《基於三維有限元神經網路的缺陷識別和量化評價方法》是清華大學於2006年12月8日申請的發明專利，該專利的申請號為2006101649236，公布號為CN1963491，公布日為2007年5月16日，發明人是黃松嶺、趙偉、宋小春、崔偉，該專利用於對缺陷漏磁檢測信號進行定量解釋，屬於無損檢測技術領域。
《基於三維有限元神經網路的缺陷識別和量化評價方法》包括有如下三個基本步驟：1）根據缺陷漏磁場的三維有限元計算模型，構建三維有限元神經網路；2）測量並提取缺陷漏磁場特徵值，設定缺陷漏磁場測量值與計算值間誤差的閾值條件；3）給定缺陷特徵參數的初始估計值，利用三維有限元神經網路進行疊代計算，通過比較缺陷漏磁場計算值與測量值間誤差的大小來實現缺陷的特徵識別和量化評價。有限元神經網路的權值不需事先進行訓練，所以利用該發明進行缺陷量化評價，可以避免常規神經網路方法對訓練樣本的依賴性，有利於提高對各種不規則缺陷的識別能力和量化精度。
2014年11月6日，《基於三維有限元神經網路的缺陷識別和量化評價方法》獲得第十六屆中國專利優秀獎。
（概述圖為《基於三維有限元神經網路的缺陷識別和量化評價方法》摘要附圖）
基本介紹
- 中文名：基於三維有限元神經網路的缺陷識別和量化評價方法
- 公布號：CN1963491
- 公布日：2007年5月16日
- 申請號：2006101649236
- 申請日：2006年12月8日
- 申請人：清華大學
- 地址：北京市100084信箱82分箱清華大學專利辦公室
- 發明人：黃松嶺、趙偉、宋小春、崔偉
- 分類號：G01N27/82（2006.01）；G01M3/00（2006.01）；F17D5/00（2006.01）；G01R33/00（2006.01）；G06N3/02（2006.01）
- 類別：發明專利
專利背景,發明內容,專利目的,技術方案,改善效果,附圖說明,權利要求,實施方式,榮譽表彰,
專利背景
漏磁檢測是較常用的無損檢測方法，在鐵磁性材料質量檢測和安全監測方面有廣泛套用，但是，對漏磁檢測信號進行合理解釋以實現缺陷的特徵識別和量化評價一直是無損檢測研究領域的一道技術難題。中國專利祖戒院文獻公開了一種“管道缺陷漏磁檢測數據的分析方法”（公開號：1458442，公開日：2003.11.26），該技術涉及一種能夠提高各種鋼製管道缺陷檢測信號分析效率和定量分析精度的缺陷漏磁檢測重全永數據分析處理方法，但該技術通過顯示數據云圖，只能定性判斷管道的缺陷有無，難以實現缺陷量化；而專利“管道腐蝕缺陷類型識別方法”（申請號：200410068973.5，公開號：1587785A），該技術涉及一種管道腐蝕缺陷類型識別方法，通過簡單算法和國際標準實現對大量漏磁檢測數據快速分類處理，該技術僅對規則化缺陷才能取得較理想的識別精度；專利“一種漏磁檢測腐蝕缺陷的量化方法”（申請號：200510011116.6，公開號：1641347A），該技術涉及一種腐蝕缺陷漏磁檢測數據分析處理方法，利用檢測到的漏磁場分布特徵，根據事先由標準人工缺陷測量建立的擬合量化模型實現對腐蝕缺陷三個方向尺寸的量化，其量化結果對前述統計擬合模型數據的依賴性大，任何檢測條件的差異都可能對量化結果產生較大的影響。
發明內容
專利目的
