Page 45 - 理化检验-物理分册2022年第十二期
P. 45
杜裕平, 等: 基于多电磁无损检测的管线钢硬度检测模型
模型检测误差, 即预测结果有一个合适的置信
区间, 才能保证预测有意义。文中的置信区间有两
个, 一个是相对误差绝对值不大于 10% , 另一个是
, 的计
相对误差绝对值不大于 5% , 置信区间 Q 10 Q 5
算公式为
N 10
Q 10 = ×100% ( 1 )
N
N 5
Q 5 = ×100% ( 2 )
N
为绝对值误差在 5% 以
式中: N 为样本的总数; N 5
为绝对值误差在 10% 以内
内的测试样本个数; N 10
的测试样本个数。
绝对误差为
y i-y ci
E I= ( 3 )
y i
式中: 为力学性能参数; 为力学性能参数检测
y i y ci
结果。
图 4 逐步回归算法流程图
2 试验结果及分析
种 ANN 模型。
网络结构由输入层、 隐含层、 输出层 3 部分构 2.1 微磁特征信号与表面硬度的关系
成, 其中输入层和输出层各只有 1 个, 而隐含层可以 3 种特征的矫顽力与钢板硬度的关系如图 6~8
有多个, 各层都由若干神经元组成。层内神经元节 所示。由图 6~8 可知, 1 , 2 钢板的硬度分布存在
#
#
点之间互不相连, 而层间神经元节点采用全连接的 差异, 即便是同类管线钢, 不同批次间的硬度也存在
方式, 即输入层的任意一个神经元节点都与隐含层 差 异 。 同时随着钢板硬度的增加 , 3 种特征 的 矫 顽
的所有节点连接, 隐含层的任意一个神经元节点都
与输出层的所有节点连接。 BP 学习算法流程如图
5 所示。
图 6 矫顽力与钢板硬度的关系( 巴克豪森特征)
图 5 BP 学习算法流程图
为了对两种模型预测精度进行进一步分析, 可
以使用两种模型对同一批管线钢进行强度和硬度预
测, 根据预测结果来对比两种模型的性能。笔者所
用结果的评价指标以置信区间为主。 图 7 矫顽力与钢板硬度的关系( 切向磁场特征)
2 9
