ES3033964B2 - Metodo de evaluacion no destructiva utilizando reverberacion ultrasonica - Google Patents

Description

[0001] DESCRIPCIÓN

[0003] MÉTODO DE EVALUACIÓN NO DESTRUCTIVA UTILIZANDO REVERBERACIÓN

[0004] ULTRASÓNICA

[0006] OBJETO DE LA INVENCIÓN

[0008] La presente invención se refiere a un método que permite detectar automáticamente defectos en piezas utilizando reverberación ultrasónica.

[0010] Un objeto de la invención es proveer un método que permita obtener una evaluación no destructiva mediante el uso de señales reverberadas de ultrasonidos para determinar la integridad estructural de una pieza.

[0012] Otro objeto de la invención es proveer un sistema de evaluación no destructiva que permita determinar la presencia de defectos en una pieza.

[0014] ANTECEDENTES DE LA INVENCIÓN

[0016] Las técnicas de evaluación no destructiva (END), inicialmente, se utilizaban para inspeccionar piezas en servicio y poder detectar problemas de desgaste o defectos originados por su uso. Con el tiempo, gracias a los avances tecnológicos y la necesidad de tener controles de calidad cada vez más exigentes, la industria empezó también a utilizarlos en plantas de producción para inspeccionar piezas recién fabricadas. Actualmente, en industrias como la aeronáutica, automoción, ferroviaria o metalúrgica es impensable la producción de piezas en serie sin la ayuda de la END para el control no sólo de las piezas producidas sino del propio proceso de producción.

[0018] Una de las técnicas más empleadas es la inspección mediante ultrasonidos ya que permite identificar la existencia de defectos tanto en la superficie como en el interior de las piezas. Para realizar estos ensayos se emiten pulsos de ultrasonido que viajan a través del material y, al encontrarse con una interfaz o un defecto, parte de la energía se refleja de vuelta al transductor. La información captada por el transductor se analiza para determinar la ubicación, el tamaño y la naturaleza del defecto. Así, los ultrasonidos son especialmente útiles para la detección de grietas, inclusiones, corrosión interna y variaciones en la estructura del material.

[0019] En una configuración básica, un equipo de END por ultrasonidos consta de uno o varios palpadores, un sistema encargado de la emisión de los pulsos y de la recepción de las señales y un software de control y evaluación. Para evaluar el estado de la pieza inspeccionada, lo más usual es utilizar un conjunto de señales diferentes para formar una imagen ultrasónica de la misma. Existen diferentes representaciones, A-Scan, B-Scan, C-Scan, S-Scan, etc. y diferentes formas para obtenerlas. Desde las técnicas más convencionales de realizar un barrido manual o automatizado de la pieza hasta las actuales obtenidas mediante sistemas phased-array.

[0021] Hay técnicas que determinan el estado de una estructura comparando señales tomadas en ella con las de una pieza de referencia libre de defectos. En algunos casos, se ajustan los parámetros de emisión para focalizar en puntos concretos a través de diferentes caminos o se utilizan ondas guiadas intentando detectar pequeños ecos producidos en posiciones concretas donde se espera un defecto.

[0023] En cualquier caso, las imágenes obtenidas son evaluadas posteriormente por expertos, para determinar si la pieza es o no correcta, por lo que es imprescindible que la imagen sea de buena calidad y fácilmente interpretable. Sin embargo, los mismos fenómenos físicos que permiten utilizar los ultrasonidos como método de evaluación pueden dificultar la interpretación de las imágenes, la reverberación es uno de ellos.

[0025] La reverberación ultrasónica es un efecto que se produce cuando se propaga una onda ultrasónica en el interior de un entorno cerrado. Estas ondas son reflejadas y/o refractadas en las interfaces interiores y en las superficies límites del objeto insonificado. Este efecto se repite múltiples veces en diferentes direcciones y amplitudes hasta que se disipa toda la energía y la onda ultrasónica se vuelve indetectable. En general, la reverberación es un efecto indeseado en la evaluación no destructiva por ultrasonidos ya que genera la aparición de una serie artefactos o ecos fantasmas cuya interpretación es compleja, no está determinada y, en definitiva, deteriora la imagen ultrasónica obtenida.

[0027] Existen múltiples sistemas y métodos de inspección ultrasónica para eliminar o evitar la aparición de este efecto. El más empleado consiste en la utilización de puertas o ventanas de detección para formar las imágenes ultrasónicas con secciones temporales de las señales donde este efecto no se produce o está suficientemente atenuado para que pueda considerarse despreciable al no superar un umbral determinado. También hay trabajos que utilizan la reverberación para determinar la resonancia de los materiales inspeccionados y calcular los parámetros elásticos de la estructura inspeccionada.

