对于客机海上失事,搜救工作成为事故应急处理的关键点和难点。水下目标的搜救是一项复杂而艰巨的任务,其中对水下遇险目标进行探测是进行应急搜救作业的重要环节[1]。随着海洋技术的日益发展,水下目标探测的研究将越来越受到人们的重视。随着压电智能材料的不断发展,对压电阻抗技术的理论及应用研究也越来越多。压电阻抗法的试验研究始于20世纪90年代初,在过去20多年里,许多国内外学者在压电阻抗法的理论及应用上开展了大量的研究工作,成果显著[2 – 7]。
本文将压电阻抗法的损伤检测原理应用到对超声信号的识别与探测中,设计了实验以验证应用压电阻抗技术和神经网络技术对超声信号探测的可行性,为超声信号的探测提供了一种新的思路和方法。
1 压电效应压电效应[8]可分为正压电效应和逆压电效应。压电效应反映了晶体的弹性性能与介电性能之间的关系。当对压电材料施加沿着一定方向的外力,在其作用下压电材料发生形变,材料的内部就产生极化现象,同时在材料的表面就会出现符号相反的电荷,当外力去除后,其又能恢复到不带电状态,这种效应就称正压电效应,通常也叫做压电效应。极化是指对压电陶瓷施加一强电场使“电畴”排列规则,从而表现为压电性。当把极化电场去除后,电畴基本保持不变,压电材料仍有很强的剩余极化,如图1所示。
相反,当在电介质极化方向施加电场,正负离子在电场库仑力的作用下发生相对位移,导致晶体产生内应力,最终使压电晶体发生宏观形变,这种现象称为逆压电效应。
2 基于压电阻抗技术的超声信号探测实验本实验以探寻飞机失事后黑匣子超声信标为背景,制作超声信标模拟发射器和压电阻抗接收器,利用实验室配备的函数信号发生器与阻抗分析仪搭建实验平台,在浅水环境中实现对不同位置的超声信标进行探测实验研究。
2.1 实验原理由于海洋背景噪声的频率主要集中在低频段,而飞机黑匣子的超声信标落水后会发出37.5 kHz超声信号的特点,本实验采用阻抗分析仪对压电阻抗接收器施加37.5 kHz附近的频率进行扫描,利用当扫频信号与压电阻抗接收器接收到经过介质水传播的37.5 kHz信号发生共振原理,以此作为探测模拟超声信标的标志,结合BP神经网络在短时间内可发现超声信标。
2.2 实验方案本实验通过阻抗分析仪对压电阻抗接收器施加固定频段的扫频激励来模拟探测器,扫频频段设置在模拟超声信标频率附近,采用函数发生器不断对信标模拟发射器施加固定频率的信号来模拟超声信标。当经过介质水传播的信标模拟发射器发出的信号与压电阻抗接收器的扫频激励相同时,压电阻抗接收器产生共振现象,其阻抗频谱图出现波峰,且当压电阻抗接收器不断靠近信标模拟发射器时,其阻抗波峰值不断增大。因此,在搜寻过程中将压电阻抗接收器沿着其阻抗波峰值不断增大的方向搜寻,进而实现超声信标的位置确定。阻抗分析仪和函数发生器如图2和图3所示。
由于飞机黑匣子上安装的水下发生器超声信标频率为37.5 kHz,因此设定本实验的模拟发生器超声信标发出的信号为37.5 kHz的正弦波信号,阻抗分析仪的扫频范围设定为37.4~37.6 kHz,扫描点数为1 600。在保证压电阻抗接收器和信标模拟发射器在空气及水环境有效性的前提下,搭建探测实验平台如图4所示。
启动阻抗分析仪进行扫频激励,等到扫频稳定后开启函数发生器产生信号,改变信标模拟发射器和压电阻抗接收器的距离进行探测研究,在此设定两者的距离为50 mm,150 mm,250 mm,350 mm,450 mm,测量这5组不同探测距离以及在函数发生器未加载信号时压电阻抗接收器的阻抗实部值进行研究。实验结果如图5所示。
分析此图可以看出:
1)函数发生器加载信号与未加载信号时相比较,压电阻抗接收器的频谱曲线图具有明显的区别;加载信号时,压电阻抗接收器的压电阻抗实部值的频谱曲线图出现明显的波动趋势,且在37.5 kHz处的阻抗实部值出现最大波峰。实验表明:压电阻抗接收器能够探测到信标模拟发生器发出的超声信号,完成对超声信标的探测。
2)同一潜水深度下,随着压电阻抗接收器不断靠近信标模拟发射器,压电阻抗接收器的阻抗实部曲线整体趋势向上移动,即阻抗实部值不断增大,但是最大波峰处总是出现在37.5 kHz处保持不变。这表明:对于不同位置的超声信标,压电阻抗接收器都能够探测到信标模拟发生器发出的超声信号,该实验装置对不同位置的超声信标的探测有效。
3 基于神经网络技术的超声信标位置的识别 3.1 BP网络的建立、训练与验证本文将利用Matlab R2011a构建BP神经网络模型。模型的输入来自上节实验中所测的数据。
输入样本:信标模拟发射器与压电阻抗接收器潜水深度为150 mm,信标模拟发射器未加载信号时,以及加载信号时两者相距分别为50 mm,150 mm,250 mm,350 mm,450 mm处的6组阻抗实部值数据。
验证样本:信标模拟发射器与压电阻抗接收器潜水深度为200 mm,信标模拟发射器未加载信号时,以及加载信号时两者相距分别为50 mm,150 mm,250 mm,350 mm,450 mm处的6组阻抗实部值数据。
检测数据A:潜水深度为200 mm,实际测得模拟信标发生器在170 mm处时,压电阻抗接收器的阻抗实部值。
检测数据B:潜水深度为200 mm,实际测得模拟信标发生器在360 mm处时,压电阻抗接收器的阻抗实部值。
