基于深度学习的漏磁检测缺陷识别方法

传统漏磁信号缺陷量化缺少其他分量信息,人工特征的提取方式造成信息量有限。为此,提出一种基于深度学习的漏磁检测缺陷量化识别方法,并建立了漏磁检测缺陷识别模型,该模型包含深度卷积神经网络模块和回归模块。深度卷积神经网络模块利用卷积神经网络的多输入多输出互相关操作,完成漏磁缺陷信号3个分量(轴向、周向、径向)的数据融合,利用预训练的网络,迁移已有知识,实现缺陷信号的特征自动提取;回归模块中设计缺陷、长度和宽度联合损失函数,利用回归方式实现缺陷尺度的量化。采用有限元仿真和牵拉试验相结合的方式,建立漏磁信号缺陷量化数据集并划分为训练集和测试集,训练集用于模型训练,测试集进行方法验证。研究结果表明:90%置信度下,长度和宽度量化结果全部落在±10 mm的误差带上,深度量化结果全部落在±10%t (t为壁厚)的误差带上,满足工程检测要求,可有效完成管道漏磁缺陷识别。研究结果可为油气输送管道漏磁检测新技术的研究提供一定的参考。     

天然气管道漏磁检测中的信号处理

采用漏磁法对天然气管道进行检测时，关键问题是对漏磁信号的处理。为此，介绍了去除奇异值的算法，用相邻两点的平均值代替奇异值，可去除脉冲干扰而对信号没有影响。对于漏磁信号中的高斯噪声，采用小波变换去噪方法，选取二阶样条小波为小波函数，选用软阈值函数和固定阈值的方法处理小波系数。提出了提取缺陷信号特征的梯度算法，用信号幅度和梯度值的变化作为缺陷估计标准。研究结果表明，漏磁信号被处理后，很好地去除了各种信号噪声，有助于提取出缺陷信号的特征，可实现对天然气管道的无损检测。     

基于EMD技术的管道漏磁内检测信号研究*

为了解决油气管道漏磁内检测信号识别不准确的问题,采用EMD（经验模态分解）理论,对管道漏磁内检测信号做EMD分解和重构,得到信号处理后的信噪比信息,与原始信号和小波分析后信号的信噪比进行比对分析,结果显示,EMD技术在处理漏磁内检测信号方面比小波分析更为优越。研究表明:采用EMD技术处理管道漏磁信号可以获得更好的信噪比,能更迅速、准确地识别管道中的缺陷。     

管道漏磁内检测信号的自适应成像算法研究

为提高检测效率,克服管道漏磁内检测技术大量检测数据存储及缺陷识别的困难,基于管道漏磁检测数据的特征,通过比较多种插值方法在漏磁检测信号中的应用,设计了一种基于三次Hermite插值的三次样条插值算法,采用多尺度分段自适应插值方法处理漏磁数据,生成了具有更高辨识度的曲线图形;设计了可显示曲线图形、灰度图像以及伪彩色图像的自适应成像系统,实现了快速精准的漏磁缺陷检测识别。测试实践表明:研究工作达到了上述目标。     

漏磁检测技术在长输管道维护中的应用

介绍了油气长输管道的发展状况及在维护管理中存在的主要问题,智能管道检测技术在美国和英国等发达国家的发展状况和国内在智能管道检测方面的研究进展。叙述了管道漏磁检测技术的基本原理,以研20mm智能管道检测器为例说明了智能管道检测器（漏磁检测器）的基本结构及主要功能、机械性能指标、检测性能指标;介绍了漏磁检测器研发中磁路优化设计、检测系统和数据处理硬件、无损压缩算法、缺陷重构技术、漏磁信号成像、信号特征库和几何成像等关键技术。以研20mm管道为例介绍了管道漏磁检测技术的实施过程、检测数据分析、现场开挖验证及管道腐蚀状况评价等内容。     