《基於三維有限元神經網路的缺陷識別和量化評價方法》的目的是提供一種基於三維有限元神經網路的缺陷識別和量化評價方法。其實記判質是將三維有限元計算模型嵌入到神經網路結構中，綜合有限元和神經網路的優點來解決電磁無損評價中非線性問題求解計算量大、速度慢的問題。同時，該發明能避免常規神經網路方法對訓練數據的依賴性，有利於提高對各種不規則缺陷的識別能力和量化精度。
技術方案
一種基於三維有限元神經網路的缺陷識別和量化評價方法，其特徵在於該方法包括如下步驟：
1）根據缺陷漏磁場的三維有限元計算模型構建三維有限元神經網路：有限元神經網路包含三層：輸入層、輸出層和隱含層。如果缺陷漏磁場三維有限元計算模型包含M個格線單元、N個節點，而且每個單元有i個特徵參數，那么神經網路結構的輸入層就包含i×M個神經元，這些神經元分別乘淚奔妹汽以權值矩陣元素wi之後，作為隱含層的輸入；隱含層包含N個神經元，N個為一組，隱含層的輸出再乘以相應節點的權值φj，就可以得到與該節點對應的輸出值；輸出層為N個神經元，代表N個節點處的輸出值；
2）測量缺陷漏磁場，提取缺陷漏磁場特徵值，並設定缺陷漏磁場測量值A與神經網路計算值B間誤差的閾值δ：根據缺陷漏磁場的分布特徵，採用等空間採樣法測量缺陷周圍某一區域若干個點處的漏磁場強度，並提取其軸向、周向和徑向分量作為缺陷漏磁場的特徵值；
3）根據所測量缺陷漏磁場的大小，設定缺陷特徵參數的初始估計值，利用步驟1）建立的三維有限元神經網路對其進行疊代計算：如果缺陷漏磁場的測量值A與神經網路計算值B間的誤差A-B大於步驟2）所設定誤差閾值δ，則需更新缺陷特徵參數的估計值重新進行計算；當誤差A-B小於閾值δ時，即認為用於有限元神經網路計算的缺陷特徵參數估計值是所期望的缺陷特徵參數。
該發明所述提取的缺陷漏磁場特徵值為缺陷漏磁場的軸向、周向和徑向分量。
該發明的特徵還在於：頁辯格上述步驟2）中所提取的缺陷漏磁場特徵值要進行歸一化處理。
改善效果
該發明提出的基於三維有限元神經網路的缺陷識別和量化評價方法，實質上是用並行方式實現的有限元計算模型，既具有有限元計算精度高的特點，又具有神經網路並行計算、速度快的優勢。同時，由於有限元神經網凝拔陵絡的權值取決於待求解問題的微分方程和邊界條件，不需事先進行訓練，因此利用它進行缺陷量化評價時，可以避免常規神經網路方法對訓練樣本的依賴性，有利於提高對各種不規則缺陷的識別能力和量化精度，具有較廣闊的套用前景。
附圖說明
圖1為依據漏磁場有限元計算模型構建三維有限元神經網路的基本原理。
圖2為基於三維有限元神經網路的缺陷參數疊代評價方法。
圖3為線性四面體單元圖。
圖4為有限元神經網路的結構。
權利要求
1.《基於三維有限元神經網路的缺陷識別和量化評價方法》其特徵在於該方法包括如下步驟：
1）根據缺陷漏磁場的三維有限元計算模型構建三維有限元神經網路：有限元神經網路包含三層：輸入層、輸出層和阿棗詢頌隱含層，如果缺陷漏磁場三維有限元計算模型包含M個格線單元、N個節點，而且每個單元有i個特徵參數，那么神經網路結構的輸入層就包含i×M個神經元，這些神經元分別乘以權值矩陣元素wi之後，作為隱含層的輸入；隱含層包含N個神經元，N個為一組，隱含層的輸出再乘以相應節點的權值φ，就可以得到與該節點對應的輸出值；輸出層為N個神經元，代表N個節點處的輸出值；