由于在实验中阻抗分析仪采集的阻抗值数据是1 600个点,因此网络的输入层节点为1 600。网络隐含层选择Sigmoid型正切函数tansig,输出层传递函数采用Sigmoid型对数函数logsig,网络训练次数定为1 000,学习效率为0.01,训练目标误差0.001。网络的隐层节点数按照公式
为了加快收敛速度减少迭代时间,本网络选择的是一个4层网络,如图8所示,是神经网络训练图。其中,第1层输出层选取的是tansig函数,第2层输出层选取的是logsig函数,训练函数选取txainnoss函数。网络在经过60步训练时完成分析,网络误差达到设定的目标。
训练和验证结果如表2所示。可见此网络的测试能力良好,网络训练也能达到目标精度的要求,这表明所设计网络能够很好地识别不同位置的超声信标。
将A,B两组测试样本输入已经训练好的网络中,用来进一步检测网络的识别超声信标位置的能力,检测所得的结果如表3所示。
观察表中数据可以得出,A样本的测试结果非常接近150 mm处的训练结果,这说明超声信标位置应该在150 mm附近处,与本文开始的设定基本相符。而B样本所得的结果与350 mm处所训练的结果保持一致,这说明探测超声信标位置应该在350 mm附近处,与开始设定相近。由此可知,该神经网络对不同位置的超声信标能够有效识别。
4 结 语本文针对飞机失事坠海后对黑匣子的搜索展开研究,采用同频共振的原理,利用压电阻抗分析法与神经网络技术相结合完成对超声信标的探测识别。实验表明该探测装置能够探测并识别不同位置的超声信标,说明阻抗分析法能够结合神经网络实现对超声信标的探测与识别。
[1] |
肖方兵. 海上搜救决策支持系统关键技术的研究[D]. 大连: 大连海事大学, 2011.
XIAO Fang-bing. The key techniques research on search and rescue decision support system at sea[D]. Dalian: Dalian Maritime University, 2011. |
[2] | LIANG C, SUN F P, ROGERS C A. An impedance method for dynamic analysis of active material system[J]. IEEE Transactions of the ASME, 1994, 116 (1): 120–128. DOI: 10.1115/1.2910845 |
[3] | LALANDE F, ROGERS C A, CHILDS B W, et al. High-frequency impedance analysis for NDE of complex precision parts[J]. Proceedings of SPIE-The International Society for Optical Engineering, 1996, 2717 : 237–243. |
[4] | TSENG K K, NAIDU A S K. Non-parametric damage detection and characterization using smart piezoelectric material[J]. Smart Materials and Structures, 2002, 11 (3): 317–329. DOI: 10.1088/0964-1726/11/3/301 |
[5] | PARK S, CHANG H, KIM J, et al. Wireless structural health monitoring and early-stage damage detection using piezoelectric impedance sensors[C]// Honolulu, HI, United states: American Society of Civil Engineers, 2010. |
[6] |
张兢, 徐霞, 张志文. 基于压电陶瓷的结构损伤检测技术[J]. 压电与声光, 2006 (3): 350–352.
ZHANG Jing, XU Xia, ZHANG Zhiwen. Structural damage detection technology based on piezoelectric ceramics[J]. Piezoelectric and Acoustooptic, 2006 (3): 350–352. |
[7] |
王炜, 严蔚, 李万春. 基于高频压电阻抗谱的钢框架损伤识别研究[J]. 宁波大学学报(理工版), 2013 (2).
WANG Wei, YAN Wei, LI Wanchun. Research on steel frame damage detection Based on high frequency piezoelectric impedance spectroscopy[J]. Journal of Ningbo University (Polytechnic), 2013 (2). |
[8] | 陈杰, 黄鸿. 传感器与检测技术[M]. 高等教育出版社, 2002. |