基于数学模型的奥氏体不锈钢焊接接头焊缝中心线自动识别系统

刘晓春，赵 欢

（南昌理工学院，江西 南昌 330044）

基于数学模型的奥氏体不锈钢焊接接头焊缝中心线自动识别系统

刘晓春，赵 欢

（南昌理工学院，江西 南昌 330044）

奥氏体不锈钢成为化工行业和核电行业的首选，主要是由于其高耐蚀性和独特的高温蠕变特性。奥氏体不锈钢焊接是核组件和超声波无损检测技术（无损检测）中不可分割的一部分，并在其中起着测试焊接接头完整性的重要作用。手动超声波测试瑕疵、裂缝及间断点等缺陷的概念已经被电算化、自动化和机械化所取代。远程超声波无损检测技术在工业系统中，特别是对几种焊接接头组成的压力容器的测试中，获得了广泛应用。

不锈钢焊接接头；焊接中心线；超声波无损检测；扫描数据；决策树算法

0 前言

奥氏不锈钢相较于典型的碳钢，具有高延展性、低屈服应力和高极限抗拉强度等特点，具备良好的耐蚀性和耐高温抗蠕变性，成为钢铁化工业和核电行业中制造压力容器、管道的首选。对于奥氏不锈钢焊接接头，超声波扫描通常会进行一个半和两个之间的跨距。当焊接结构较厚时，只需扫描一个半的跨距。在进行跨距计算时，必须知道超声波束和焊接垫厚度数据。扫描是通过跨距之间的角梁超声波传感器进行的。在确定焊接中心线后，才能知道准确的跨距。在手动超声波测试中，中心线的发现和确定十分容易，但在远程超声波测试中，却变得十分困难。虽然在压力容器运行初期，焊接区域很容易进行识别，但在反应堆运行到某一阶段之后，识别就变得非常困难。这主要是因为在辐射环境下，水分含量和表面腐蚀发生了变化。因此，于远程超声检测而言，开发有效及可靠的技术以精准确定焊缝中心线的位置便成为一个重要问题，且直接影响着对焊缝缺陷的评估。

1 试验方案及装置

1.1 实验方案

使用厚度为42 mm的316型不锈钢板用于焊接接头的制造，钢板在溶解煅烧后表面光洁度一致。运用电击进行V型槽的设计，通过手工金属电弧焊在此单一V型槽中进行对接焊缝。多途径焊接完成以后，将焊接处进行研磨至与母材金属表面齐平，为超声检测做好准备。图1a为实际焊接接头展示，通过焊接接头可获得扫描数据。单一的V型焊缝宽度在最顶部约50 mm，准备的焊接接头的大小应为42 mm×20 mm×60 mm，在焊接中心线两侧设置网格线以帮助超声波获取5 mm跨距的扫描数据。超声波探头包括两个反向传输的探头，可接受中央频率为2 MHz的精密折射纵波。探针组合装配主要用于检测焊接接头的剩余应力。电感电容电阻波（Lcr）因与超声波有较好的相互作用而被用于奥氏不锈钢焊接接头表面及次表面的微观结构检测。预计焊接中心区域的剩余应力将对超声波穿过该区域的时间有相当大的影响。电感电容电阻测量波（Lcr）探头装配示意如图1b所示。图1c展示了为实现超生测量，Lcr探头在焊接中心区域的正确位置。

图1 焊缝和监测过程

1.2 实验装置

使用Lcr探头测量奥氏不锈钢焊接接头，以获取超声扫描数据的流程框图（见图2），这是一个具有4个通道的超声波探伤系统，但本研究仅采用了一个通道。这为选择和下载全部或部分时间域信号提供了准备，并通过数字示波器进行显示和记录。Lcr探头首次放置要与焊接中心线保持纵向平行。然后，将机油则作为耦合剂去除焊垫和Lcr探头之间的气隙。在图2中，超声波系统经过调整后获得振动自由时间信号，并通过示波器屏幕进行显示。随后选取部分扫描信号，经由探伤仪输出至数字示波器，信号经过相应的数字化处理后，平台以数据文件的形式保存和记录于电脑。此过程至少要重复50次，通过探针的来回移动及新鲜耦合剂的大量使用，最终记录下50组焊缝中心线的扫描信号。之后再将探针移动至+5 mm的位置并重复上述过程20次。在焊接中心线两侧多达100 mm的距离处，不断重复上述过程并将信号储存在文件中。表1记录了奥氏不锈钢焊接结构扫描数据的记录。

图2 超声波扫描数据采集系统框图

表1 Lcr探针对奥氏不锈钢焊接接头进行扫描的位置细节及文件名信号数据

2 试验结果及基于决策树算法的试验结果分析

2.1 决策树算法

决策树算法是一种监督式学习算法，以检测运算系统的核心价值为依据，通过节点结构形成一个生根的树并且其根不传入边界，但是在其他节点中正好有一个传入边界。所以称拥有外出边界的节点为北部节点，其余的均为叶节点。将决策树算法应用于决策分析中可以获得最佳策略。

构建决策树的算法多种多样，例如分类回归树算法（CART）、概念学习系统算法（ID3）和分类决策树算法（C4.5）。其中CART算法是以分裂完成为基础，使用基尼系数进行属性选择，而ID3算法和C4.5算法则是通过对信息增益来进行。ID3算法和C4.5算法的区别则在于他们对于输入数据的划分方式不同。本设计程序的数据集数目相对较小，所以选择ID3算法，以实现更快的效率。另外，该算法还能通过训练数据生成可理解的预测规则。