[0029] DESCRIPCIÓN DE LA INVENCIÓN

[0031] La presente invención se basa en el uso de la reverberación ultrasónica para determinar si una pieza inspeccionada es funcionalmente correcta o no. Así, esta invención se refiere a un sistema de evaluación no destructiva que permite insonificar de manera completa la pieza a inspeccionar, un método que permite determinar los parámetros de inspección ultrasónicos para adquirir la señal reverberada que se genera en la pieza y aplicar una red neuronal artificial para determinar automáticamente si la señal reverberada procede de una pieza funcionalmente correcta o no.

[0033] La principal ventaja de esta técnica con respecto a las usuales es que permite acortar el tiempo de evaluación de las inspecciones ultrasónicas. En general, para evaluar una pieza o una zona de la misma se tienen que generar múltiples pulsos ultrasónicos temporalmente limitados para evitar la señal reverberada, adquirirlos, representarlos en una imagen y evaluar dicha imagen mediante un experto o cualquier método automático. El método de la presente invención permite determinar la validez de una pieza, o de una zona de la misma, emitiendo un único pulso, adquiriendo la señal reverberada y clasificando esta señal mediante una red neuronal. Esta técnica permite detectar de forma rápida y automática las piezas que no son válidas, a partir de un aprendizaje previo, sin necesidad de generar ni evaluar imágenes.

[0035] El método de evaluación no destructiva de la invención hace uso de señales reverberadas de ultrasonidos para determinar la integridad estructural de una pieza y comprende las etapas de:

[0036] - simular una propagación acústica de un pulso ultrasónico emitido variando iterativamente unos parámetros de inspección, que comprenden: un ángulo de incidencia, una ganancia de recepción de la señal y un tiempo de adquisición, para determinar al menos un conjunto de parámetros de inspección que permiten generar y detectar una señal reverberada dentro de la pieza;

[0037] - obtener una señal reverberada dentro de la pieza a evaluar, mediante un transductor multielemento (phased-array) o un transductor monoelemento; - aplicar a la señal reverberada obtenida una red neuronal profunda, que puede ser de tipo autoencoder, entrenada mediante un conjunto de señales ultrasónicas obtenidas de piezas de referencia sin defectos, o con uno o más defectos conocidos previamente, y configurada para:

[0039] o determinar una señal reverberada sintética perteneciente al patrón acústico aprendido que mejor se corresponda a la señal reverberada obtenida, y

[0041] o determinar un valor de error de reconstrucción, siendo una métrica de distancia entre la señal reverberada obtenida y la señal reverberada sintética; y

[0042] - determinar la presencia de defectos en la pieza en función de si el valor de reconstrucción determinado es mayor o menor a uno o más umbrales de error de reconstrucción previamente definidos.

[0044] Preferentemente, los umbrales de error de reconstrucción se definen en función de una tolerancia del sistema.

[0046] En el entrenamiento de la red neuronal profunda, preferentemente, se usan señales en las cuales se varían la posición y el acoplamiento del transductor.

[0048] Además, la red neuronal profunda puede estar entrenada hasta obtener un error de reconstrucción mínimo ajustando sus hiperparámetros. Preferentemente, se aplicarán técnicas para evitar sobreajustes (overfitting) y/o falta de adaptación (underfitting).

[0050] Entre los hiperparámetros de la red neuronal profunda pueden estar: número de nodos en el codificador, en el vector latente y en el decodificador, número de épocas, porcentaje de datos usados como validación, batch size, funciones de maximización y pérdida.

[0052] Más preferentemente, la red neuronal profunda puede estar entrenada hasta alcanzar un valor umbral en al menos una de las métricas de salida seleccionadas de entre: la evolución de los datos en el tiempo, histogramas, métricas escalares individuales o distribuciones de datos.

[0054] En particular, la red neuronal profunda puede estar entrenada hasta minimizar un valor de pérdida por época. El valor de pérdida por época indica lo alejada que está la señal reverberada sintética generada en una época respecto a una señal de entrada de esa misma época. De esta forma, se almacena como mejor estado de aprendizaje aquella configuración de cada neurona de cada capa que minimiza el valor de pérdida por época.

[0056] Asimismo, el método también puede comprender una etapa adicional de cambiar los pesos de las neuronas en cada época antes de pasar a la siguiente época.

