍爾元件已經(jīng)確定時(shí),忽略溫度等因素的影響,B和Eh成線性關(guān)系.圖1是設(shè)計(jì)的一個(gè)采集通道數(shù)為40的漏磁在線數(shù)據(jù)處理電路圖,它可分為供電、測(cè)量電路、采集電路、工控機(jī)電路等幾部分.通過對(duì)樣本缺陷(如矩形腐蝕坑缺陷等)進(jìn)行大量數(shù)據(jù)分析實(shí)驗(yàn)后,大致可以得出用漏磁信號(hào)的峰-峰值pp來判別缺陷的深度,漏磁信號(hào)的峰-峰間距p-p來判別缺陷的長(zhǎng)度等經(jīng)驗(yàn)數(shù)據(jù),但要定量地分析缺陷的尺寸必須應(yīng)用神經(jīng)網(wǎng)絡(luò)來進(jìn)行非線性逼近.漏磁信號(hào)的波形特征量一般定義如下:(1)信號(hào)波形的pp,通常它是衡量缺陷深度的一個(gè)重要指標(biāo).(2)信號(hào)波形的p-p.(3)信號(hào)周向?qū)挾萕.由于本漏磁檢測(cè)裝置的磁場(chǎng)是采用軸向磁化,對(duì)于缺陷的寬度不是很敏感,所以其主要根據(jù)管道周向傳感器的排列的霍爾傳感器的個(gè)數(shù)和間距來確定,圖2是根據(jù)管道缺陷信號(hào)進(jìn)行寬度確定的示意圖.該管道檢測(cè)專職所能檢測(cè)到的周向最小缺陷檢測(cè)寬度lc=2πr/N.其中:r為管道半徑;N為霍爾傳感器的片數(shù).(4)波形下面積S.它由漏磁信號(hào)的峰和谷組成一個(gè)波動(dòng),反映信號(hào)的短時(shí)一階中心矩,S=Ν∑n(x(t)-min[x(t)])(5)信號(hào)波形能量E.反映了在一定空間內(nèi)漏磁信號(hào)的離散程度,相當(dāng)于信號(hào)的短時(shí)二階中心矩,E=Ν∑n(x(t)-min[x(t)])2根據(jù)前面的特征量衍生出來的特征量,如pp/p-p、S/pp和S/p-p等(見圖3).2各層bp神經(jīng)網(wǎng)絡(luò)BP神經(jīng)網(wǎng)絡(luò)是基于誤差反向傳播算法的多層前向神經(jīng)網(wǎng)絡(luò),系統(tǒng)地解決了多層網(wǎng)絡(luò)中隱含單元連接權(quán)的學(xué)習(xí)問題,可以實(shí)現(xiàn)輸入和輸出間的任意非線性映射,已廣泛用于函數(shù)逼近、模式識(shí)別、分類、數(shù)據(jù)壓縮等領(lǐng)域.BP算法是在導(dǎo)師指導(dǎo)下,適合于多層神經(jīng)元網(wǎng)絡(luò)的一種學(xué)習(xí),它是建立在梯度下降法的基礎(chǔ)上的.對(duì)某一個(gè)輸入為xk,網(wǎng)絡(luò)的輸出yk,節(jié)點(diǎn)i的輸出為Oik,當(dāng)?shù)趌層的第j個(gè)單元輸入第k個(gè)樣本時(shí),節(jié)點(diǎn)j的輸入為netljk=∑jwlijΟl-1jk,Οl-1jk表示l-1層輸入第k個(gè)樣本時(shí)第j個(gè)單元節(jié)點(diǎn)的輸出,其中Oljk=f(netljk).令誤差函數(shù)為Ek=12∑i(yjk-ˉyjk)2ˉyjk是單元j的實(shí)際輸出.定義δljk=?Ek?netljk,則有:?Ek?wlij=?Ek?netljk?netljk?wlij=?Ek?netljkΟl-1jk(3)若節(jié)點(diǎn)j為輸出單元,則Οljk=ˉyjk,所以δljk=?Ek?netljk=?Ek?ˉyjk?ˉyjk?netljk=-(yk-ˉyk)f(netljk)(4)若節(jié)點(diǎn)j不為輸出單元,則δljk=?Ek?netljk=?Ek?Οljk?Οljk?netljk=∑m?Ek?netljk?netljk?Οljkfl(netljk)=∑mδl+1mkwl+1mjfl(netljk)(5)在應(yīng)用BP神經(jīng)網(wǎng)絡(luò)時(shí),首先需要確定權(quán)系數(shù)初值,然后在正向過程中計(jì)算各層各單元的Ol-1jk、netljk和ˉyk,在反向過程中計(jì)算δljk并修正權(quán)值wij=wij-μ?E?wij,其中μ為步長(zhǎng).