WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

загрузка...
   Добро пожаловать!

Pages:     | 1 || 3 |

На основе обзора работ в области распознавания установлено, что в наибольшей степени указанным требованиям удовлетворяет классификатор, построенный на основе последовательного критерия отношения вероятностей измеряемых характеристик сигналов УЗ контроля.

Во втором разделе решается задача повышения помехозащищенности при различных условиях эксплуатации аппаратуры УЗ контроля и скоростей сканирования.

Проанализирован состав и выполнена оценка параметров акустических и электрических помех, возникающих в процессе проведения эксплуатационного контроля рельсов (передвижная аппаратура) и приемочного контроля бандажей (стационарные установки).

Как правило, дефектоскоп является узкополосной системой – полоса пропускания не превышает нескольких МГц. Подача на вход такой системы широкополосного сигнала вызовет отклик на выходе в виде сигнала, который по своим частотным характеристикам повторяет характеристику усилительного тракта. В таком случае спектр помехи приобретает определенную «окраску», что делает его «похожим» на спектр полезного сигнала. Во временной области такой радиосигнал практически нельзя отличить от полезного эхосигнала.

Возможными способами борьбы с электрическими помехами является применение защитного экранирования и частотной селекции входного сигнала, однако, в обоих случаях удается подавить электрическую помеху только до определенного уровня. Реализация известных алгоритмов обработки на основе вейвлет-преобразования и схожего с ними способа разложения входного сигнала на эмпирические моды также не дает значительного увеличения отношения сигнал-помеха. Это обусловило необходимость разработки принципов селекции сигналов помех, учитывающих длительность и корреляцию сигналов между циклами излучения-приема УЗ колебаний.

Известно, что в процессе сканирования сигналы от возможного дефекта обычно поступают в течение некоторого интервала времени – тем самым формируется определенная последовательность сигналов – пакет. Внутри пакета полезные сигналы будут коррелированы друг с другом по изменению амплитуды и времени прихода. В пространственном отображении сигналы будут представлять компактную область, внутри которой распределение интенсивности (амплитуды), изменения задержки и длительности эхосигнала коррелированны между собой. В дальнейшем под «изображением» подразумевается форма представления сигналов УЗ контроля в виде В-развертки (зависимости времени задержки эхосигнала от положения пьезоэлектрического преобразователя (ПЭП)). В представленных ниже примерах используется градация амплитуды в виде оттенков серого цвета: наибольшему значению амплитуды соответствует более темный цвет. По виду кодирования амплитуды изображения разделены на «полутоновые» (известно значение амплитуды) и «бинарные» (известен лишь факт превышения/снижения амплитуды сигнала относительно браковочного уровня).

При пространственной обработке сигналов исследованы линейные (однородные и неоднородные) и нелинейные фильтры. Обобщенные характеристики линейных фильтров приведены в таблице 1.

Таблица 1 – Характеристики линейных фильтров

Название

Достоинства

Недостатки

Однородный

фильтр

  • простота реализации;
  • возможность быстрой перестройки параметров фильтра (изменение апертуры);
  • высокая производительность;
  • высокая эффективность подавления импульсных помех различной длительности;
  • близкие результаты для бинарных и полутоновых изображений;
  • результат фильтрации не требует дополнительной обработки.
  • искажение формы полезного сигнала;
  • удаление с изображения полезных сигналов малой протяженности.

Неоднородный

фильтр

Частотная фильтрация (ФНЧ)

явных не обнаружено

  • крайне высокая вычислительная сложность.

На рисунке 3 показан результат пространственной обработки сигналов УЗ контроля бандажа медианным фильтром.

Рисунок 3 – Фильтрация сигналов УЗ контроля, представленных

в виде В-развертки: а – схема сканирования; б – исходное изображение;

в – результат обработки медианным фильтром с последующей пороговой обработкой.