油气管道腐蚀检测技术的研究

对管道漏磁在线检测仪的总体设计、结构及各部分的工作过程进行了介绍 ,对硬件设计进行了分析 ,采用工程数据库技术对检测数据管理 ,分析干扰因素对漏磁信号的影响 ,采用滤波和数字平滑方法消除干扰影响的方法 ,利用径向基函数插值方法对漏磁信号补偿和凹坑缺陷轮廓的局部逼近 ,提出了缺陷外形参数的评价方法 ,使缺陷检测达到定量化 ,整套方案实际应用有效、可行。     

油气管道缺陷二维轮廓重建及处理技术

目前,我国油气管道缺陷的检测主要是通过漏磁检测装置来完成,检测人员根据经验分析波形以了解管道缺陷状况。但这种方式的数据分析工作量大、效率低。介绍了漏磁检测装置的工作原理,对管道漏磁检测装置在φ457mm管道中实际采集的数据进行了预处理和图形转换,将漏磁检测数据重建生成二维缺陷轮廓,并用图形编程软件Labview对上述图像进行噪声消除、平滑、滤波、锐化处理,这样可以直观和清晰地显示根据磁漏生成的缺陷轮廓,提高了管道监测数据分析效率及可靠性。     

基于BP神经网络管道磁记忆检测模式识别

为区分管道母材及焊缝处不同损伤形式磁记忆信号,运用BP神经网络对管道缺陷检测信号的模式进行识别。以X80管线钢作为试样材质,分别从X80管道母材及焊缝部位取样,加工无缺陷及含裂纹等两种形式的试样并对其进行磁记忆检测。采用有限元分析软件获得其磁场分布,对磁记忆检测信号进行特征参数提取并采用BP神经网络对特征参数进行聚类,建立了管道磁记忆检测模式识别方法。研究结果表明:不同损伤部位及形式的试样,其磁记忆检测信号分布有较大差异;磁记忆检测信号分布与试样表面形貌及损伤形式密切相关;运用BP神经网络能够有效识别管道不同位置及损伤形式的磁记忆检测信号。研究结果为磁记忆检测技术应用于管道内检测并进行管道典型缺陷信号识别提供了新的思路和方法。     

基于改进型小波阈值的输油管道磁记忆信号降噪方法

利用金属磁记忆检测方法对输油管道进行早期诊断时,磁记忆检测信号常常被各种噪声源污染,极大地降低缺陷信号可检测性。在传统软、硬阈值降噪方法基础上,根据磁记忆检测信号的特点,提出了一种改进小波阈值函数与自适应阈值相结合的方法,选用Daubechies小波作为小波函数,分解级数为4层,采用自适应方法计算阈值。用新型漏磁/磁记忆检测仪进行了算法验证,将改进降噪方法应用于磁记忆检测信号的降噪处理。与传统软、硬阈值降噪算法相比,新算法克服了软阈值信号失真和硬阈值不连续、振荡等缺点,提高了重建信号的信噪比,降低了均方根误差值,有效地消除了信号噪声,为正确判断输油管道的应力集中位置及早期诊断提供了理论依据。     

管道裂纹漏磁检测信号WPES特征提取方法

利用小波包能量谱(WPES)对漏磁检测信号进行特征提取是一种有效的信号处理方式,得到广泛应用。但对于管道裂纹缺陷漏磁检测信号而言,其在高频段的信号特征不明显,频谱变化非常分散,特征提取困难。改进后的小波包能量谱及Wigner-Ville变换算法即是以连续小波变换和离散小波变换为基本的数学工具,匹配Wigner-Ville变换的信号分析算法,在信号处理过程中,将要提取信号的特征值以能量谱的形式进行界定,将特征值的识别与提取转换为对相应信号特征能量识别与提取上,从而提高漏磁检测信号高频段信号特征准确性。     

