本發(fā)明涉及超聲檢測(cè)，特別是一種固液兩相混合物均勻性的超聲檢測(cè)方法及系統(tǒng)。

背景技術(shù)：

1、目前關(guān)于固液兩相混合物的均勻性檢測(cè)方法主要分為兩類(lèi)，一類(lèi)是離線(xiàn)監(jiān)測(cè)，即在固液兩相混合物的不同部位取樣進(jìn)行化驗(yàn)，通過(guò)混合物的某項(xiàng)屬性(通常為密度)來(lái)間接評(píng)判均勻性，該方法時(shí)效性較差，耗時(shí)耗力，無(wú)法實(shí)時(shí)對(duì)固液兩相混合物的均勻性作出判斷；另一類(lèi)是近幾年被廣泛應(yīng)用的在線(xiàn)檢測(cè)，該技術(shù)在待測(cè)的固液兩相混合物中加入紅外線(xiàn)、γ射線(xiàn)、電磁和激光等激勵(lì)信號(hào)，通過(guò)捕捉這類(lèi)信號(hào)經(jīng)過(guò)檢測(cè)區(qū)域?qū)е碌淖兓M(jìn)而表征待測(cè)固液兩相混合物的特性。其中常見(jiàn)的在線(xiàn)非接觸式檢測(cè)技術(shù)包括光學(xué)檢測(cè)技術(shù)、放射線(xiàn)衰減技術(shù)、近紅外分析技術(shù)(nir)、工業(yè)層析成像檢測(cè)(ipt)和電容檢測(cè)技術(shù)等。然而在工業(yè)生產(chǎn)中，大部分固液兩相混合物最終呈現(xiàn)光不透明性，使得光學(xué)檢測(cè)技術(shù)和近紅外分析技術(shù)的應(yīng)用受到限制。對(duì)于部分具有導(dǎo)電性的固液兩相混合物，電容法也不再適用。放射線(xiàn)因?qū)θ梭w有危害且使用不便等因素，一般不用于普通的工業(yè)環(huán)境。工業(yè)層析成像技術(shù)成本較高、技術(shù)復(fù)雜，很難在中小企業(yè)中推廣使用。

2、深度學(xué)習(xí)在計(jì)算機(jī)視覺(jué)、語(yǔ)音識(shí)別、自然語(yǔ)言處理、故障診斷等領(lǐng)域取得了巨大成功，其中應(yīng)用最廣泛的就是卷積神經(jīng)網(wǎng)絡(luò)(convolutionneuralnetwork，cnn)。cnn與傳統(tǒng)機(jī)器學(xué)習(xí)模型相比最大的優(yōu)點(diǎn)是將特征提取和分類(lèi)融合在一起，網(wǎng)絡(luò)能從輸入數(shù)據(jù)中自動(dòng)提取特征。近年來(lái)，也有學(xué)者將cnn應(yīng)用到在線(xiàn)檢測(cè)技術(shù)當(dāng)中，通過(guò)對(duì)較大規(guī)模的樣本進(jìn)行學(xué)習(xí)和訓(xùn)練，且憑借著高精度的分類(lèi)能力和快速響應(yīng)能力，該技術(shù)得到廣泛推廣。

3、由于缺乏便捷、安全的固液兩相混合物均勻性在線(xiàn)檢測(cè)技術(shù)，無(wú)法實(shí)時(shí)獲得其均勻性信息。而當(dāng)前為保證固液兩相混合物的均勻性，業(yè)內(nèi)普遍采用延長(zhǎng)混合時(shí)間來(lái)機(jī)械地提高物料的均勻性，這樣做大大降低了生產(chǎn)效率，耗時(shí)耗力，并且最終的混合效果也不盡如人意。同時(shí)隨著工業(yè)技術(shù)的不斷發(fā)展，快速響應(yīng)的在線(xiàn)檢測(cè)技術(shù)成為企業(yè)中必不可少的環(huán)節(jié)，因此，在現(xiàn)有生產(chǎn)工藝和未來(lái)新技術(shù)發(fā)展的大背景下，迫切需要固液兩相混合物均勻性檢測(cè)的新方法。

技術(shù)實(shí)現(xiàn)思路

1、鑒于現(xiàn)有技術(shù)存在的問(wèn)題，提出了本發(fā)明。

2、因此，本發(fā)明所要解決的問(wèn)題在于由于缺乏便捷、安全的固液兩相混合物均勻性在線(xiàn)檢測(cè)技術(shù)，無(wú)法實(shí)時(shí)獲得其均勻性信息。而當(dāng)前為保證固液兩相混合物的均勻性，業(yè)內(nèi)普遍采用延長(zhǎng)混合時(shí)間來(lái)機(jī)械地提高物料的均勻性，這樣做大大降低了生產(chǎn)效率，耗時(shí)耗力，并且最終的混合效果也不盡如人意。同時(shí)隨著工業(yè)技術(shù)的不斷發(fā)展，快速響應(yīng)的在線(xiàn)檢測(cè)技術(shù)成為企業(yè)中必不可少的環(huán)節(jié)。