[0058] El método de la invención también puede comprender una etapa inicial de calibración que comprende obtener dos o más umbrales, en particular:

[0059] - un primer umbral (PB|PM): que es el menor error de reconstrucción del modelo para el caso entrenado con múltiples evaluaciones de piezas patrón; y

[0060] - un segundo umbral (PM|SP): obtenido evaluando las medidas realizadas con el palpador sin contacto con la pieza.

[0062] Así, si en la etapa de determinar la presencia de defectos en la pieza el error de reconstrucción es inferior al primer umbral se determina que la pieza es buena (PB), si el error de reconstrucción está entre el primer y el segundo umbral se determina que la pieza es mala (PM) y si está por encima del segundo umbral se determina que no hay pieza o señal disponible (SP)

[0064] Adicionalmente, se pueden establecer tantos umbrales como sean necesarios para clasificar diferentes grados o tipos de alteración.

[0066] El método de la invención además puede comprender una etapa de validar los umbrales de error de reconstrucción usando piezas con defectos artificiales, detectados con una inspección convencional, es decir sin utilizar la reverberación y barriendo toda la zona a inspeccionar.

[0068] En cuanto a la etapa de simular la propagación acústica del pulso ultrasónico emitido, ésta se puede realizar mediante trazado de rayos. Además, esta etapa puede comprender las etapas de simular la trayectoria del pulso ultrasónico y simular un campo acústico generado a lo largo de estas trayectorias, que permitirá insonificar también las zonas entre rayos

[0069] Por otro lado, en la etapa de obtener una señal reverberada se pueden variar iterativamente los parámetros ultrasónicos hasta determinar que el volumen que la señal reverberada no ha atravesado es inferior al tamaño de defecto a detectar.

[0071] La presente invención también se refiere a un sistema de evaluación no destructiva, que comprende:

[0072] - un transductor configurado para generar un pulso ultrasónico;

[0073] - un receptor configurado para obtener una señal reverberada dentro de la pieza a evaluar

[0074] - un módulo de procesamiento conectado con el transductor y con el receptor configurado para:

[0076] o simular una propagación acústica de un pulso ultrasónico emitido variando iterativamente unos parámetros de inspección, que comprenden: un ángulo de incidencia, una ganancia de recepción de la señal y un tiempo de adquisición, para determinar al menos un conjunto de parámetros de inspección que permiten generar y detectar una señal reverberada dentro de la pieza y transmitirlo al transductor;

[0077] o obtener una señal reverberada dentro de la pieza a evaluar del receptor;

[0079] o aplicar a la señal reverberada obtenida una red neuronal profunda entrenada mediante un conjunto de señales ultrasónicas obtenidas de piezas de referencia sin defectos y configurada para:

[0080]  determinar una señal reverberada sintética perteneciente al patrón acústico aprendido que mejor se corresponda a la señal reverberada obtenida, y

[0081]  determinar un valor de error de reconstrucción, siendo una métrica de distancia entre la señal reverberada obtenida y la señal reverberada sintética; y

[0083] o determinar la presencia de defectos en la pieza en función de si el valor de error de reconstrucción determinado es mayor o menor a uno o más umbrales de error de reconstrucción previamente definidos

[0085] Finalmente, la invención también se refiere a un programa de ordenador configurado para ser ejecutado en el módulo de procesamiento del sistema de la invención y para llevar a cabo las etapas del método definido.

[0086] El método descrito permite verificar automáticamente la integridad del volumen completo de la pieza analizada con respecto a un patrón de referencia sin ningún tipo de alteración.

[0088] Así, el método de la invención proporciona las siguientes ventajas sobre el estado de la técnica:

[0089] • Utiliza tecnología existente, por lo que no requiere inversiones en nuevo equipamiento.

[0090] • Disminuye el tiempo de inspección de la pieza o de zonas de especial interés.

[0091] • No depende de la formación de un operador para decidir la existencia o no de defectos.

[0092] • No necesita un entrenamiento específico del operador para detectar los diferentes tipos de defectos. En la actualidad, cada tipo de defecto puede producir una distorsión diferente en la imagen y los operadores deben entrenarse para reconocerlos.

[0093] • Minimiza el riesgo de no detectar un defecto que por su mala orientación o accesibilidad no genere directamente una distorsión en la imagen que típicamente evalúa el operador.

[0094] • El modelo de inteligencia artificial diseñado sólo necesita ser entrenado usando señales obtenidas de especímenes de pieza, o de la zona de interés, libres de defectos, pero no de cada tipo posible de alteración que se pueda producir. No son necesarias por tanto probetas de cada tipo de defecto a detectar.

