[发明专利]基于贝叶斯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，涉及一种基于贝叶斯网络的焊接缺陷巨磁电阻涡流检测方法，选择多个焊接样本作为训练样本，测量每个样本同一时刻下的四路巨磁电阻传感器输出信号，提取信号的峰峰值，方差和斜率变化作为特征量，构造贝叶斯网络结构，并进一步计算样本类型和这三种特征量之间的概率关系，确定贝叶斯网络参数，完成贝叶斯网络模型的建立。在对待测样本的检测过程中，测量待测样本四路输出信号的峰峰值，方差和斜率变化特征量，结合建立好的贝叶斯网络模型，计算该样本条件下各缺陷类型可能存在的概率，概率最大的类型即为待测样本的缺陷类型。本发明的检测方法，模型简单，计算便捷且易于实施。

主权项

一种基于贝叶斯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，检测方法如下：（1）将焊缝类型分为良好焊缝，含气孔焊缝以及未焊透焊缝，选择各个类型的焊缝样本作为学习样本，测量每个样本同一时刻下的四路输出信号，提取信号的峰峰值，方差和斜率变化作为样本特征量，构造学习样本集合；（2）基于各组学习样本的特征量，构造双层贝叶斯网络结构：三个根节点为三种可能的焊缝类型，分别为良好焊缝，含气孔焊缝以及未焊透焊缝，三个子节点依次为三个学习样本的特征量：峰峰值、方差和斜率变化；（3）统计不同焊缝类型样本的特征量分布情况。对于各个特征量，根据其分布情况选择两个适当的阈值将其分布区间分成三段，即每个特征量的值域都被两个阈值分割成三个取值区间，计算三个根节点分别在各段区间内的概率，即完成双层贝叶斯网络的确定；（4）测试待测焊缝的四通道输出数据，计算待测焊缝的峰峰值、方差和斜率变化；（5）将待测焊缝的峰峰值、方差和斜率变化输入步骤（2）构造好的双层贝叶斯网络模型，根据所获得的被测焊缝的峰峰值、方差和斜率变化的具体数值，并结合步骤(3)中确定的阈值，计算被测焊缝三个特征量在各自的三个分布区间上的概率，最后根据计算获得的概率以及双层贝叶斯网络的参数，计算当前被测样本特征量分布情况下三种样本类型可能存在的概率，概率最大的样本类型即为被测焊缝的缺陷类型。