线性神经网络及模态声发射在时差定位中的应用

    1 引 言

    声发射是材料或结构内部局部区域在外力、内力或温度的影响下，产生塑性变形或有裂纹形成和扩展时，伴随能量迅速释放而产生的瞬态弹性波的现象。与其它无损检测技术相比，声发射技术的一大优势是能够在线，快速地确定结构中的受损位置，即声发射源定位。时差定位法是工程实践中重要的声发射源定位技术，主要根据声发射信号到达各传感器的时间、传感器阵的布置和介质中声信号的传播速度来确定声发射源的位置[1]。时差定位精度的主要影响因素为噪声、传感器灵敏度、时间差、波速和传感器间距。通常通过设置声发射仪器的参数可以抑制噪声，但如果设置不当也会丢失部分有用信号。时差的常用测量方法有：直接测量法(门槛跨越)[2]、相关分析法[3]、小波分解法[4,5]。针对不同的条件和应用对象，应选择合适的方法获得时差。波速一般通过查手册获得或现场实测，工程手册查阅波速适用于非频散结构，对如杆、板、壳等结构声发射信号的多模态及频散特性则一般不应忽略。

    神经网络具有并行分布式处理和非线性处理等特点，且具有自学习功能，有很高的容错性和鲁棒性，可以很好地解决声发射检测中噪声的影响，及人为因素和不确定因素的影响。神经网络近年来在声发射智能定位中有越来越多的应用，使用较多的是误差反向传播(BP)神经网络，并选取声发射特征参数作为网络的输入[6]。输入向量的选择直接影响网络输出的结果，声发射特征数非常多且无选取标准，如何选取合适的特征参数成为影响网络性能的决定因素，依靠经验选取会带来人为因素的影响。BP 网络在实际训练中存在收敛速度慢且容易陷入局部极小值，网络训练的失败可能性较大。本文通过在板结构上进行断铅声发射实验，利用采集仪器记录时差，由频散曲线确定定位用波速的值，并引入线性神经网络，以期提高定位精度。

    2 理论基础

    2.1 时差线定位方法

    时差线定位是基本的典型定位方法[1]，其原理如图 1 所示。

    设声发射信号从波源到达传感器 1 的时间为1t ,到达传感器 2 的时间为2t ,其时间差为2 1?t = t -t。如波速为 ,则可以确定：

    其中，d 表示波源到达传感器 1 的直线距离，D 表示传感器 1 与传感器 2 的直线距离。

    2.2 模态声发射理论

    模态声发射技术认为声发射信号本质上是一种频率和模态丰富的机械波，其传播规律遵循结构中弹性波传播理论。因此，声发射信号定位中，应当考虑散及多模态特性的影响，才能获得声发射源的精确信息[7]。