[0096] DESCRIPCIÓN DE LOS DIBUJOS

[0098] Para complementar la descripción que se está realizando y con objeto de ayudar a una mejor comprensión de las características de la invención, de acuerdo con un ejemplo preferente de realización práctica de la misma, se acompaña como parte integrante de dicha descripción, un juego de dibujos en donde con carácter ilustrativo y no limitativo, se ha representado lo siguiente:

[0100] Figura 1.- Muestra un diagrama de bloques que explica los pasos de una realización del método de la invención.

[0101] Figuras 2A y 2B.- Muestran una pieza con una señal reverberada en su interior y un diagrama de su eco correspondiente

[0103] Figuras 3A, 3B, 3C y 3D.- Muestran dos ejemplos de una inspección convencional, y su diagrama correspondiente, en la que habría que realizar múltiples adquisiciones para detectar los dos defectos

[0105] Figuras 4A y 4B.- Muestran un ejemplo de unas probetas metálicas de acero, sin defectos y con defectos artificiales.

[0107] Figura 5.- Muestra un ejemplo del recorrido de la señal reverberada dentro de la pieza sin defectos mostrada en la figura 4.

[0109] Figuras 6A, 6B y 6C.- Muestran un ejemplo del recorrido de la señal reverberada en una pieza sin defecto, en una pieza con un defecto y en una pieza con tres defectos

[0111] Figura 7.- Muestra un diagrama de la pérdida por época durante el entrenamiento de la red neuronal en una realización particular de la invención.

[0113] Figuras 8A, 8B, 8C y 8D.- Muestran ejemplos de evaluación empleando el método de la invención: un caso obtenido con un mal acoplamiento transductor-pieza; otro caso obtenido de una pieza sin defectos; otro caso obtenido de una pieza con tres defectos en la superficie inferior; y otro caso obtenido de una pieza con defecto lateral no pasante y un taladro en la zona posterior.

[0115] REALIZACIÓN PREFERENTE DE LA INVENCIÓN

[0117] El método de la invención consta de diferentes procedimientos que se pueden dividir en tres etapas, tal y como se muestra en el diagrama de la Figura 1:

[0119] 1. Obtención de la señal reverberada.

[0121] Es necesario comprobar que se puede generar una señal reverberada que recorre toda la zona de interés desde diferentes ángulos de modo que los posibles defectos (4) internos y externos generen a su vez reflexiones que modifiquen la reverberación usual producida por la geometría de la pieza (1).

[0122] Para ello, dada una posición del transductor (2) en la pieza (1), se tendrán que determinar tres parámetros principales, ángulo de incidencia, ganancia de recepción de la señal y tiempo de adquisición. En términos generales, estos parámetros se seleccionarán en base a herramientas de simulación geométrica de la propagación acústica que permiten comprobar que el pulso ultrasónico emitido ha recorrido toda la zona de interés varias veces incidiendo con diferentes ángulos. En el método de la invención es factible que para una misma zona de interés se tengan que utilizar diferentes conjuntos de parámetros para asegurar el objetivo de insonificación completa buscado. En una realización preferente, se usa un sistema multielemento (phasedarray), que permite seleccionar fácilmente los tres parámetros para emitir y recibir el pulso ultrasónico. Alternativamente, se pueden utilizar sistemas monoelemento si se comprueba que no es necesario utilizar muchos ángulos de incidencia diferentes.

[0124] Las figuras 2A y 2B muestran que la reverberación del pulso ultrasónico permitirá inspeccionar todo el volumen de la zona de interés si se incide en el ángulo apropiado, el tiempo de adquisición es suficientemente amplio y la ganancia del sistema permite amplificar lo suficiente los diferentes ecos producido en las diferentes superficies de la zona de interés y que vuelven al receptor (3) siguiendo múltiples trayectorias.

[0126] En las figuras 3A a 3D se puede ver la diferencia con una inspección convencional en la que, a veces, se pueden utilizar trayectorias que incluyen múltiples reflexiones para poder inspeccionar zonas de difícil acceso. En este caso, se intenta que no aparezcan los ecos reverberados, limitando la ganancia y el tiempo de adquisición, de tal manera que sólo aparezcan los ecos de los posibles defectos (4) si los hubiere. Por consiguiente, para inspeccionar la misma zona de la pieza (1) se tendrán que realizar diferentes barridos del transductor (2) en diferentes posiciones, ya que al limitar la reverberación no es posible inspeccionar toda la pieza (1) desde una sola posición.

[0128] 2. Entrenamiento de la red neuronal.

