[发明专利]于BP神经网络的焊接缺陷巨磁电阻涡流检测方法

摘要

本发明属于无损检测技术领域，涉及一种基于BP神经网络的焊接缺陷巨磁电阻涡流检测方法包括：选择不同类型的多个焊接样本作为训练样本；测量每个训练样本在同一时刻下的四路巨磁电阻传感器输出信号，并提取峰峰值，方差和斜率变化作为训练样本特征量；针对不同类型的训练样本分别建立神经网络模型，每个神经网络模型训练一个类型的样本数据，输入端为该类型样本的训练样本特征量，输出端为该类型样本的期望输出；测量和提取待测样本特征量；结合训练好的各个神经网络模型，进行焊缝质量检测。本发明的检测方法，具有响应速度快，实时性好，且测量过程简单，易于实施的优点。

主权项

一种基于BP神经网络的焊接缺陷巨磁电阻涡流检测方法，所采用的检测装置包括一个矩形线圈、交流激励电压产生电路、四个相同的巨磁电阻传感器、信号调理电路、数据采集模块、分析计算模块，其中，交流激励电压产生电路的输出连接到矩形线圈；四个巨磁电阻传感器排列成一条直线固定在矩形线圈的底部；巨磁电阻的敏感轴方向平行于矩形线圈的导线，使得矩形线圈产生的一次磁场方向垂直于巨磁电阻的敏感轴方向；矩形线圈的内部放置一块永磁铁，用于对磁场进行偏置；四个巨磁电阻的输出分别连接信号调理电路的不同的通道，信号调理电路用于对巨磁电阻的输出信号进行滤波及放大；经过调理后的信号经过数据采集模块输入到分析计算模块，分析计算模块用于解调检测到的四路通道信号的实部数据，并根据实部数据检测是否存在焊接缺陷，该方法为：（1）选择良好焊缝，含气孔焊缝以及未焊透焊缝三个类型下的多个焊接样本作为训练样本；（2）测量每个训练样本在同一时刻下的四路输出信号，并提取输出信号的峰峰值，方差和斜率变化作为训练样本特征量；（3）针对三种类型的训练样本分别建立三个神经网络模型，每个神经网络模型训练一个类型的样本数据，输入端为该类型样本的训练样本特征量，输出端为该类型样本的期望输出；（4）在对待测样本的检测过程中，测量待测样本在同一时刻下的四路输出信号，并提取输出信号的峰峰值，方差和斜率变化作为待测样本特征量；（5）结合建立好的神经网络模型，将待测样本特征量依次输入到三个神经网络模型，并比较三个神经网络的实际输出与期望输出之间的关系，三个神经网络模型中实际输出和期望输出之间的欧式距离最近的神经网络模型所对应的样本类型即为待测样本类型。