基于生成神经网络的机械波无损检测缺陷构建算法分析*

湖北民族大学新材料与机电工程学院 王栋 周丙涛 杨杰 王海峰 张振

利用机械波,如超声波、应力波进行材料的无损检测已经被广泛应用,利用的原理是不同介质中机械波速度不一样,但是大多数需要进行复杂的数据分析。近期,生成神经网络在图形重构显示出了巨大优势。本文提出了一种新型生成网络,通过将仿真的机械波不同线路的速度值输入网络,生成材料的缺陷分布图。实现了低维输入到高维输出的映射,从而解决了缺陷构建复杂的难点。经过试验,该方法和传统方法比有着一定优势。

机械波进行材料的无损检测应用十分广泛,比如利用机械波对木材,对钢材进行无损检测,应力波和超声波都属于机械波,他们对材料都能达到很好的无损检测效果。机械波进行材料的无损检测的主要优点是检测速度快,装置简单,对于材料的伤害几乎为零。机械波无损检测的原理是在不同介质中机械波的速度不一样,当材料中有缺陷或是空洞时,机械波的速度就会发生明显变化,通过对于速度数据的处理和分析,最后对缺陷位置进行预测,所以对于机械波无损检测而言,数据处理的算法至关重要。冯海林等[1]提出一种图像重建算法,利用周围点值估计未知网格点的速度值,测试结果证明了该方法的可行性。Choi等[2]利用基于模型的损伤检测算法来定位缺陷位置及腐朽程度。这两种算法能够基本构建出机械波的传输路径图,但是算法较为复杂,需要根据具体的材料与检测环境进行调整。……