[0130] El método de la invención hace uso de una red neuronal profunda de tipo “autoencoder” a la que se entrena para asociar un patrón de señales de ultrasonidos, generadas mediante múltiples reflexiones al viajar por múltiples caminos en el interior de un volumen concreto de piezas (1) libres de defectos (4), con un estado de referencia. La red resultante será capaz de, dados unos datos de entrada, generar una señal sintética perteneciente a un patrón acústico aprendido previamente, que es el que mejor se corresponde a la entrada proporcionada. La distancia, con una métrica elegida, entre los datos de entrada y de salida de esta red, llamada error de reconstrucción, será el indicador del grado de pertenencia de la pieza (1) inspeccionada al conjunto de piezas (1) libres de defectos (4). Así, la etapa de salida de la red neuronal no será una clasificación, por ejemplo, pieza (1) con defectos (4) o sin defectos (4), sino un valor real entre 0 y 1 que indicará la desviación con respecto a las inspecciones patrón. Si el valor es cercano a 0 significará que existe una gran semejanza con la señal reverberada de una pieza (1) sin defectos (4) mientras que si el valor está próximo a 1 significará que no hay ninguna semejanza.

[0132] Para el entrenamiento se utilizarán un conjunto de señales obtenido de una colección de piezas (1) sin defectos (4) utilizando los parámetros determinados en la etapa anterior. Se variarán ligeramente los diferentes parámetros de inspección, incluida la posición y acoplamiento del transductor (2) dentro de los márgenes que determine el tipo de inspección a realizar. Generalmente, estos márgenes serán mayores cuando la inspección se realice de forma manual que cuando se realice utilizando sistemas de posicionamiento automático, donde la repetitividad de la medida es mayor.

[0134] En el proceso de aprendizaje se ajustan los parámetros de la red neuronal, también conocidos como hiperparámetros, hasta obtener un valor óptimo de ajuste entre los datos de entrenamiento y los datos reservados para la validación, en este caso, hasta alcanzar un error de reconstrucción mínimo. El ajuste de estos hiperparámetros (número de nodos en el codificador, en el vector latente y en el decodificador, número de épocas, porcentaje de datos usados como validación, batch size, funciones de maximización y pérdida, etc.) puede realizarse de forma manual o semiautomática en función de diversas métricas o indicadores de salida disponibles, como la evolución de los datos en el tiempo, histogramas, métricas escalares individuales o distribuciones de datos.

[0136] Es importante obtener un error de reconstrucción mínimo, pero sin sobreajustes (overfitting) ni falta de adaptación (underfitting). En el primer caso, el modelo producirá un error de reconstrucción igual a 0 para el conjunto de datos de entrenamiento, pero no reconocerá correctamente datos nuevos. Y en el segundo caso, el error de reconstrucción será muy variable incluso con los datos de entrenamiento. Esto último, en general, será debido a la insuficiencia de datos disponibles para el entrenamiento o a una excesiva simplificación del modelo.

[0137] 3. Detección de defectos (4)

[0139] Una vez entrenada la red se llevará a cabo un proceso de calibración que determinará cuales son los valores umbrales del error de reconstrucción que permitirán clasificar la señal reverberada adquirida de la pieza (1) inspeccionada y determinar así su integridad.

[0141] Se establecen, en este caso, tres clases:

[0142] - Pieza (1) buena (PB): la señal reverberada proviene de una pieza (1) sin defectos (4) o con defectos (4) dentro de la tolerancia aceptable para la pieza (1).

[0143] - Pieza (1) mala (PM): la señal reverberada proviene de una pieza (1) con defectos (4) que impida su utilización y que será necesario desechar o hacer una inspección convencional para determinar con más exactitud el defecto (4). - Sin pieza (1) (SP): la señal reverberada no existe o no tiene suficiente amplitud.

[0144] En general, será debido a la falta o a un incorrecto acoplamiento del transductor (2) ultrasónico a la pieza (1).

[0146] Para realizar esta clasificación será necesario determinar dos umbrales: PB|PM y PM|SP. El primer umbral se fijará realizando múltiples evaluaciones de piezas (1) patrón y corresponderá al menor error de reconstrucción del modelo para el caso entrenado. El segundo umbral se fijará evaluando las medidas realizadas con el palpador sin contacto con la pieza (1). Errores de reconstrucción inferiores al primer umbral determinarán que la pieza (1) es buena (PB), errores entre el primer y segundo umbral determinarán que la pieza (1) es mala (PM) y por encima del segundo umbral se clasificarán como sin pieza (1) o señal no disponible (SP).

