李思岐等：基于改进的支持向量回归机算法的磁记忆定量化缺陷反演 ·1129· 表4焊缝整体缺陷尺寸反演模型泛化能力测试结果 Table 4 Weld defect size inversion model generalization test results 样本 缺陷 实际值/mm 预测值/mm 相对 序号 类型 长度 宽度 深度（埋深） 长度 宽度 深度（埋深） 误差/% 1 5 0.5 2 4.85 0.52 1.96 0.27 2 5 1.0 4 5.22 1.08 4.20 4.15 未焊透 10 0.5 4 9.84 0.47 4.18 2.42 4 10 1.0 2 10.28 0.91 1.97 7.96 5 15 1.0 2 16.40 1.08 2.16 7.02 6 4 1.0 2 3.82 0.78 2.31 4.97 4 3.0 4 3.95 3.08 3.86 0.89 8 夹渣 6 1.0 4 5.76 1.15 3.8 3.13 9 6 3.0 2 6.35 2.86 1.93 1.63 10 12 3.0 4 11.69 2.73 4.21 3.23 Chem Pet Eng,2012,47(112):837 4结论 [4] Kolokolnikov S,Dubov A,Steklov 0.Assessment of welded joints (1)随夹渣和未焊透缺陷尺寸增加，磁记忆信 stressstrain state inhomogeneity before and after post weld heat treatment based on the metal magnetic memory method.Weld 号切向磁场强度峰峰值、法向磁场强度峰峰值、切向 Wald,2016,60(4):665 磁场强度变化率、法向磁场强度变化率不断增大，但 [5] Kolokolnikov S M,Dubov AA,Marchenkov A Y.Determination 呈现非线性变化规律，同时磁记忆检测数据存在分 of mechanical properties of metal of welded joints by strength pa- 散性与不确定性. rameters in the stress concentration zones detected by the metal (2)利用支持向量回归机的小样本和非线性优 magnetic memory method.Weld World,2014,58(5):699 [6]Zhou P,Ren J L,Sun J L,et al.Application of Lissajous Figure 势，进一步引入模拟退火智能算法对参数进行优化， in two-dimensional magnetic memory detection.Acta Aeron Astron 建立基于模拟退火支持向量回归机的焊缝缺陷磁记 Sim,2013,34(8):1990 忆反演模型，提高了反演的精度，解决了磁记忆检测 (周培，任吉林，孙金立，等.李萨如图在磁记忆二维定量检 样本的有限性、以及数据的分散性与不确定性问题. 测中的应用.航空学报，2013,34(8)：1990) (3)由于缺陷尺寸反演涉及长、宽、高三维输 ] Di X J,Li W S,Bai S W,et al.Metal magnetic memory signal 出，为此在缺陷尺寸单维输出磁记忆反演模型的基 recognition by neural network for welding crack.Trans China Weld nst,2008,29(3):13 础上，进一步建立了多层结构的支持向量回归机反 (邸新杰，李午申，白世武，等.焊接裂纹金属磁记忆信号的 演模型，解决了焊缝缺陷多维尺寸反演中解的不确 神经网络识别.焊接学报，2008,29(3)：13) 定性带来精度低的难题，反演结果表明：未焊透缺陷 8] Yang LJ,Liu B.Gao S W,et al.First-principles calculation and 尺寸最大相对误差为7.96%，夹渣缺陷为4.97%， experimental study of metal magnetic memory effects.Acta Phys Sim,2013,62(8):399 为焊缝缺陷的磁记忆反演与定量化评价提供一种新 (杨理践，刘斌，高松巍，等.金属磁记忆效应的第一性原理 的思路 计算与实验研究.物理学报，2013,62(8)：399) 9 Zhang W M.Qiu ZC,Yuan JJ,et al.Discussion on stress quan- 参考文献 titative evaluation using metal magnetic memory method.Mech Eng,2015,51(8):9 [Kolikov A P.Leletko A S,Matveev D B,et al.Residual stress in (张卫民，邱忠超，袁俊杰，等.关于利用金属磁记忆方法进 welded pipe.Steel Transl,2014,44(11)808 行应力定量化评价问题的讨论.机械工程学报，2015,51 Lin L,Yang P H,Zhang D H,et al.Review of phased array ul- (8):9) trasonic testing for thick wall cast austenitic stainless steel pipeline [10]Dong S Y,Yan XL,Xu B S.Influence of microstructure and re- welds.J Mech Eng,2012,48(4):12 sidual stress on surface stress measurement of laser cladding layer (林莉，杨平华，张东辉，等。厚壁铸造奥氏体不锈钢管道焊 by Rayleigh wave.J Mech Eng,2015,51 (24):50 缝超声相控阵检测技术概述.机械工程学报，2012,48(4)： (董世运，闫晓玲，徐滨士.微观组织及残余应力对瑞利波 12) 评价激光熔覆层应力的影响.机械工程学报，2015,51 3]Dubov A A.Development of a metal magnetic memory method. (24):50)李思岐等: 基于改进的支持向量回归机算法的磁记忆定量化缺陷反演 表 4 焊缝整体缺陷尺寸反演模型泛化能力测试结果 Table 4 Weld defect size inversion model generalization test results 样本 序号 缺陷 类型 实际值/mm 预测值/mm 长度 宽度 深度( 埋深) 长度 宽度 深度( 埋深) 相对 误差/% 1 5 0. 