Page 52 - 无损检测2024年第五期

姬升阳, 等:

在役螺栓超声三维成像监测数据的智能化分析方法

槽, 深度分别为 1 , 2 , 3 , 4 , 5mm 。刻槽及其检测结 大, 故提出了对监测数据进行自动化、 智能化分析和

果如图8所示。 评价的技术流程, 并结合决策树、 支持向量机和神经
网络3类监督学习算法, 研制了智能分析评价模块,
并开展了对比试验, 试验结果证明, 决策树算法更适
合于目前的监测系统。
文章仅建立了在役螺栓超声三维成像监测系统
和数据智能分析软件, 为进一步提高缺陷评价准确
度, 还需在以下方面展开深入研究。
( 1 )灵敏度和声场扩散差异, 可能导致相同大

图7 试验系统实物 小但深度不同的缺陷 3D 成像后体积不同, 评分不
一致, 故需要进一步开展对不同深度、 不同位置、 相
同大小缺陷的对比试验, 采用分段评分、 灵敏度补
偿、 仿真分析等方法, 实现智能评分、 缺陷成像体积

和缺陷实际大小的一致。

( 2 )文章仅分析了3种算法在动态范围和运算
量方面的差异, 未来可对智能分析的评分准确度进

行更深入研究, 并增加非训练用数据进行系统盲测。
参考文献:

[ 1 ] YOKOYAMA T , OLSSON M , IZUMI S , etal.

Investi g ationintotheself-loosenin g behaviorofbolted
图8 螺栓对比试块上刻槽及其成像结果
j ointsub j ectedtorotationalloadin g [ J ] .En g ineerin g

2.2 智能评分算法比较 FailureAnal y sis , 2012 , 23 : 35-43.

文章系统使用的智能评分算法为监督学习算法, [ 2 ] HUDAF , KAJIWARAI , HOSOYA N , etal.Bolt

分别使用决策树、 支持向量机和神经网络3种算法为 loosenin g anal y sisanddia g nosisb ynon-contactlaser

核心对检测数据进行智能分析和评分, 结果如表2所 excitationvibrationtests [ J ] .MechanicalS y stemsand

示。由表2可以看出, 不同算法获得的分值均与缺陷 Si g nalProcessin g , 2013 , 40 ( 2 ): 589-604.

[ 3 ] RA ZIP , ESMAEELRA , TAHERIF.Im p rovementofa
深度有一定的对应关系, 从其动态范围来看, 决策树
vibration-baseddama g edetectiona pp roachforhealth
和神经网络的动态范围更大, 分辨能力更好; 从运算
monitorin gofboltedflan g ej ointsin p i p elines [ J ] .
复杂度分析, 决策树的运算量要低于神经网络的, 因
StructuralHealthMonitorin g , 2013 , 12 ( 3 ): 207-224.

此在文章设计的监测系统中选择嵌入决策树算法。 [ 4 ] SAH S M , THOMSEN J J , BRNS M , et al.

表2 螺栓缺陷的智能分析算法结果比较 Estimatin g boltti g htnessusin gtransversenatural

刻槽深度 / 采用的算法及分值 fre q uencies [ J ] .Journal ofSoundandVibration , 2018 ,
mm 决策树 支持向量机 神经网络 431 : 137-149.
1 16 32 14 [ 5 ] 黄鑫, 陈仁祥, 杨星, 等. 基于深度卷积神经网络与
2 23 41 24 WPT-PWVD 的轴承故障智能诊断[ J ] . 振动与冲击,
3 38 55 47
2020 , 39 ( 16 ): 236-243.
4 60 60 59
[ 6 ] CHEN F C , JAHANSHAHI M R.NB-CNN : dee p
5 88 73 91
learnin g -based crack detection usin g convolutional

neuralnetworkandNaïveBa y esdatafusion [ J ] .IEEE
3 结论与建议
TransactionsonIndustrialElectronics , 2018 , 65 ( 5 ):
将相控阵超声全聚焦成像方法应用于在役螺栓 4392-4400.
[ 7 ] 郑晖, 林树青. 超声检测[ M ] . 北京: 中国劳动社会保
的监测中, 开发了专用的系统和传感器, 制作了对比
试块。鉴于监测结果为三维图像数据, 其数据量庞 障出版社, 2008.
4
1
2024年 第46卷 第5期
无损检测