3、為解決上述技術(shù)問(wèn)題，本發(fā)明提供如下技術(shù)方案：

4、第一方面，本發(fā)明實(shí)施例提供了一種固液兩相混合物均勻性的超聲檢測(cè)方法，其包括，處理系統(tǒng)包括固液混合物容器、超聲波換能器、12組超聲波傳感器、信號(hào)處理單元和集成控制單元；

5、超聲波換能器安裝在容器底部，12組傳感器均勻分布在容器外壁，超聲波換能器發(fā)射超聲信號(hào)，超聲波傳感器接收穿過(guò)固液混合物的回波信號(hào)；

6、將回波信號(hào)經(jīng)處理后輸入一維卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行分類(lèi)，判斷固液混合物均勻性，該一維卷積神經(jīng)網(wǎng)絡(luò)包含卷積層、池化層、全連接層，采用大卷積核設(shè)計(jì)以降低參數(shù)量；

7、一維卷積神經(jīng)網(wǎng)絡(luò)通過(guò)預(yù)先訓(xùn)練的樣本學(xué)習(xí)特征，實(shí)現(xiàn)固液兩相混合物均勻性的快速在線(xiàn)無(wú)損檢測(cè)，為生產(chǎn)過(guò)程提供實(shí)時(shí)反饋。

8、作為本發(fā)明所述固液兩相混合物均勻性的超聲檢測(cè)方法的一種優(yōu)選方案，其中：所述在待測(cè)固液兩相混合物容器的圓周方向等距布置4組超聲波傳感器，每組三個(gè)探頭，故能接收12條超聲波信號(hào)；在固液兩相混合物容器的正底部布置一個(gè)超聲波換能器，通過(guò)探頭連接容器；

9、12組超聲波傳感器接收位于固液兩相混合物容器底部超聲波換能器發(fā)出的超聲波信號(hào)，經(jīng)過(guò)進(jìn)一步的數(shù)據(jù)處理與整合，生成振幅不同的電信號(hào)，最終導(dǎo)入集成控制單元中的一維卷積神經(jīng)網(wǎng)絡(luò)中進(jìn)行分類(lèi)，判斷固液兩相混合物的均勻性。

10、作為本發(fā)明所述固液兩相混合物均勻性的超聲檢測(cè)方法的一種優(yōu)選方案，其中：所述在超聲波換能器、傳感器探頭與固液兩相混合物容器接觸面涂抹超聲耦合劑，并將待測(cè)固液兩相混合物倒入容器當(dāng)中；

11、集成控制單元輸出正弦波驅(qū)動(dòng)信號(hào)，該信號(hào)在信號(hào)處理單元中通過(guò)d/a轉(zhuǎn)換器將數(shù)字信號(hào)轉(zhuǎn)化為模擬信號(hào)，然后再依次通過(guò)驅(qū)動(dòng)電路和發(fā)射電路，使其功率放大并且使得驅(qū)動(dòng)信號(hào)到達(dá)固液兩相混合物容器底部的超聲波換能器探頭，最終將信號(hào)轉(zhuǎn)換成機(jī)械振動(dòng)，從而向容器內(nèi)部發(fā)射超聲波信號(hào)；

12、超聲波換能器產(chǎn)生的超聲波信號(hào)穿過(guò)容器中的待測(cè)固液兩相混合物，最終由均勻分布在容器外壁的12組超聲波傳感器探頭接收，并將信號(hào)轉(zhuǎn)換成超聲波回波信號(hào)；

13、超聲波回波信號(hào)在信號(hào)處理單元中經(jīng)放大電路進(jìn)行放大，再由濾波器濾波，然后通過(guò)a/d轉(zhuǎn)換器對(duì)超聲波回波信號(hào)進(jìn)行采樣，采樣頻率為16khz，采樣時(shí)間設(shè)定為4s，并且將采樣數(shù)據(jù)傳送至集成控制單元做進(jìn)一步處理；

14、在集成控制單元中，將返回的12條時(shí)域信號(hào)進(jìn)行合并整理，隨后導(dǎo)入經(jīng)過(guò)訓(xùn)練和測(cè)試后的一維卷積神經(jīng)網(wǎng)絡(luò)中進(jìn)行分類(lèi)，判斷固液兩相混合物的均勻性。

15、作為本發(fā)明所述固液兩相混合物均勻性的超聲檢測(cè)方法的一種優(yōu)選方案，其中：所述一維卷積神經(jīng)網(wǎng)絡(luò)樣本訓(xùn)練和測(cè)試的過(guò)程為：