[0148] A partir de ese momento, se tendrá el modelo entrenado y ajustado para la pieza (1) a evaluar en la zona que recorre la señal reverberada. El resultado de la evaluación (PB/PM/SP) llevará asociado un valor numérico que determinará la desviación de la reconstrucción respecto a una señal patrón, lo que proporcionará información no sólo de la presencia de defectos (4) sino de la severidad de la alteración encontrada. Además, al ser valores continuos, podrán establecerse tantos umbrales como sean necesarios para clasificar diferentes grados o tipos de alteración.

[0150] Para determinar la validez de estos umbrales se pueden usar piezas (1) con defectos (4) artificiales que puedan ser detectados con una inspección convencional. Este proceso de calibración se puede repetir cada vez que se modifique el sistema de inspección o el método de operación.

[0152] A continuación, se presenta un ejemplo de realización preferente de la invención concretando los parámetros necesarios para la ejecución práctica de la misma.

[0154] En este ejemplo de realización, se hace uso de un equipo de inspección que consta de un phased array de 32 elementos de 5 MHz de frecuencia de emisión y del cual es factible seleccionar diferentes parámetros ultrasónicos como ángulo de incidencia, ganancia y duración de la traza que permitirá generar la señal reverberada dentro de las piezas (1).

[0156] En este ejemplo, se procede a la evaluación de piezas (1) de acero cuyas características geométricas son: Largo 70 mm x Ancho 15 mm x Alto 30mm y velocidad ultrasónica de las ondas longitudinales: 5700 m/s, como las mostradas en las figuras 4A y 4B. A estas piezas (1) se les van a realizar diferentes modificaciones en su estructura, defectos (4) artificiales, para demostrar la validez del método. Como se ha explicado las etapas del método son:

[0158] 1. Obtención de la señal reverberada.

[0160] Para la obtención de la señal reverberada se ha utilizado un programa de simulación de transmisión ultrasónica mediante trazado de rayos que proporciona los parámetros de inspección más adecuados para que la señal reverberada recorra todo el volumen de la pieza (1), tal y como se muestra en la Figura 5.

[0162] Con el fin de limitar errores en la determinación, se varían los parámetros ultrasónicos del sistema hasta que el volumen de las zonas que la señal reverberada no ha atravesado sea inferior al tamaño de los defectos (4) que se quieren detectar.

[0164] En este caso, el programa de simulación empleado solo dibuja la trayectoria de los rayos ultrasónicos pero no el campo acústico generado a lo largo de estas trayectorias que en general permitirá insonificar también las zonas entre rayos. Esta característica se podría incluir el programa de simulación.

[0165] En el caso presentado, los parámetros ultrasónicos que van a permitir evaluar la pieza (1) son: ángulo de incidencia 25º, ganancia 25 dB y duración de la traza 180 mm.

[0167] Una vez que se determinen estos parámetros se pueden realizar simulaciones de piezas (1) con defectos (4) que permitan comprobar que la señal reverberada se ve alterada en presencia de los defectos (4), como se muestra en las Figuras 6A a 6C.

[0169] 2. Entrenamiento de la red neuronal.

[0171] El entrenamiento del modelo de IA se realiza con un conjunto de señales ultrasónicas, en este caso A-Scans, obtenidas de un volumen de referencia “sin defectos (4)” o probeta patrón. En este caso, se han utilizado 20.000 A-Scans de unas 8.000 muestras y la búsqueda de los hiperparámetros se ha realizado de manera automática tras un primer ajuste manual básico.

[0173] Para validar el progreso de la optimización del modelo, se deben considerar las diversas métricas o indicadores de salida disponibles, como la evolución de los datos en el tiempo, histogramas, métricas escalares individuales o distribuciones de datos. En este modelo, el principal objetivo es conseguir minimizar el valor de pérdida por época. Es decir, al finalizar cada época, o una iteración completa a través de todas las capas del modelo, se obtiene un valor que indica lo alejada que está la señal reconstruida respecto a la entrada de esa misma época. Cuando el valor de salida de las épocas se mantiene invariable durante un número de veces, determinado por el valor enearly_stoppin_patience, se detiene automáticamente el proceso de entrenamiento y se almacena la configuración de cada neurona de cada capa como la representación del mejor estado de aprendizaje posible.