2.2 基于决策树算法的试验结果分析

通过计算得出，一个决策树具有三个节点（三个特征）时可以实现最优分类。图3显示了决策树的学习曲线及大小。

图3 决策树的性能曲线及大小

图4通过决策树数据集的数目显示了代表其性能的曲线，由此可知数据总数为170，其中130个数据集被用于训练，而另外40个数据集被用于测试。有50个数据集用于中心焊接输出分类，另外120个被用于非中心焊接输出。

应用ID3算法后发现，三种性能会对输入数据的最佳分类和最好精准度产生影响，表2列出了这三种性能及其重要性。

图4 决策树数据集数量的性能曲线

表2 特性及其在数据分类中的重要性

基于上述三个特征的决策树通过C++语言进行编码，最终的决策树模型如图5所示。“yes”输出路径对应从样本中心焊缝区域获得的信号，“no”输出路径对应的是从样本其他位置获得的信号。

图5 确定的焊缝中心的决策树模型

训练数据（130个数据集）：

2．胰腺间质高压：CP腹痛患者胰腺间质压力(27 mmHg)显著高于无痛性CP患者(22.5 mmHg)，当予疼痛患者疏通阻塞的主胰管、充分引流假性囊肿后，间质压力接近正常水平时腹痛也能很大程度上缓解[5]。在动物猫模型的研究发现，正常胰管经高压力灌注及部分阻塞胰腺颈部主胰管后灌注可观察到胰管压力增加，但胰管间质压力无变化。当持续的阻塞使胰腺出现CP组织学表现后，胰管的灌注使胰腺间质压力增高，且胰腺血供减少，血流量减少40%[6]。

剩余平均值异常：0.0262=5.004/191；

误分类错误率：0.005128=1/195；

训练数据精度=99.41%。

测试数据（40个数据集）：

误分类错误率：2/40；

测试数据精度=95%；

从40个数据集的测试结果可知：11个真阳性、27个真阴性、0个假阴性和2个假阳性值。

精度=11（/11+2）=0.846；

取消=11（/11+0）=1；

敏感性=27（/27+0）=1；

特异性=27（/27+2）=0.931。

基于这些值，受试者特征曲线如图6所示，曲线下的面积是0.9231。

图6 受试者特征曲线

实验结果分析：

（1）超声波无损检测（NDT）是跟踪监测焊接接头连续性和完整性的一个重要检验技术。

（2）在核反应环境条件下对焊接接头进行常规超声检测几乎不可能，而远程超声探伤是唯一的可行方法。

（3）在远程超声探伤检测中，有效识别焊缝区域，尤其是焊缝中心线，对半跨距预估和缺陷评估是至关重要的因素。

（4）频率为2 MHz的中心探头可进行电感电容电阻测量波（Lcr）的发射和接收。

（5）使用决策树方法，利用从焊接接头处扫描获得的超声信号，可以精准定位焊接接头中心线。

所设计的基于决策树数学模型的奥氏体不锈钢焊接接头焊缝中心线自动识别系统取得了初步成功，同时也为提高远程超声波探伤识别焊接中心线位置的可靠性打下了坚实的基础。其简单、直接的应用方法有效地促进了焊接中心线的识别，并在运用奥氏不锈钢焊接接头进行超声波探伤检测过程中，还能对缺陷的位置进行精准捕捉。模型的建立迅速而定量且易于被各产业采用，以实现焊缝中心线缺陷值的有效识别，因此，在未来势必会有更广泛的应用。

[1] 邹德玲，姜周华，陈兆平，等.304不锈钢熔体氮溶解度的测定[J].材料与冶金学报，2004（1）：

[2]袁志钟，陈康敏，戴起勋，等.高氮奥氏体钢的Cr2N晶间析出研究[J].金属热处理，2004（3）：

[3] 王亚婷.奥氏体不锈钢焊缝韧性与组织规律性研究[D].江苏：南京理工大学，2012.

[4] 王玉玺.新型奥氏体不锈钢焊接接头热腐蚀性能研究[D].辽宁：大连交通大学，2008.

Austenitic stainless steel welding joint weld center line of automatic identification system based on mathematical model

LIU Xiaochun，ZHAO Huan
（Nanchang Institute of Technology，Nanchang 330044，China）

Austenitic stainless steel is the first choice of the chemical industry and nuclear industry,mainly due to its high corrosion resistance and high temperature creep properties of unique.Austenitic stainless steel welding is an integral part of the nuclear component technology and ultrasonic nondestructive testing（NDT），and plays the important role of the testing of welded joint integrity. The concept of manual ultrasonic testing flaw,crack and discontinuous point defects have been replaced by computerization, automation and mechanization.The distance of ultrasonic nondestructive testing technology in industrial system,especially the composition of several welded joints in pressure container test,has been widely applied.

stainlesssteelweldedjoints；theweldcenterline；ultrasonicnondestructivetesting；scanningdata；algorithmofdecisiontree

TG409

：A

：1001-2303（2015）10-0059-04

10.7512/j.issn.1001-2303.2015.10.13

2014-12-28；

：2015-03-10

刘晓春（1980—），男，江西泰和人，硕士，讲师，主要从事数学建模、应用数学方面的工作。