16、分別選取均勻性好壞不一的固液兩相混合物各10組，取前8組分別倒入容器中進(jìn)行檢測(cè)；

17、每次將檢測(cè)后的信號(hào)導(dǎo)入一維卷積神經(jīng)網(wǎng)絡(luò)中訓(xùn)練，12組數(shù)據(jù)按照相對(duì)位置自下而上整合成一條數(shù)據(jù)，為增加樣本數(shù)量，在對(duì)12組數(shù)據(jù)進(jìn)行拼接時(shí)，采用亂序的方式，即位于容器不同位置的四組數(shù)據(jù)可形成不同順序的一組數(shù)據(jù)鏈，每組數(shù)據(jù)64000個(gè)數(shù)據(jù)點(diǎn)，并對(duì)該組樣本進(jìn)行標(biāo)簽標(biāo)記，+1代表均勻性良好，-1代表均勻性較差；

18、為了避免偶然性，對(duì)均勻性良好和較差的固液兩相混合進(jìn)行交替檢測(cè)和訓(xùn)練；

19、經(jīng)過(guò)模型訓(xùn)練之后，將剩余2組均勻性不一的固液兩相混合物倒入容器中進(jìn)行檢測(cè)；

20、每次檢測(cè)后的信號(hào)導(dǎo)入已經(jīng)訓(xùn)練好的一維卷積神經(jīng)網(wǎng)絡(luò)中測(cè)試，數(shù)據(jù)整合方式以及樣本容量拓展方式和步驟每次將檢測(cè)后的信號(hào)導(dǎo)入一維卷積神經(jīng)網(wǎng)絡(luò)中訓(xùn)練一致，最終觀察系統(tǒng)給出的固液兩相混合物均勻性評(píng)判結(jié)果，誤差在5％以?xún)?nèi)視為模型訓(xùn)練成功；

21、經(jīng)過(guò)大量的訓(xùn)練和學(xué)習(xí)后，誤差在可接受程度范圍內(nèi)即可進(jìn)行固液兩相混合物的均勻性實(shí)時(shí)檢測(cè)，對(duì)于混合均勻性較差的物料進(jìn)行返工處理。

22、作為本發(fā)明所述固液兩相混合物均勻性的超聲檢測(cè)方法的一種優(yōu)選方案，其中：所述卷積層由若干卷積核卷積運(yùn)算得到的特征圖組成，一維卷積神經(jīng)網(wǎng)絡(luò)的輸入是一維向量，因此網(wǎng)絡(luò)的卷積核也是一維的，一維卷積運(yùn)算可以表示為：

23、

24、其中，分別為第l層第k個(gè)神經(jīng)元的輸入和偏置，為第l-1層第i個(gè)神經(jīng)元與第l層第k個(gè)神經(jīng)元之間的卷積核，為第l-1層第i個(gè)神經(jīng)元的輸出，nl-1為第l-1層神經(jīng)元個(gè)數(shù)，conv1d(·)為一維卷積運(yùn)算；

25、為增加網(wǎng)絡(luò)的非線(xiàn)性，在每個(gè)卷積操作之后通常還會(huì)應(yīng)用激活函數(shù)，為防止梯度消失，加速網(wǎng)絡(luò)的收斂，激活函數(shù)采用修正線(xiàn)性單元，表達(dá)式為：

26、f(x)＝max(0,x)

27、因此卷積層中每個(gè)神經(jīng)元的最終輸出為：

28、

29、池化為降采樣操作，通過(guò)使用某一位置相鄰區(qū)域的總體特征作為網(wǎng)絡(luò)在該位置的輸出來(lái)減少特征圖的尺寸和網(wǎng)絡(luò)的數(shù)量，同時(shí)可以有效避免網(wǎng)絡(luò)過(guò)擬合，所述池化采用最大值池化，即取某位置相鄰區(qū)域內(nèi)的最大值作為該位置的最終輸出：

30、

31、其中，h為卷積核寬度；

32、為避免各層神經(jīng)元的內(nèi)部協(xié)變量變化和梯度彌散，同時(shí)加速網(wǎng)絡(luò)收斂速度，可以使用批標(biāo)準(zhǔn)化對(duì)每一隱含層進(jìn)行標(biāo)準(zhǔn)化處理，使得每一層都具有相同均值為0，方差為1的高斯分布：