Отмеченные на рисунке 3 (б) и (в) области 1,2 соответствуют сигналам от реального дефекта в виде цепочки макровключений. В таблице 2 проведено обобщение результатов сравнения нелинейных фильтров.

Таблица 2 – Характеристики нелинейных фильтров

Название

Достоинства

Недостатки

Фильтр

логического усреднения

  • простота реализации;
  • возможность адаптации алгоритма к специфике конфигурации сигналов;
  • возможность быстрой перестройки апертуры фильтра;
  • высокая производительность.
  • удаление с изображения полезных сигналов малой протяженности.

Медианный

фильтр

  • простота реализации;
  • возможность быстрой перестройки апертуры фильтра;
  • высокая производительность;
  • высокая эффективность подавления импульсных помех различной длительности;
  • близкие результаты для бинарных и полутоновых изображений;
  • возможность реализации на аппаратном уровне для обработки сигналов в режиме реального времени.
  • необходимость последующей пороговой обработки.

Фильтр

Винера

Для количественной оценки результатов фильтрации использован критерий минимума среднеквадратического отклонения (СКО):

,

где дискретные отсчеты сигналов при отсутствии помех; дискретные отсчеты сигналов после фильтрации; количество дискретных отсчетов в одном цикле излучения-приема УЗ колебаний; количество циклов излучения-приема УЗ колебаний.

В приведенных ниже расчетах эталонное изображение получено на основании экспертной оценки сигналов УЗ контроля. Результаты расчетов для различных значений апертур фильтров показаны на рисунке 4.

Рисунок 4 – Оценка качества процедуры фильтрации

Как видно из рисунка 4, наилучший результат подавления помех получен при использовании методов медианной фильтрации и фильтра Винера. Для этих методов параметр при малых значениях апертуры фильтра достигает минимальной величины. При значениях апертуры, превышающих 6 начинает проявляться эффект подавления полезных сигналов малой длительности, что является недопустимым.

В третьем разделе проведено обоснование и разработаны методы расчета информативных характеристик эхосигналов при ультразвуковом контроле металлопроката.

На основании результатов математического моделирования параметров эхосигналов от внутренних дефектов при УЗ контроле было определено, что при разработке априорного алфавита классов распознавания следует использовать следующие группы информативных характеристик (признаков):

1. Группа геометрических характеристик дефекта

Координаты расположения отражающей поверхности:, где глубина, мм; координата относительно начальной точки, мм.

Условные размеры дефекта, где протяженность, мм; ширина, мм; высота, мм.

2. Группа характеристик нормированной относительно максимального значения огибающей амплитуд эхосигналов I-го рода

Коэффициент нарастания/спада фронтов огибающей:

.

Эвристические коэффициенты формы огибающей:

,,

где значения амплитуды огибающей, количество отсчетов амплитуд при заданном шаге перемещения ПЭП.

Пространственная характеристика оценивается в виде значения нормированной относительно максимума двумерной корреляционной функции:

,

где анализируемая запись сигналов; оценка математического ожидания ; эталонная запись сигналов; оценка математического ожидания ; размерность обрабатываемой области.

3. Оценка корреляционной зависимости между временем задержки эхосигнала и положением ПЭП.

Коэффициент регрессии () и коэффициент корреляции ():

;,

где положение ПЭП; среднее значение ; задержка эхосигнала; среднее значение.

На основании определенных информативных характеристик было составлено априорное описание классов распознавания сигналов. Для системы распознавания при контроле рельсов выделены классы сигналов от конструктивных элементов (торцы рельса, болтовые отверстия, стыки) и от дефектов, в основе которых лежит классификация по НТД/ЦП-1-93. При контроле бандажей выделены следующие классы распознавания: сигналы от дефектов, сигналы помех, сигналы от клейма.

В четвертом разделе разработан общий принцип построения системы поддержки принятия решения при УЗ контроле. Обоснована структура системы распознавания при контроле длинномерных изделий металлопроката, определены информативные характеристики полезных сигналов и сигналов помех, построена автоматизированная система поддержки принятия решения при контроле бандажей и рельсов.

