基于信息融合技术的无损检测缺陷模式识别

　　1　引　　言

　　现代无损检测技术的研究主要体现在两方面:一是检测方法,二是对检测所得信息的处理和分析。随着对无损检测各种检验方法的研究不断取得成就,如 何利用既得信息,采用成熟的信号处理技术和先进的人工智能技术,对缺陷模式进行识别,进而对材料进行评价显得更加重要。在无损检测缺陷模式识别中,由于检 测原理与方法、检测设备与辅助系统、材料与缺陷性质以及检测环境等各个环节中多种因素的复杂性,难以由检测信号对缺陷加以明确的识别,而往往只能给出可能 包含有(不包含有)某种缺陷,或包含有(不包含有)某种缺陷的可能性大小的结论。然而在实际的工程应用中,往往需要给出缺陷的大小、形状、种类等特征,本 文试图采用基于Dempster-Shafter证据推理法[1]的多传感器系统以及相应的多源信息融合技术,克服由　　于单一传感器而无法准确、全面地 了解未知环境和研究对象要求的缺点。提高了对缺陷识别的可靠性和准确性。多源信息融合技术,即通过对多种探头获得的关于未知缺陷特征信息的分析与综合,能 够得到对该未知缺陷特征全面的、一致的估计。本文基于证据推理方法,研究了信息融合技术在无损检测中的应用,并在此基础上对航空样件进行了识别与分类。取 得了满意的结果。

　　2　Dempster-Shafer(DSER)证据推理理论与推理表达式

　　DSER[1～3]理论假设有一个关于诊断假设集合。这种集合叫“鉴别框架”,记为θ。所谓框架是一种描述某种形态的数据结构。这里是指在某个 域中所有不相容的命题可能值的有穷集合,于是θ的幂集2θ构成了该域中所有命题的集合。在θ中的诸假设被假设为互相排它的。DSER应用于信息融合时,据 通过构造相应的基本概率分布函数,对所有的命题(包括θ)赋予一个置信测度。对于一个基本概率分布函数以及相应的识别框架θ,合称为一个证据体,因此每个 探头相当于一个证据体,而信息融合实质上就是在同一个识别框架下,利用Dempster合并规则将每个证据体合并成一个新的证据体,即将不同证据体的基本 概率分布函数合并,产生一个总体基本概率分布函数,而产生的新证据体表示了融合信息。

　　3　基本概率分布函数的构造

　　作为一个证据体的传感器,要使它所获得的信息能和其他的证据体进行合并,关键是利用所得证据构造一个基本概率分布函数BPAF(Based probabilityassignment function),但是在DSER理论中并没有给出基本概率分布函数的一般形式,必须具体问题具体分析,本文对基本概率分布函数定义如下[4]:

　　ωi是根据探头i检测时的状况(如角度、材质和表面粗糙度等)决定的,取值范围为[0,1],本文探头1取0.8;探头2取0.9。