2）測量缺陷漏磁場，提取缺陷漏磁場特徵值，並設定缺陷漏磁場測量值A與神經網路計算值B間誤差的閾值δ：根據缺陷漏磁場的分布特徵，採用等空間採樣法測量缺陷周圍某一區域若干個點處的漏磁場強度；
3）根據所測量缺陷漏磁場的大小，設定缺陷特徵參數的初始估計值，利用步驟1）建立的三維有限元神經網路對其進行疊代計算：如果缺陷漏磁場的測量值A與計算值B間的誤差A-B大於步驟2）所設定誤差閾值δ，則需更新缺陷特徵參數的估計值重新進行計算；當誤差A-B小於閾值δ時，即認為用於有限元神經網路計算的缺陷特徵參數估計值是所期望的缺陷特徵參數。
2、根據權利要求1所述的基於三維有限元神經網路的缺陷識別和量化評價方法，其特徵在於：所述提取的缺陷漏磁場特徵值為缺陷漏磁場的軸向、周向和徑向分量。
3、根據權利要求1或2所述的基於三維有限元神經網路的缺陷識別和量化評價方法，其特徵在於：上述步驟2）中所測量的缺陷漏磁場特徵值進行歸一化處理。
實施方式
《基於三維有限元神經網路的缺陷識別和量化評價方法》主要包括如下三個基本步驟：1）根據缺陷漏磁場的三維有限元計算模型，構建三維有限元神經網路；2）測量並提取缺陷漏磁場的特徵值，設定缺陷漏磁場測量值與計算值間誤差的閾值條件；3）給定缺陷特徵參數的初始估計值，利用三維有限元神經網路進行疊代計算，通過比較測量的漏磁場計算值與特徵值間的誤差大小來實現缺陷幾何特徵識別和量化評價。
下面結合附圖對上述各步驟作進一步的說明：
1）根據缺陷漏磁場的三維有限元計算模型構建三維有限元神經網路：有限元神經網路包含三層：輸入層、輸出層和隱含層。如果缺陷漏磁場計算模型對應的三維有限元格線結構包含M個線性四面體單元（如圖3）、N個節點，設定每個單元的特徵參數為α、β和γ，那么所構建有限元神經網路的輸入層就應包含3M個神經元，即M個α、M個β和M個γ。它們分別乘以權值wi、gi和hi（i＝1，2，…，M；j＝1，2，…，N）之後，作為隱含層的輸入；隱含層包含N個神經元，N個為一組；隱含層的輸出再乘以相應節點的權值φj，就可以得到與該節點對應的bj值；輸出層為N個神經元，代表N個節點處的bj值。據此，構建的有限元神經網路結構示意如圖4；三維有限元神經網路的權值wi、gi和hi以及權值φj取決於待求解問題的微分方程和邊界條件，不需事先進行訓練，因此不存在對訓練樣本的依賴性。
2）針對漏磁檢測管道腐蝕缺陷的定量評價問題，首先採用等空間採樣法測量缺陷周圍某一區域若干個點處的漏磁場強度，並對其分別進行歸一化處理，然後分別選擇其軸向、周向和徑向分量作為缺陷漏磁場的特徵值。同時，設定測量值與網路計算值間的誤差閾值為δ；
3）根據所測量缺陷漏磁場的大小，將設定的α、β和γ作為缺陷特徵參數的初始估計值，運用步驟1）建立的三維有限元神經網路對其進行疊代計算。
（1）假設疊代計算到第t次循環時，缺陷的特徵參數估計值為α（t）、β（t）、γ（t），如果將α（t）、β（t）、γ（t）分別作為神經網路的輸入時，則計算得到的網路輸出為：
（2）計算神經網路輸出的誤差：
如果誤差E＜δ，則α（t）、β（t）、γ（t）即是所期望的缺陷特徵參數估計值；否則進行以下計算。
（3）利用梯度下降法更新α（t）、β（t）和γ（t）：
