一種減小巴克豪森噪聲檢測誤差的方法及其傳感器系統的制作方法
【技術領域】
[0001]本發明屬于無損檢測技術領域，涉及一種減小巴克豪森噪聲檢測誤差的方法及其傳感器系統。
【背景技術】
[0002]巴克豪森噪聲技術是一種針對鐵磁性物質的無損檢測技術，可用于檢測各種狀況如疲勞、輻射、應力以及熱處理下鐵磁性物質的微觀結構特征，當前已經在鐵路、機械、汽車、航空等領域取得良好的應用效果。
[0003]現有技術的巴克豪森噪聲檢測裝置，一般采用的傳感器往往是將磁化器和檢測線圈固定在一起，并且磁化器底面和檢測線圈底面在同一個平面上，在磁化器的磁軛上纏上激勵線圈，如圖1所示。這種結構的傳感器，在巴克豪森噪聲檢測過程中，一是傳感器的檢測線圈與被測試件往往會存在提離，因此會造成檢測到的巴克豪森噪聲信號減小；二是傳感器的磁化器由于擺放位置的變動也會相對于被測試件產生提離，使得被測試件內產生的磁場會發生變化，造成所檢測到的巴克豪森噪聲信號不一致。上述兩種傳感器的提離現象均會形成檢測誤差。

【發明內容】

[0004]本發明所要解決的技術問題是提供一種減小巴克豪森噪聲檢測誤差的方法及其傳感器系統，能夠有效地減小在巴克豪森噪聲檢測過程中由于傳感器的檢測線圈以及磁化器相對于被測試件的提離所造成的檢測誤差。
[0005]為了解決上述技術問題，本發明采用以下技術方案:
本發明的一種減小巴克豪森噪聲檢測誤差的方法，在噪聲檢測中采用傳感器，其特征在于:
將所述的傳感器的磁化器與檢測線圈用一個彈性元件進行連接；
在所述的磁化器的U型磁軛的左、中、右部位分別設置匝數、線徑均相同的第一感應線圈、第二感應線圈、第三感應線圈；
所述的三組感應線圈輸出交流的電壓信號，通過有效值轉換電路轉換為直流電壓信號，然后通過模數轉換電路轉換成數字信號，再經微處理器獲取電壓值，將所述的三個電壓值輸入到一個BP神經網絡中；
根據所述的BP神經網絡采用BP神經網絡算法對巴克豪森噪聲檢測的特征值進行修正，其步驟如下:
步驟一、獲取所述的三個感應線圈的電壓以及其各自的特征值修正系數作為樣本數據；
步驟二、根據所述的樣本數據構造一個BP神經網絡模型；
步驟三、將所述的樣本數據作為所述的BP神經網絡的訓練數據，進行BP神經網絡訓練得到訓練后的神經網絡，進而得到神經網絡輸出的特征值修正系數； 步驟四、將實際測量的所述三個感應線圈的各自的感應電壓數據作為所述的BP神經網絡的輸入，得到特征值修正系數；
步驟五、將實際測量對應的檢測到的巴克豪森噪聲信號特征值除以所述的特征值修正系數，得到修正后的巴克豪森噪聲檢測信號的特征值。
[0006]在所述步驟一中所述的樣本數據的獲取方法如下:
Cl)獲取每次測量時的所述三個感應線圈的感應電壓；
(2)獲取所述傳感器沒有提離時的巴克豪森噪聲信號的特征值，以及每次測量時的巴克豪森噪聲信號的特征值；
(3)將每次測量時的巴克豪森噪聲信號特征值除以所述傳感器沒有提離時的特征值得到的系數作為特征值修正系數。
[0007]在所述步驟二中的所述的BP神經網絡模型的具體特征如下:
(1)將所述三個感應線圈得到的電壓作為所述的BP神經網絡的輸入層的輸入元素，神經元數量為3 ；
(2)所述的BP神經網絡的隱含層的層數為2，神經元數量分別為8和12;
(3)所述的BP神經網絡的輸出層輸出神經元數量為1，輸出元素為特征值修正的比例系數；
(4)所述的BP神經網絡的隱含層和輸出層的神經元傳遞函數采用S型正切函數tansigo
[0008]在所述步驟三中的所述的BP神經網絡的具體實現方式如下:
(1)設置訓練參數，所述訓練參數包括最大訓練次數，訓練的目標誤差精度，學習率以及動量系數；
(2)選用尺度化共軛梯度反向傳播算法trainscg作為訓練函數，選用動量梯度下降權值和閾值學習函數Iearndm作為學習函數，選用均方誤差函數mse作為性能函數；
(3)得到BP神經網絡的權值和閾值，結束訓練。
[0009]本發明的一種減小巴克豪森噪聲檢測誤差的傳感器系統，包括傳感器，所述的傳感器具有磁化器、激勵線圈、檢測線圈、固定件，其特征在于:
所述的傳感器的磁化器和檢測線圈用一個彈性元件進行連接；在所述的磁化器的U型磁軛的左、中、右部位分別設置有匝數、線徑均相同的第一感應線圈、第二感應線圈、第三感應線圈；
所述的傳感器系統還包括有效值轉換電路、模數轉換電路、DSP微處理器和BP神經網絡；所述的有效值轉換電路、模數轉換電路、DSP微處理器集成在一個電路板上，所述的傳感器的三個感應線圈通過屏蔽線與電路板相連；
所述的傳感器通過所述的第一感應線圈、第二感應線圈、第三感應線圈的三個電壓輸出端與三個所述的有效值轉換電路聯接；所述的三個有效值轉換電路的輸出端串行聯接所述的模數轉換器；所述的模數轉換器的輸出端串行聯接所述的微控制器中；所述的BP神經網絡在所述的微控制器中實現；