油气长输管道裂纹漏磁检测的瞬态仿真分析

为了提高油气管道漏磁检测的准确度,应充分考虑检测器行进速度对漏磁信号的影响。根据三维有限元分析原理,建立了漏磁检测系统的瞬态数学模型,并对油气长输管道裂纹检测过程进行了仿真研究。由麦克斯韦方程组推导出管道裂纹静态漏磁场的分布模型,对由漏磁检测器运动产生感应的管壁环向涡流进行了定量分析,计算其形成的"逆磁场"及其对外加磁场的影响,推导出动态磁化条件下的裂纹漏磁场有限元仿真模型。由实际物理实验得到与仿真分析相一致的漏磁信号,这表明所建瞬态仿真模型的有效性。利用该模型,获得了不同裂纹所产生的漏磁信号检测结果。根据检测结果,分析了裂纹几何特征,如深度、宽度等与漏磁信号峰谷值之间的对应关系,并给出了关系曲面图。为实际利用漏磁信号检测油气长输管道裂纹提供了重要的依据。     

基于有限元法的输气管道漏磁场分析

漏磁检测是输气管道无损检测的常用方法之一，也是实现管道在役检测的有效方法。建立了输气管道漏磁检测的实体模型和有限元分析的数学模型；推导出适合齐次自然边界条件下泊松方程的有限元方程；通过对输气管道缺陷进行有限元方法分析计算，可知有限元法能分析计算任意形状缺陷的漏磁场，能方便地建立大量形状不同尺寸不一的缺陷识别库，给出了磁场强度矢量图、磁力线分布图和漏磁场分析结果。同时,利用有限元法分析计算了不同尺寸不同形状缺陷的漏磁场，得出了随着缺陷宽度、深度的增加峰峰值也随着增大的结论。分析结果可为缺陷的定量检测打下基础。     

基于模糊核支持向量机的管道磁记忆检测缺陷识别

针对金属磁记忆检测管道缺陷判定准则的局限性,通过构造基于梯形模糊数的最大、最小贴近度的模糊核函数,提出了一种基于模糊核支持向量机的缺陷识别方法。通过构建识别函数,将管道状态划分为应力集中、微观缺陷和宏观缺陷3个等级。通过比较未形成缺陷的应力集中区域与微裂纹缺陷的特征,构造了五维支持向量机输入特征向量：小波包频带能量增量、修正傅里叶系数、区域信号的峰峰值、信号的检测切向梯度和检测法向梯度。通过实验设计,对采集的磁记忆信号进行特征提取和缺陷识别。与传统线性核与多项式核识别结果进行比较,分析表明该方法能够有效识别管道缺陷,为金属磁记忆技术精确测定管道缺陷提供了一种新方法。     

断陷湖盆陡坡带砂砾岩体沉积期次的划分技术

 综合地震、测井及钻井信息，建立以三维地震资料的层序地层解释为基础，以岩心、成像测井资料作标定，以单井测井信号小波变换分析为核心的砾岩体沉积旋回划分技术。利用成像测井资料进行沉积旋回识别的关键在于合理实现“图像”与“岩相”的转换，并利用岩心资料对地层成像测井图像进行刻度，消除地质解释的多解性，建立不同类型的岩相模式。通过地震约束和岩心、成像测井标定下的测井信号多尺度、高分辨率的小波变换分析,可将一维测井信号变换到二维时频域，便能很好地反映信号的周期特征和局部异常，进而为砂砾岩体的旋回划分和内部结构解剖提供技术支持。对济阳拗陷车镇凹陷陡坡带古近系巨厚砂砾岩体的实际分析结果表明，该技术对于用生物化石或测井组合法难以进行地层划分和对比的砂砾岩发育区的沉积期次划分和内部结构解析具有较好的应用前景。     

基于多数据融合和小波分解的油气管道缺陷检测方法研究

针对油气管道检测过程中泄漏区域及缺陷区域难以准确定位的问题,提出了一种基于多数据融合的油气管道缺陷自动检测方法。首先利用无人机和红外热成像技术实现油田管道红外图像的分段采集,并通过移动终端实时上传到处理系统;采用改进的加权中值滤波算法对红外图像做去噪处理,并根据综合特征来自动识别管道区域以提升检测效率;然后采用Sobel算子和Canny算子对管道区域进行图像处理,并加权平均;最后,采用Haar小波做分解得到高频分量,高频分量和红外图像中温度异常区域重合的部位即为油气管道缺陷区域。实验结果表明:该方法可准确地定位油气管道的缺陷区域,其准确率最高可达97.8%,检测效率也有所提升。