人工神经网络在电磁无损检测中的应用

　　电磁无损检测是利用材料在电磁场作用下呈现出的电学或磁学性质的变化,判断材料内部组织及有关性能的检测方法,是无损检测技术的一个重要分支。目前一个重要的前沿课题就是使电磁无损检测由定性检测走向定量检测,即不仅要确定缺陷的有无,而且要确定缺陷的大小、形状、取向和性质等。电磁定量检测的发展具有重要意义,它与断裂力学结合可以预测材料寿命。近年来,人工神经网络技术在电磁定量无损检测研究与应用中取得了一定的成果^[1~11]。

　　1　人工神经网络

　　人工神经网络是由一些简单的元件及其层次组织的大规模并行连接构造的网络,它致力于按照生物神经系统的方式处理真实世界的客观事物,本质上是一种更接近于人的认知过程的计算模型^[12~15]。由于它具有高度的非线性映射、快速并行分布处理、容错性、自组织和自学习等能力,为解决比较困难的认知任务提供了一种崭新手段,广泛应用于信号处理、故障诊断、模式识别、机器视觉、复杂优化问题、自动目标识别、知识处理和智能控制等领域。

　　目前人工神经网络技术已发展出多种人工神经网络模型,如单层感知器、多层感知器、Hopfield网络、ART网络、RBF网络、玻耳兹曼机模型以及双向记忆网络等。其中,多层感知器模型、ART网络和RBF网络应用较广泛。目前已发表的电磁无损检测研究成果多采用多层感知器和RBF网络模型

　　2　BP网络和模糊BP网络

　　2.1　BP网络

　　BP网络的结构采用多层感知器^[12,13],它是前馈网络中最重要的一种,包括一个输入层、一个或多个隐层以及一个输出层,每层有若干个神经元,其拓扑结构见图1。网络的作用不是寻找一个确定的数学表达式,而是把样本集合中的输入向量输入给网络后,依据一定的算法,使网络的实际输出在某种数学意义下是理想输出的最佳逼近。

　　输入向量X=(x ₁,x ₂,…,x _n)和输出向量Y=(y ₁,y ₂,…,y _m)之间的关系可视为一映射关系,即

　　I和R的值域空间可相同,亦可不同。Kd-mogorov定理指出,一个三层结构的人工神经网络,输入层有n个神经元,隐层有2n+1个神经元,输出层有m个神经元,即可在任意精度下逼近任意的非线性函数,是一种全局逼近器。

　　BP网络的训练常采用误差反向传播算法(errorback propagation algorithm,简称BP算法),这种学习算法通过误差反向传播修正隐层权重,从输出层确定系统误差,然后将其传播到隐层,直到输入层,在最小均方差意义下最终确定各层间的连接权重。有关BP算法的详细内容见文献[12,13] 。