[0175] Como resultado de todas las optimizaciones realizadas, la configuración de los principales hiperparámetros que mejor rendimiento proporcionaron al modelo es la siguiente:

[0177] Total_training_data = 1000

[0178] Number_of_hidden_layers = 10

[0179] Number_of_nodes = 256

[0180] Kernel_initializer= ‘zeros’

[0181] Activation= ‘gelu’

[0182] Monitoring = ´val_loss´

[0183] Optimizer = ‘Adam’

[0184] Early_stopping_patience = 5

[0185] Batch_size = 128

[0186] Learning_rate = 1e-4

[0187] Num_epochs = 20

[0189] El resultado final de las métricas utilizadas para la optimización de los hiperparámetros indicados aparecen en la figura 7. La principal métrica considerada en este modelo es el valor de perdida por época. Así, al finalizar cada época se obtiene un valor que indica lo alejada que está la señal reconstruida, respecto al dato original en la entrada de esa época. Antes de pasar a la siguiente época, se cambian los pesos (estados) de las neuronas en cada época y se vuelve a repetir el proceso. Cuando el valor de salida de las épocas se mantiene invariable durante un número determinado de veces, determinado por el valor en “early_stoppin_patience”, en este caso 5, se detiene automáticamente el proceso de entrenamiento y el modelo guarda entonces la configuración de cada neurona de cada capa como la representación del mejor estado de aprendizaje posible.

[0191] En el ejemplo mostrado en la Figura 7, ese momento se corresponde a cuando en la gráfica el valor ya no baja de unos 5<-3>aproximadamente y se empieza a mostrar una línea horizontal. Por tanto, el aumento de épocas ya no aportaría una mejoría al modelo y finaliza el proceso de aprendizaje.

[0193] 3. Detección de defectos (4):

[0195] La evaluación de las piezas (1) se realiza aplicando el modelo de IA propuesto y fijando unos umbrales que son los que determinan la sensibilidad del sistema. En este caso, el umbral para determinar que la pieza (1) es correcta se ha fijado a 0,060, pieza (1) mala superior a 0,060 e inferior a 0,500. Por último, si el error de reconstrucción es superior a 0,500 se considera que no hay pieza (1). Estos umbrales podrían modificarse en cualquier momento por parte del usuario para adecuar la tolerancia del sistema sin necesidad de modificar el modelo.

[0197] En las figuras 8A a 8D aparecen algunos ejemplos reales de evaluación de las piezas (1). En ellos se observa que además de indicar si es una piza buena, pieza (1) mala o sin pieza (1), se asocia un valor numérico que determina la desviación de la reconstrucción respecto a la señal patrón aprendida, lo que proporciona información no sólo de la presencia de defectos (4) sino de la importancia de la alteración encontrada.

Claims (19)

1. REIVINDICACIONES

1. Método de evaluación no destructiva, que utiliza señales reverberadas de ultrasonidos para determinar la integridad estructural de una pieza (1), que comprende las etapas de:

- simular una propagación acústica de un pulso ultrasónico emitido variando iterativamente unos parámetros de inspección, que comprenden: un ángulo de incidencia, una ganancia de recepción de la señal y un tiempo de adquisición, para determinar al menos un conjunto de parámetros de inspección que aseguren que el pulso ultrasónico emitido recorra toda una zona de interés de la pieza (1) múltiples veces incidiendo con diferentes ángulos, permitiendo generar y detectar una señal reverberada dentro de la pieza (1) que recorra todo el volumen de la pieza;

- obtener una señal reverberada dentro de la pieza (1) a evaluar;

- aplicar a la señal reverberada obtenida una red neuronal profunda entrenada mediante un conjunto de señales ultrasónicas obtenidas de piezas (1) de referencia sin defectos (4) o con uno o más defectos conocidos previamente y configurada para:

o determinar una señal reverberada sintética perteneciente al patrón acústico aprendido que mejor se corresponda a la señal reverberada obtenida, y

o determinar un valor de error de reconstrucción, siendo una métrica de distancia entre la señal reverberada obtenida y la señal reverberada sintética, dicha métrica de distancia siendo correspondiente a desviaciones en indicadores predeterminados de salida entre las señales sintética y obtenida; y

- determinar la presencia de defectos (4) en la pieza (1) en función de si el valor de reconstrucción determinado es mayor o menor a uno o más umbrales de error de reconstrucción previamente definidos.

2. Método de acuerdo con la reivindicación 1, donde la etapa de obtener una señal reverberada dentro de la pieza (1) a evaluar se lleva a cabo con un transductor (2).

3. Método de acuerdo con la reivindicación 1, donde la red neuronal profunda usada es de tipo “autoencoder”.

4. Método de acuerdo con la reivindicación 1, donde la red neuronal profunda está entrenada con señales en las cuales se varían la posición y acoplamiento del transductor (2).

