Page 74 - 无损检测2023年第二期

试验研究

DOI : 10.11973 / ws j c202302008

基于 LSTM 的 ACFM 在线缺陷判定方法

卞向南 , 高 宇 , 王宇欣 , 郑岳山 , 袁新安 , 李春棚 , 尚亚期 3
1
2
2
3
3
2
( 1. 上海核工程研究设计院有限公司, 上海 200233 ; 2. 中国核电工程有限公司, 北京 100840 ;

3. 中国石油大学( 华东)海洋油气装备与安全技术研究中心, 青岛 266580 )
摘 要: 交流电磁场检测( ACFM ) 技术在进行缺陷判定时, 存在检测数据追溯、 现场判定缺陷

困难等问题。分析了 ACFM 检测信号特征, 开发了一种部署在云服务器上的在线数据存储、 检测
信息显示以及缺陷智能判定的方法。该系统主要由检测仪与云端服务器组成, 检测时仪器采集检
测信号, 将检测信息实时传输至云服务器, 云服务器存储检测信息并通过网页显示, 同时基于长短
期记忆神经网络( LSTM ) 的缺陷判定算法分析检测信息并返回结果至检测仪。以铝板试件作为检
测对象, 对系统进行功能测试。试验结果表明, 开发的在线缺陷判定算法实现了交流电磁场检测系
统数据存储、 信息查看、 缺陷判定的目标。

关键词: 交流电磁场; 缺陷判定; 云服务器; 长短期记忆神经网络

中图分类号: TP216 ; TG115.28 文献标志码: A 文章编号: 1000-6656 ( 2023 ) 02-0040-04

ACFMonlinedefectdeterminationmethodbasedonLSTM

3
2
2
3
BIANXian g nan , GAOYu , WANGYuxin , ZHENGYueshan , YUANXin'an , LIChun p en g SHANGYa q i 3
1
2
,

( 1.Shan g haiNuclearEn g ineerin gResearchandDesi g nInstituteCo. , Ltd. , Shan g hai200233 , China ;

2.ChinaNuclearPowerEn g ineerin gCo. , Ltd. , Bei j in g 100840 , China ; 3.CenterforOffshoreE q ui p mentand

Safet yTechnolo gy , ChinaUniversit y ofPetroleum ( EastChina ), Qin g dao266580 , China )

Abstract : Whenthealternatin g currentfieldmeasurement ( ACFM ) technolo gy isusedfordefectdetermination ,

therearesomep roblemssuchastraceabilit yofdetectiondataanddifficult y indeterminin gdefectsonsite.The

characteristicsofACFMins p ectionsi g nalsisanal y zedinthisthesis , andthemethodisp ro p osedwhichde p lo y s

onlinedatastora g e , ins p ectioninformationdis p la y , andintelli g entdeterminationofdefectsmethodonthecloud

server.Thedetections y stemismainl y com p osedofadetectorandacloudserver.Theinstrumentcollectsdetection

si g nalsandtransmitsthedetectioninformationtothecloudserverinrealtime.Thecloudserverstoresthedetection

informationanddis p la y sitontheweb.Atthesametime , thedetectioninformationisanal y zedb ythedefect

j ud g mental g orithmbasedonlon g short-term memor yneuralnetwork ( LSTM ), andtheresultsareisreturnedto

thedetector.Takin g thealuminump lates p ecimenasthedetectionob j ect , thefunctionaltestoftheex p erimental

s y stemiscarriedout.Theex p erimentalresultsshowthatthedevelo p edonlinedefectdeterminational g orithm

achievesthe g oalsofdatastora g e , informationviewin g anddefectdeterminationintheACFMdetections y stem.

Ke ywords : alternatin gcurrentelectroma g neticfield ; defectdetermination ; cloudserver ; lon gshort-term

memor y neuralnetwork
交流电磁场检测技术( ACFM ) 具有无需耦合 剂、 对提离不敏感等优点, 被广泛应用于核电、 水
下结构、 压力容器、 航空航天等领域的无损检测
中 。
收稿日期: 2022-08-17 [ 1-2 ]
基金项目: 国家科技重大专项( 2018ZX06002006 )
目前交流电磁场检测设备在进行缺陷判定时,
作者简介: 卞向南( 1988- ), 男, 硕士, 高级工程师, 主要研究方
存在检测数据追溯、 现场判定缺陷困难等问题。针
向为核电厂非标设备设计

通信作者: 袁新安 ( 1990- ), 男, 博士, 副教授, 主要研究方向为 对上述问题, 分析了交流电磁场检测的信号特征, 研
究了一种部署在云服务器上的在线数据存储、 检测
智能可视化无损检测技术, xinancom@u p c.edu.cn
4
0
2023年 第45卷 第2期
无损检测