所述的三個有效值轉換電路用于將所述的三個感應線圈感應到的正弦信號轉換成電壓值為正弦信號有效值的直流信號；
所述的模數轉換器用于將經過所述的有效值轉換電路得到的直流信號轉換為可供所述的微處理器讀取的數字信號；
所述的微控制器用于:將所述的三個感應線圈的感應電壓的有效值作為所述的BP神經網絡的輸入；然后將檢測到的巴克豪森噪聲信號的特征值除以所述的BP神經網絡輸出得到的特征值修正系數，得出經修正后的巴克豪森噪聲信號的特征值。
[0010]所述的彈性元件設置于所述的磁化器與所述的固定件之間；所述的檢測線圈突出于所述的磁化器的底部平面。
[0011]所述的有效值轉換電路采用AD637芯片。
[0012]所述的模數轉換電路采用AD7656芯片。
[0013]所述的DSP微處理器采用TMS320C6747數字信號處理器。
[0014]相比現有技術，本發明的優點和有益效果是；
1.本發明能夠基本上消除因傳感器的檢測線圈提離造成的巴克豪森噪聲信號的檢測誤差，并在很大程度上減小了磁化器的提離造成的巴克豪森噪聲信號的檢測誤差。
[0015]2.本發明采用改進傳感器的結構，將傳感器的檢測線圈與磁化器用彈性裝置進行連接，在磁化器的U型磁軛的左、中、右三部分添加三個相同的感應線圈，有效地減小了在檢測過程中傳感器提離造成的誤差影響。
[0016]3.本發明利用BP神經網絡算法對巴克豪森噪聲檢測結果進行進一步修正:將檢測到的巴克豪森噪聲的特征值修正為傳感器沒有提離時檢測到的巴克豪森噪聲的特征值，從而使檢測結果更為準確。
[0017]
【附圖說明】
[0018]圖1是現有技術的巴克豪森噪聲檢測裝置傳感器的結構示意圖。其中，I磁化器，2激勵線圈，3檢測線圈，4檢測線圈固定件。
[0019]圖2是本發明的減小巴克豪森噪聲檢測誤差的傳感器系統的結構框圖。
[0020]圖3是本發明的傳感器的結構示意圖。其中，I磁化器，2激勵線圈，3檢測線圈，4檢測線圈固定件，5彈性元件，6第一感應線圈，7第二感應線圈，8第三感應線圈。
[0021]圖4是本發明圖3所示傳感器的感應電壓檢測的原理框圖。
[0022]圖5是本發明所述的BP神經網絡算法步驟框圖。
[0023]圖6是本發明所述BP神經網絡的結構圖。
【具體實施方式】
[0024]下面結合附圖和實施例對本發明做進一步詳細說明。
[0025]本發明的一種減小巴克豪森噪聲檢測誤差的方法，在噪聲檢測中采用傳感器，其特征在于:
將所述的傳感器的磁化器(I)與檢測線圈(3)用一個彈性元件(5)進行連接；
在所述的磁化器(I)的U型磁軛的左、中、右部位分別設置匝數、線徑均相同的第一感應線圈(6)、第二感應線圈(7)、第三感應線圈(8)；
所述的三組感應線圈(6、7、8 )輸出交流的電壓信號，通過有效值轉換電路轉換為直流電壓信號，然后通過模數轉換電路轉換成數字信號，再經微處理器獲取電壓值，將所述的三個電壓值輸入到一個BP神經網絡中；
根據所述的BP神經網絡采用BP神經網絡算法對巴克豪森噪聲檢測的特征值進行修正，其步驟如下，如圖5所示:
步驟一、獲取所述的三個感應線圈(6、7、8)的電壓以及其各自的特征值修正系數作為樣本數據；
步驟二、根據所述的樣本數據構造一個BP神經網絡模型；
步驟三、將所述的樣本數據作為所述的BP神經網絡的訓練數據，進行BP神經網絡訓練得到訓練后的神經網絡，進而得到神經網絡輸出的特征值修正系數；
步驟四、將實際測量的所述三個感應線圈(6、7、8)的各自的感應電壓數據作為所述的BP神經網絡的輸入，得到特征值修正系數；
步驟五、將實際測量對應的檢測到的巴克豪森噪聲信號特征值除以所述的特征值修正系數，得到修正后的巴克豪森噪聲檢測信號的特征值。
[0026]在所述步驟一中所述的樣本數據的獲取方法如下:
Cl)獲取每次測量時的所述三個感應線圈(6、7、8)的感應電壓；
(2)獲取所述傳感器沒有提離時的巴克豪森噪聲信號的特征值，以及每次測量時的巴克豪森噪聲信號的特征值；
(3)將每次測量時的巴克豪森噪聲信號特征值除以所述傳感器沒有提離時的特征值得到的系數作為特征值修正系數。
[0027]在所述步驟二中的所述的BP神經網絡模型的具體特征如下:
(1)將所述三個感應線圈(6、7、8)得到的電壓作為所述的BP神經網絡的輸入層的輸入元素，神經元數量為3 ；
(2)所述的BP神經網絡的隱含層的層數為2，神經元數量分別為8和12;
(3)所述的BP神經網絡的輸出層輸出神經元數量為1，輸出元素為特征值修正的比例系數；
(4)所述的BP神經網絡的隱含層和輸出層的神經元傳遞函數采用S型