5. Método de acuerdo con la reivindicación 1, donde la red neuronal profunda está entrenada mediante el ajuste de sus hiperparámetros en función de indicadores de salida disponibles hasta obtener un valor óptimo de ajuste entre datos de entrenamiento y datos reservados para la validación.

6. Método de acuerdo con la reivindicación 5, donde los hiperparámetros de la red neuronal profunda comprenden número de nodos en el codificador, en el vector latente y en el decodificador, número de épocas, porcentaje de datos usados como validación, batch size, funciones de maximización y pérdida.

7. Método de acuerdo con la reivindicación 5, donde la red neuronal profunda está entrenada hasta alcanzar un valor umbral en al menos una de las métricas de salida seleccionadas de entre: la evolución de los datos en el tiempo, histogramas, métricas escalares individuales o distribuciones de datos.

8. Método que de acuerdo con la reivindicación 7, donde la red neuronal profunda está entrenada hasta minimizar un valor de pérdida por época, un valor que indica lo alejada que está la señal reverberada sintética generada en una época respecto a una señal de entrada de esa misma época, almacenando como mejor estado de aprendizaje aquella configuración de cada neurona de cada capa que minimiza el valor de pérdida por época.

9. Método de acuerdo con la reivindicación 8, donde el entrenamiento de la red neuronal profunda se detiene automáticamente cuando el valor de salida de las épocas se mantiene invariable durante un número predeterminado de veces.

10. Método que de acuerdo con la reivindicación 8, que además comprende una etapa de cambiar los pesos de las neuronas en cada época antes de pasar a la siguiente época.

11. Método de acuerdo con la reivindicación 1, donde la etapa de determinar la presencia de defectos (4) está precedida por una etapa de calibración que comprende obtener dos umbrales:

- un primer umbral (PB|PM): es el menor error de reconstrucción del modelo para el caso entrenado con múltiples evaluaciones de piezas (1) patrón, de modo que si el error de reconstrucción es inferior al primer umbral se determina que la pieza (1) es buena (PB); y

- un segundo umbral (PM|SP): obtenido evaluando las medidas realizadas con el palpador sin contacto con la pieza (1),

de modo que, en la etapa de determinar la presencia de defectos en la pieza, si el error de reconstrucción está entre el primer y el segundo umbral se determina que la pieza (1) es mala (PM) y si está por encima del segundo umbral se determina que no hay pieza (1) o señal disponible (SP).

12. Método de acuerdo con la reivindicación 1, donde la etapa de determinar la presencia de defectos (4) en la pieza (1) comprende establecer una pluralidad de umbrales correspondientes a múltiples categorías de clasificación de diferentes grados o tipos de alteración.

13. Método de acuerdo con la reivindicación 1, que además comprende una etapa de validar los umbrales de error de reconstrucción usando piezas (1) con defectos (4) artificiales, detectados con una inspección convencional.

14. Método que de acuerdo con la reivindicación 1, donde la etapa de simular una propagación acústica de un pulso ultrasónico emitido se realiza mediante trazado de rayos.

15. Método que de acuerdo con la reivindicación 1, donde en la etapa de determinación de los parámetros de inspección que producen la señal reverberada a recibir, la variación iterativa de los parámetros de inspección se realiza hasta que el volumen de las zonas que la señal reverberada no ha atravesado sea inferior al tamaño de los defectos (4) a detectar.

16. Método que de acuerdo con la reivindicación 1, donde la etapa de simular una propagación acústica de un pulso ultrasónico emitido comprende simular una

trayectoria del pulso ultrasónico y un campo acústico generado a lo largo de estas trayectorias, que permitirá insonificar también las zonas entre rayos.

17. Método que de acuerdo con la reivindicación 1, donde en la etapa de determinar la presencia de defectos (4) en la pieza (1) los umbrales se determinan en función de una tolerancia del sistema.

18. Sistema de evaluación no destructiva, que comprende:

- un transductor (2) configurado para generar un pulso ultrasónico;

- un receptor (3) configurado para obtener una señal reverberada dentro de la pieza (1) a evaluar

- un módulo de procesamiento conectado con el transductor (2) y con el receptor (3) configurado para ejecutar las etapas del método descrito en cualquiera de las reivindicaciones 1 a 17.

19. Programa de ordenador configurado para ser ejecutado en el módulo de procesamiento del sistema de acuerdo con la reivindicación 18 y para llevar a cabo las etapas del método de acuerdo con cualquiera de las reivindicaciones 1 a 17.