由BP定理可知,對(duì)給定的任意ε>0和任意L2函數(shù)f:[0,1]2→Rm,存在一個(gè)3層BP網(wǎng)絡(luò),它可在任意ε平方誤差精度內(nèi)逼近f.對(duì)于漏磁管道缺陷的長(zhǎng)度、寬度、深度的識(shí)別建立一個(gè)3層BP神經(jīng)網(wǎng)絡(luò)如圖4所示.其輸入層、隱含層和輸出層的單元數(shù)分別為m、j、p,wij和wjp為輸入層到隱含層及隱含層到輸出層的連接權(quán)值,其中p=3.由于并不是所有的特征量對(duì)缺陷的外形尺寸具有相同的貢獻(xiàn),必須找出對(duì)應(yīng)于長(zhǎng)、寬、深的主要特征向量來簡(jiǎn)化計(jì)算的復(fù)雜性.采用主分量分析的方法,根據(jù)特征向量數(shù)據(jù)方差貢獻(xiàn)率來降低數(shù)據(jù)的維數(shù),當(dāng)特征向量數(shù)據(jù)方差貢獻(xiàn)率ψ(m)≥80%時(shí),確定其有效的特征量.由于本文是在同一個(gè)網(wǎng)絡(luò)結(jié)構(gòu)中實(shí)現(xiàn)深度、長(zhǎng)度、寬度的識(shí)別,綜合取它們的主要特征量pp、p-p、w、S和pp/p-p,其余的特征量不予考慮,所以m=5.而隱含層單元數(shù)j通過多次試算取為16.對(duì)于BP網(wǎng)絡(luò)隱含層神經(jīng)元采用雙曲正切Sigmoid函數(shù),其隱含層各單元的輸入模式可表示為Aj=m∑i=1wijxm-θaj其中,θaj為隱含層單元的閾值.各隱含層的輸出為aj=f(Aj)=11+exp(-m∑i=1wijxm-θaj)樣本集的全局誤差E=12mm∑p=1(yp-?yp)2,其輸出層的誤差δp和隱含層的誤差δj分別為:δp=(ˉyp-yp)ˉyp(1-ˉyp)δj=aj(1-aj)∑jδpwjp}(6)該3層BP神經(jīng)網(wǎng)絡(luò)實(shí)際輸出ˉyp=f(∑jajwjp-θp)其閾值修正公式為:θp(k+1)=θp(k)+ηδpθj(k+1)=θj(k)+ηδj}(7)式中:η為學(xué)習(xí)率;k為學(xué)習(xí)次數(shù).常用的基于梯度下降法的BP網(wǎng)絡(luò)權(quán)值修正公式存在著收斂速度慢的問題,本文采用結(jié)合梯度下降法和高斯牛頓法的Levenberg-Marquardt優(yōu)化法,其權(quán)值調(diào)整公式為Δw=(JΤJ+μΙ)-1JΤe(8)式中:J為誤差對(duì)權(quán)值微分的Jacobian矩陣;μ為一個(gè)標(biāo)量;I為單位矩陣;e為誤差向量.該方法有效縮短了學(xué)習(xí)的時(shí)間,提高了收斂的速度.實(shí)驗(yàn)中對(duì)管內(nèi)徑為195mm的鋼管用電火花加工80個(gè)缺陷,優(yōu)化選擇其中的50個(gè)作為樣本數(shù)據(jù),表2列出的是部分樣本數(shù)據(jù)的尺寸參數(shù)和它們的主要特征量.η的選取將較大影響收斂的速度,太大則易導(dǎo)致網(wǎng)絡(luò)發(fā)散,太小網(wǎng)絡(luò)收斂速度慢.該BP神經(jīng)網(wǎng)絡(luò)采用自適應(yīng)的調(diào)整方法調(diào)整η,首先選取一較大的η進(jìn)行訓(xùn)練,然后以一定的步長(zhǎng)進(jìn)行掃描.設(shè)定最大訓(xùn)練步數(shù)為2500步,目標(biāo)誤差為0.0001.對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,圖5為訓(xùn)練精度隨步長(zhǎng)逼近目標(biāo)精度的變化圖,圖6為缺陷深度評(píng)價(jià)隨步長(zhǎng)變化圖.從圖中可以看出,該網(wǎng)絡(luò)的在1350步時(shí)收斂,其訓(xùn)練目標(biāo)誤差為9.9836