33、

34、其中，μb、分別為批數(shù)據(jù)的均值和標(biāo)準(zhǔn)差，ε為避免分母為0的無(wú)窮小數(shù)，xi、x′i分別為第i個(gè)神經(jīng)元批標(biāo)準(zhǔn)化前的輸入和批標(biāo)準(zhǔn)化的中間輸出，γ、β分別為為了恢復(fù)網(wǎng)絡(luò)表達(dá)能力引入的尺度變換因子和偏移因子，由網(wǎng)絡(luò)學(xué)習(xí)得到，yi為神經(jīng)元批標(biāo)準(zhǔn)化后的最終輸出。

35、作為本發(fā)明所述固液兩相混合物均勻性的超聲檢測(cè)方法的一種優(yōu)選方案，其中：所述一維卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)模型搭建過(guò)程為：

36、在二維卷積神經(jīng)網(wǎng)絡(luò)中一般采用小卷積核，當(dāng)通過(guò)級(jí)聯(lián)多層小卷積核不僅可得大卷積核相同的感受野，還增強(qiáng)網(wǎng)絡(luò)非線(xiàn)性表達(dá)能力，同時(shí)降低卷積參數(shù)量；當(dāng)輸入和輸出的通道數(shù)均為，級(jí)聯(lián)2層3×3卷積核具有和5×5卷積核相同的感受野，但級(jí)聯(lián)2層的3×3卷積核的參數(shù)量為18c2，而使用5×5卷積核的參數(shù)量為25c2；

37、考慮到一維卷積神經(jīng)網(wǎng)絡(luò)的卷積核尺寸是標(biāo)量，二維卷積神經(jīng)網(wǎng)絡(luò)的卷積核是二維矩陣，因此，在一維卷積神經(jīng)網(wǎng)絡(luò)中上述規(guī)律并不適用，當(dāng)級(jí)聯(lián)2層尺寸為3的卷積核的參數(shù)量為6c2，而尺寸為5的卷積核的參數(shù)量為5c2，故在一維卷積神經(jīng)網(wǎng)絡(luò)中應(yīng)使用大的卷積核。

38、作為本發(fā)明所述固液兩相混合物均勻性的超聲檢測(cè)方法的一種優(yōu)選方案，其中：所述在一維卷積神經(jīng)網(wǎng)絡(luò)中應(yīng)使用大的卷積核；包括第一層卷積層采用尺寸為5的大卷積核，之后卷積核尺寸逐層降低，且所有卷積層的步長(zhǎng)均為1，填充像素padding選為“same”模式，使得傳播過(guò)程中特征圖的尺寸大小保持不變；

39、每層卷積層后接卷積核尺寸為2、步長(zhǎng)為2的最大值池化層，使特征圖尺寸減半；

40、第一層卷積層通道數(shù)為64，第二層卷積層通道數(shù)為128，最后一層池化層輸出尺寸為25×128，展平成3200維向量形式，最后接兩層全連接層進(jìn)行分類(lèi)，此外，為了避免網(wǎng)絡(luò)過(guò)擬合，在每層卷積操作之后，激活函數(shù)之前均添加了批標(biāo)準(zhǔn)化層。

41、第二方面，本發(fā)明實(shí)施例提供了多元資源慣量和一次調(diào)頻輔助服務(wù)順序獲取系統(tǒng)，其包括。

42、第三方面，本發(fā)明實(shí)施例提供了一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器和處理器，所述存儲(chǔ)器存儲(chǔ)有計(jì)算機(jī)程序，其中：所述計(jì)算機(jī)程序指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)如本發(fā)明第一方面所述的固液兩相混合物均勻性的超聲檢測(cè)方法的步驟。

43、第四方面，本發(fā)明實(shí)施例提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其中：所述計(jì)算機(jī)程序指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)如本發(fā)明第一方面所述的固液兩相混合物均勻性的超聲檢測(cè)方法的步驟。

44、本發(fā)明有益效果為：本方案實(shí)現(xiàn)了固液兩相混合物均勻性的全方位、快速、準(zhǔn)確檢測(cè)。采用大卷積核設(shè)計(jì)降低了網(wǎng)絡(luò)參數(shù)量，提高了模型泛化能力。預(yù)訓(xùn)練網(wǎng)絡(luò)實(shí)現(xiàn)了實(shí)時(shí)在線(xiàn)無(wú)損檢測(cè)，為生產(chǎn)過(guò)程提供即時(shí)反饋。亂序數(shù)據(jù)拼接增強(qiáng)了樣本多樣性，提高了模型魯棒性。批標(biāo)準(zhǔn)化層有效避免了過(guò)擬合問(wèn)題。全自動(dòng)化操作減少了人為誤差，保證了結(jié)果一致性。該方法克服了傳統(tǒng)檢測(cè)的局限性，為工業(yè)生產(chǎn)質(zhì)量控制提供了可靠支持，有望顯著提高生產(chǎn)效率和產(chǎn)品質(zhì)量，帶來(lái)巨大經(jīng)濟(jì)效益。