实验名称：基于数据驱动的结构钢表面应力磁巴克豪森噪声表征方法研究

　　研究方向：材料测试

　　实验目的：

　　磁巴克豪森噪声（Magnetic Barkhausen Noise,MBN）技术可用于定量评估铁磁材料的表面应力。当前MBN法应力评估技术存在特征量选取较难、定量预测模型复杂且对标定数据集的拟合精度较低的不足。本文提出一种数据驱动的非线性映射算法拟合MBN噪声和应力的关系，研究了基于小波包变换系数的时频特征替代统计特征量，减少了样本数据计算量。采用MBN噪声在小波包变换时-频域内的小波包变换系数作为特征向量，利用基于奇异值分解的数据降维算法降低特征向量的维数，将经过数据降维后的特征向量输入BP神经网络进行模型训练以建立预测模型。结果表明：采用基于奇异值分解的数据降维算法可减小模型的复杂度，利用降维后的小波包变换系数特征向量训练BP神经网络可实现铁磁材料表面应力的高精度预测。本文建立的表征方法有效解决了铁磁构件应力分布成像问题，在预防应力腐蚀、提高疲劳强度等损伤预警方面具有广阔的应用前景。

　　测试设备：系统由硬件和软件两部分组成：硬件部分包括激励模块、MBN传感器、信号调理模块、AD采集模块等，软件部分由基于LabVIEW设计的具有数据采集和数据分析处理功能的上位机组成。激励模块由AFG3102C任意波形函数信号发生器以及ATA-4014高压功率放大器组成。

　　图1：MBN检测系统示意图

　　实验过程：

　　MBN传感器由U型磁轭、激励线圈、检测线圈三个部分组成，其中，U型磁轭材料采用的是高磁导率、低电导率的锰锌铁氧体，磁极端面为正方形平面，两磁极中心点间距为19mm。激励线圈、检测线圈均选用漆包线，分别缠绕在U型磁轭、磁棒上，检测线圈摆放于U型磁轭下方正中心位置。当正弦信号通过激励线圈时，U型磁轭两磁极之间会产生近似均匀的交变磁场，从而在U型磁轭与被测试块中形成磁回路，以产生毫伏级的微弱MBN信号。检测线圈将拾取到的MBN信号通过电缆导线传输到信号调理模块进行滤波、放大等处理，使其便于由AD采集模块送入上位机实现信号显示、数据存储等功能。下图为滤波前后的MBN信号波形对比。

　　图2：滤波前后的MBN信号波形对比

　　实验结果：

　　1、通过小波包变换将MBN信号时域波形转换到时、频域，提取MBN信号时频冗余特征，可定性反映不同应力水平。

　　2、利用不同频带的小波包变换系数特征向量构造了小波包变换系数矩阵。通过奇异值分解，减小了MBN特征向量的维数，降低了BP神经网络模型复杂度。

　　3、开展了悬臂梁梯度应力标定试验，采集了悬臂梁上表面梯度应力的MBN信号，根据不同测量点对应的应力大小，建立了BP神经网络的训练样本集。

　　4、通过三点弯曲状态下结构钢试块下表面梯度应力的MBN信号采集试验，建立了BP神经网络测试集，测试了数据驱动模型的预测精度。

　　5、采用小波包系数作为时频冗余特征，经奇异值分解降维后，建立BP神经网络应力预测模型，使得该模型复杂度低、响应速度快，绝大部分样本预测误差低于10%，实现了基于数据驱动的铁磁构件表面应力的定量评估。在实际工程应用中，结合机械臂自动化扫查、传感器自适应仿形优化、信号处理等技术，可实现铁磁构件表面应力分布高精度成像。

　　安泰ATA-4014高压功率放大器：

　　图：ATA-4014高压功率放大器指标参数