（4）將α（t+1）、β（t+1）、γ（t+1）分別作為神經網路的輸入，重複步驟（1）～（4），直到誤差E＜δ為止。此時，即認為更新後的神經網路輸入值是所期望缺陷特徵參數的量化結果。
榮譽表彰
2014年11月6日，《基於三維有限元神經網路的缺陷識別和量化評價方法》獲得第十六屆中國專利優秀獎。
1）根據缺陷漏磁場的三維有限元計算模型構建三維有限元神經網路：有限元神經網路包含三層：輸入層、輸出層和隱含層。如果缺陷漏磁場三維有限元計算模型包含M個格線單元、N個節點，而且每個單元有i個特徵參數，那么神經網路結構的輸入層就包含i×M個神經元，這些神經元分別乘以權值矩陣元素wi之後，作為隱含層的輸入；隱含層包含N個神經元，N個為一組，隱含層的輸出再乘以相應節點的權值φj，就可以得到與該節點對應的輸出值；輸出層為N個神經元，代表N個節點處的輸出值；
2）測量缺陷漏磁場，提取缺陷漏磁場特徵值，並設定缺陷漏磁場測量值A與神經網路計算值B間誤差的閾值δ：根據缺陷漏磁場的分布特徵，採用等空間採樣法測量缺陷周圍某一區域若干個點處的漏磁場強度，並提取其軸向、周向和徑向分量作為缺陷漏磁場的特徵值；
3）根據所測量缺陷漏磁場的大小，設定缺陷特徵參數的初始估計值，利用步驟1）建立的三維有限元神經網路對其進行疊代計算：如果缺陷漏磁場的測量值A與神經網路計算值B間的誤差A-B大於步驟2）所設定誤差閾值δ，則需更新缺陷特徵參數的估計值重新進行計算；當誤差A-B小於閾值δ時，即認為用於有限元神經網路計算的缺陷特徵參數估計值是所期望的缺陷特徵參數。
該發明所述提取的缺陷漏磁場特徵值為缺陷漏磁場的軸向、周向和徑向分量。
該發明的特徵還在於：上述步驟2）中所提取的缺陷漏磁場特徵值要進行歸一化處理。
改善效果
該發明提出的基於三維有限元神經網路的缺陷識別和量化評價方法，實質上是用並行方式實現的有限元計算模型，既具有有限元計算精度高的特點，又具有神經網路並行計算、速度快的優勢。同時，由於有限元神經網路的權值取決於待求解問題的微分方程和邊界條件，不需事先進行訓練，因此利用它進行缺陷量化評價時，可以避免常規神經網路方法對訓練樣本的依賴性，有利於提高對各種不規則缺陷的識別能力和量化精度，具有較廣闊的套用前景。
附圖說明
圖1為依據漏磁場有限元計算模型構建三維有限元神經網路的基本原理。
圖2為基於三維有限元神經網路的缺陷參數疊代評價方法。
圖3為線性四面體單元圖。
圖4為有限元神經網路的結構。
權利要求
1.《基於三維有限元神經網路的缺陷識別和量化評價方法》其特徵在於該方法包括如下步驟：
1）根據缺陷漏磁場的三維有限元計算模型構建三維有限元神經網路：有限元神經網路包含三層：輸入層、輸出層和隱含層，如果缺陷漏磁場三維有限元計算模型包含M個格線單元、N個節點，而且每個單元有i個特徵參數，那么神經網路結構的輸入層就包含i×M個神經元，這些神經元分別乘以權值矩陣元素wi之後，作為隱含層的輸入；隱含層包含N個神經元，N個為一組，隱含層的輸出再乘以相應節點的權值φ，就可以得到與該節點對應的輸出值；輸出層為N個神經元，代表N個節點處的輸出值；
2）測量缺陷漏磁場，提取缺陷漏磁場特徵值，並設定缺陷漏磁場測量值A與神經網路計算值B間誤差的閾值δ：根據缺陷漏磁場的分布特徵，採用等空間採樣法測量缺陷周圍某一區域若干個點處的漏磁場強度；