5 2 4. 85 0. 52 1. 96 0. 27 2 5 1. 0 4 5. 22 1. 08 4. 20 4. 15 3 未焊透 10 0. 5 4 9. 84 0. 47 4. 18 2. 42 4 10 1. 0 2 10. 28 0. 91 1. 97 7. 96 5 15 1. 0 2 16. 40 1. 08 2. 16 7. 02 6 4 1. 0 2 3. 82 0. 78 2. 31 4. 97 7 4 3. 0 4 3. 95 3. 08 3. 86 0. 89 8 夹渣 6 1. 0 4 5. 76 1. 15 3. 8 3. 13 9 6 3. 0 2 6. 35 2. 86 1. 93 1. 63 10 12 3. 0 4 11. 69 2. 73 4. 21 3. 23 4 结论 ( 1) 随夹渣和未焊透缺陷尺寸增加，磁记忆信 号切向磁场强度峰峰值、法向磁场强度峰峰值、切向 磁场强度变化率、法向磁场强度变化率不断增大，但 呈现非线性变化规律，同时磁记忆检测数据存在分 散性与不确定性． ( 2) 利用支持向量回归机的小样本和非线性优 势，进一步引入模拟退火智能算法对参数进行优化， 建立基于模拟退火支持向量回归机的焊缝缺陷磁记 忆反演模型，提高了反演的精度，解决了磁记忆检测 样本的有限性、以及数据的分散性与不确定性问题． ( 3) 由于缺陷尺寸反演涉及长、宽、高三维输 出，为此在缺陷尺寸单维输出磁记忆反演模型的基 础上，进一步建立了多层结构的支持向量回归机反 演模型，解决了焊缝缺陷多维尺寸反演中解的不确 定性带来精度低的难题，反演结果表明: 未焊透缺陷 尺寸最大相对误差为 7. 96% ，夹渣缺陷为 4. 97% ， 为焊缝缺陷的磁记忆反演与定量化评价提供一种新 的思路． 参 考 文 献 ［1］ Kolikov A P，Leletko A S，Matveev D B，et al． Ｒesidual stress in welded pipe． Steel Transl，2014，44( 11) : 808 ［2］ Lin L，Yang P H，Zhang D H，et al． Ｒeview of phased array ul￾trasonic testing for thick wall cast austenitic stainless steel pipeline welds． J Mech Eng，2012，48( 4) : 12 ( 林莉，杨平华，张东辉，等． 厚壁铸造奥氏体不锈钢管道焊 缝超声相控阵检测技术概述． 机械工程学报，2012，48 ( 4) : 12) ［3］ Dubov A A． Development of a metal magnetic memory method． Chem Pet Eng，2012，47( 11-12) : 837 ［4］ Kolokolnikov S，Dubov A，Steklov O． Assessment of welded joints stress--strain state inhomogeneity before and after post weld heat treatment based on the metal magnetic memory method． Weld World，2016，60( 4) : 665 ［5］ Kolokolnikov S M，Dubov A A，Marchenkov A Y． Determination of mechanical properties of metal of welded joints by strength pa￾rameters in the stress concentration zones detected by the metal magnetic memory method． Weld World，2014，58( 5) : 699 ［6］ Zhou P，Ｒen J L，Sun J L，et al． Application of Lissajous Figure in two-dimensional magnetic memory detection． Acta Aeron Astron Sin，2013，34( 8) : 1990 ( 周培，任吉林，孙金立，等． 李萨如图在磁记忆二维定量检 测中的应用． 航空学报，2013，34( 8) : 1990) ［7］ Di X J，Li W S，Bai S W，et al． Metal magnetic memory signal recognition by neural network for welding crack． Trans China Weld Inst，2008，29( 3) : 13 ( 邸新杰，李午申，白世武，等． 焊接裂纹金属磁记忆信号的 神经网络识别． 焊接学报，2008，29( 3) : 13) ［8］ Yang L J，Liu B，Gao S W，et al． First-principles calculation and experimental study of metal magnetic memory effects． Acta Phys Sin，2013，62( 8) : 399 ( 杨理践，刘斌，高松巍，等． 金属磁记忆效应的第一性原理 计算与实验研究． 物理学报，2013，62( 8) : 399) ［9］ Zhang W M，Qiu Z C，Yuan J J，et al． Discussion on stress quan￾titative evaluation using metal magnetic memory method． J Mech Eng，2015，51( 8) : 9 ( 张卫民，邱忠超，袁俊杰，等． 关于利用金属磁记忆方法进 行应力定量 化 评 价 问 题的 讨 论． 机 械 工 程 学 报，2015，51 ( 8) : 9) ［10］ Dong S Y，Yan X L，Xu B S． Influence of microstructure and re￾sidual stress on surface stress measurement of laser cladding layer by Ｒayleigh wave． J Mech Eng，2015，51( 24) : 50 ( 董世运，闫晓玲，徐滨士． 微观组织及残余应力对瑞利波 评价激光熔覆层应力的影响． 机 械 工 程 学 报，2015，51 ( 24) : 50) · 9211 ·