Обобщенная структура АСППР при УЗ контроле приведена на рисунке 5. Первичная информация представляет дискретизированный по времени и амплитуде сигнал на выходе приемного тракта дефектоскопа. В блоке обработки первичной информации выполняется операция предварительной фильтрации и производится расчет информативных признаков групп сигналов. Полученные значения информативных характеристик поступают на основной элемент АСППР – блок принятия решения. В этом блоке на основе априорной информации из базы знаний и заранее описанных правил принимается предварительное решение о принадлежности распознаваемой группы сигналов к определенному классу. Исходная информация, дополненная предварительным решением машины, поступает на подсистему вывода. На основе совокупности полученной информации оператор принимает окончательное решение. В процессе принятия решения оператору также могут быть представлены типовые записи сигналов контроля. Обратная связь базы знаний с решением оператора отражает возможность системы к обучению в процессе эксплуатации. Функции эксперта заключаются в регулировании процесса обучения блока системы распознавания, так как неконтролируемое изменение базы знаний может негативно отразиться на достоверности распознавания.

Рисунок 5 – Структурная схема АСППР

Система обучения состоит из набора процедур оценки параметров информативных признаков. База знаний содержит представительную выборку записей сигналов дефектов с разбиением на классы.

Как было показано в разделе 3, оцениваемые информативные характеристики сигналов являются случайными. В связи с этим, разработка машинного алгоритма распознавания выполнена на основе процедуры последовательного расчета коэффициента правдоподобия:

,,,

где шаг классификации; количество классов распознавания; функция плотности распределения признака.

В процессе выполнения алгоритма классификации используются два останавливающих порога и. Если на м шаге, то процесс вычисления продолжается и на следующем шаге используется признак. Значения и связаны с вероятностями ошибок следующими отношениями:

и,

где: – вероятность перебраковки; – вероятность недобраковки.

Поскольку необходимым условием для реализации предложенных алгоритмов является знание плотностей распределения вероятностей для каждого класса распознаваемых объектов и, учитывая, что количество исходной априорной информации недостаточно для непосредственного определения функции, исследована возможность нахождения такой функции на основе ограниченного объема обучающей выборки. Экспериментально установлено, что вид плотности распределения не является одномодальным и не подчиняется нормальному закону распределения. Алгоритм определения был реализован на основе непараметрического метода оценки парзеновского типа.

Ранжирование признаков по информативности позволяет получить окончательное решение быстрее, чем для неупорядоченной последовательности признаков. Упорядочивание признаков выполнено на основании анализа гистограмм распределения и рассчитанных значений оценок математического ожидания и доверительной границы. В качестве метрики, позволяющей оценить разделяющие свойства признаков классов, использована безразмерная величина:

, (1)

где принимает значения 0 или 1 и позволяет исключать признаки из рассмотрения, размерность вектора признаков.

Расчет, выполненный на основании (1) для стыкового пути, показал, что наибольшим разделяющим свойством при распознавании сигналов от конструктивных элементов при контроле рельсов обладают группы информативных признаков в последовательностях, указанных в таблице 4.

Надежность работы АСППР в реальных условиях зависит от многих факторов, в том числе и имеющих случайный характер. В качестве показателей, характеризующих надежность модуля распознавания в составе АСППР, выбраны вероятности правильных и ошибочных решений.

На основании полученных обучающих выборок было проведено экспериментальное исследование достоверности результатов работы модуля распознавания конструктивных элементов (таблица 4) по данным УЗ контроля рельсов на один километр пути.

Таблица 4 – Результаты классификации сигналов от конструктивных элементов рельса

Зона

контроля

Тип

конструктива

Признаки

Вероятность

Зона головки

Торец

,,,,,,

0,93

0,09

0,91

Зона шейки

Pages:     | 1 || 3 |






© 2011 www.dissers.ru - «Бесплатная электронная библиотека»