3）根據所測量缺陷漏磁場的大小，設定缺陷特徵參數的初始估計值，利用步驟1）建立的三維有限元神經網路對其進行疊代計算：如果缺陷漏磁場的測量值A與計算值B間的誤差A-B大於步驟2）所設定誤差閾值δ，則需更新缺陷特徵參數的估計值重新進行計算；當誤差A-B小於閾值δ時，即認為用於有限元神經網路計算的缺陷特徵參數估計值是所期望的缺陷特徵參數。
2、根據權利要求1所述的基於三維有限元神經網路的缺陷識別和量化評價方法，其特徵在於：所述提取的缺陷漏磁場特徵值為缺陷漏磁場的軸向、周向和徑向分量。
3、根據權利要求1或2所述的基於三維有限元神經網路的缺陷識別和量化評價方法，其特徵在於：上述步驟2）中所測量的缺陷漏磁場特徵值進行歸一化處理。
實施方式
《基於三維有限元神經網路的缺陷識別和量化評價方法》主要包括如下三個基本步驟：1）根據缺陷漏磁場的三維有限元計算模型，構建三維有限元神經網路；2）測量並提取缺陷漏磁場的特徵值，設定缺陷漏磁場測量值與計算值間誤差的閾值條件；3）給定缺陷特徵參數的初始估計值，利用三維有限元神經網路進行疊代計算，通過比較測量的漏磁場計算值與特徵值間的誤差大小來實現缺陷幾何特徵識別和量化評價。
下面結合附圖對上述各步驟作進一步的說明：
1）根據缺陷漏磁場的三維有限元計算模型構建三維有限元神經網路：有限元神經網路包含三層：輸入層、輸出層和隱含層。如果缺陷漏磁場計算模型對應的三維有限元格線結構包含M個線性四面體單元（如圖3）、N個節點，設定每個單元的特徵參數為α、β和γ，那么所構建有限元神經網路的輸入層就應包含3M個神經元，即M個α、M個β和M個γ。它們分別乘以權值wi、gi和hi（i＝1，2，…，M；j＝1，2，…，N）之後，作為隱含層的輸入；隱含層包含N個神經元，N個為一組；隱含層的輸出再乘以相應節點的權值φj，就可以得到與該節點對應的bj值；輸出層為N個神經元，代表N個節點處的bj值。據此，構建的有限元神經網路結構示意如圖4；三維有限元神經網路的權值wi、gi和hi以及權值φj取決於待求解問題的微分方程和邊界條件，不需事先進行訓練，因此不存在對訓練樣本的依賴性。
2）針對漏磁檢測管道腐蝕缺陷的定量評價問題，首先採用等空間採樣法測量缺陷周圍某一區域若干個點處的漏磁場強度，並對其分別進行歸一化處理，然後分別選擇其軸向、周向和徑向分量作為缺陷漏磁場的特徵值。同時，設定測量值與網路計算值間的誤差閾值為δ；
3）根據所測量缺陷漏磁場的大小，將設定的α、β和γ作為缺陷特徵參數的初始估計值，運用步驟1）建立的三維有限元神經網路對其進行疊代計算。
（1）假設疊代計算到第t次循環時，缺陷的特徵參數估計值為α（t）、β（t）、γ（t），如果將α（t）、β（t）、γ（t）分別作為神經網路的輸入時，則計算得到的網路輸出為：
（2）計算神經網路輸出的誤差：
如果誤差E＜δ，則α（t）、β（t）、γ（t）即是所期望的缺陷特徵參數估計值；否則進行以下計算。
（3）利用梯度下降法更新α（t）、β（t）和γ（t）：
（4）將α（t+1）、β（t+1）、γ（t+1）分別作為神經網路的輸入，重複步驟（1）～（4），直到誤差E＜δ為止。此時，即認為更新後的神經網路輸入值是所期望缺陷特徵參數的量化結果。
榮譽表彰
2014年11月6日，《基於三維有限元神經網路的缺陷識別和量化評價方法》獲得第十六屆中國專利優秀獎。
