基于数据增广灰色神经网络的ACFM裂纹角度预测

作     者：李勇 高辉 周灿丰 李慧聪 LI Yong;GAO Hui;ZHOU Can-feng;LI Hui-cong

作者机构：北京石油化工学院机械工程学院北京102600 北京市高等学校能源工程先进连接技术中心北京102600 

出 版 物：《科学技术与工程》 (Science Technology and Engineering)

年 卷 期：2023年第23卷第15期

页      面：6425-6433页

学科分类：08[工学] 080402[工学-测试计量技术及仪器] 0804[工学-仪器科学与技术] 

基　　金：北京市自然科学基金(3192013) 北京石油化工学院重要科研成果培育项目(PCF-011) 

主　　题：ACFM 角度偏转 重构 比例因子 DA-GNNM 

摘      要：交流电磁场检测(alternating current field measurement, ACFM)技术广泛应用于制造业等工业领域中金属结构物的缺陷检测。针对单传感器在非预知缺陷检测过程中存在的角度偏转及裂纹定位等问题展开了研究,首先通过COMSOL Multiphysics仿真结果可知:场强的X和Y方向分量在角度偏转的过程中存在信号互补的规律,然后通过建立比例因子进而实现了数据增广型灰色神经网络模型(data augmented grey neural network model, DA-GNNM)的预测,同时模拟预测对比回归预测可知DA-GNNM模型的预测效果较优。此外通过多梯度偏转仿真实现了偏转裂纹的重构,其次通过搭建实验平台以及信号特征提取等工作验证了DA-GNNM预测模型的合理性,平均预测误差2.56%;最后通过预测角度进一步改善了非平行检测过程中裂纹重构图像的偏转问题。