基于三轴融合的漏磁内检测数据缺陷反演方法研究

在管道漏磁检测中,缺陷反演是管道故障诊断的核心部分。 考虑漏磁信号的复杂性以及管道环境的多变性,常用的缺 陷反演方法多采用传感器单轴信息,从而导致缺陷反演面临缺陷估计尺寸精度低、模型通用性差的问题,难以满足实际应用需 求。 本文提出基于三轴融合的漏磁内检测数据缺陷反演算法,显著提高漏磁缺陷反演精度。 该方法主要由两部分组成,首先, 利用提出的加权随机森林算法分别实现单轴信号的缺陷反演;其次,通过本文设计的模糊推理系统实现三轴反演结果决策融 合,进而得到精确的缺陷估计尺寸。 最后,通过仿真数据与实际管道数据实现该方法的评估。 实验结果表明,该方法缺陷反演 的长度精度提升 23% ,宽度精度提升 13% ,深度精度提升 14. 7% ,具有较好的实验效果。     

海底管道漏磁内检测器磁路三维仿真剖分方法

针对海底管道漏磁内检测磁路三维有限元仿真设计方法计算量大和精度要求高等难点,对三维磁路优化剖分方法进行分析,提出一种基于局部细化剖分的新剖分方法,应用于三维整圈磁路设计中,解决三维仿真中建模与剖分的技术难点,并通过实测验证该方法的有效性。     

石油管道内封堵设备设计及研究

长输石油管道作为石油运输的重要途径,经过长时间使用导致管道泄露的问题不可避免,由于管道的埋地位置不同,维修及抢修作业难度增加。针对传统的外封堵设备,提出了一种石油管道内封堵设备设计方法,此设备所需作业时间更短,作业完成后减少在管道上留下其他附加装置,减少故障点,大大降低维修成本和减少维修时间。     

深海油气管道数据清洗方法设计

提出数据缺失值插补算法和数据离群点检测算法。对管道全生命周期中产生的数据进行初步的筛选，然后进行管道全生命周期数据的预处理，检测缺失值和异常值。在数据缺失值插补算法中提出多元线性回归插补法，对检测的缺失值进行合理化插补。对管道数据中的离群点利用基于密度的局部离群点检测算法，将检测出的离群点进行仿真测试，局部离群因子（Local Outlier Factor，LOF）离群点检测算法正检率达96%，比传统的K-means离群点检测算法高41.18%，得到较高的检测精度，并建立最优检测模型。     

基于CEL方法的管道内检测器动力学数值分析

为了研究管道内检测器运行时的非线性动力学特性,基于耦合欧拉-拉格朗日（CEL）方法,建立了管道内检测器运行的流-固耦合模型,采用Mooney-Rivlin模型描述橡胶皮碗超弹性、非线性行为。对内检测器在管内运行经过管道局部变形时的复杂行为进行求解和分析,获取了管道内检测器的速度、加速度、压力差、接触面积、摩擦力曲线以及最大应力和真实应变图,对内检测器皮碗非线性动力学特性进行分析。在计算中考虑了检测器的惯性影响以及摩擦力的作用,使得该流-固耦合模型更加接近现实工况,可对优化内检测器结构设计和使用提供理论依据和参考。     

基于多维度选择性搜索的小样本缺陷识别方法

超声内检测是油气管道缺陷的主要检测方式之一,目前超声内检测在工业小样本的情况下存在缺陷识别边界定位不准的问题。本文提出了一种基于多维度选择性搜索的小样本缺陷识别方法,该方法首先对超声回波进行特征提取,其中包含使用基于孤立森林的回波特征点提取,和基于自然断点法的特征点聚类;其次提出了风险相似性度量方法,并使用梯度提升树建立波形特征和风险程度的回归模型;然后将多维度缺陷相似性信息融合在选择性搜索算法中,实现小样本缺陷识别;最后使用异常分数等区域风险度量指标实现缺陷边界的精准定位。实验结果表明,本文设计的基于多维度选择性搜索的小样本缺陷识别方法的查全率和查准率分别高达95.08%和85.46%,能有效解决超声信号缺陷识别边界定位不准的问题。     

基于RESTful架构的管道内检测数据分析系统

利用管道内检测数据分析软件进行内检测数据分析是管道内检测服务过程中的重要环节。针对管道内检测数据分析软件仍存在维护成本较高、系统扩展性较差等问题,设计并实现了基于RESTful架构的内检测数据分析系统,以满足多用户、跨平台以及在线数据分析等需求,大幅提高软件可扩展性、可重用性和可维护性。系统将数据解析、信号处理、自动识别与量化等核心功能封装为语言和平台独立的服务,可以部署在单机、局域网、公有云等不同环境,并使用RESTful API提供服务,允许不同平台、设备上的多个客户端通过局域网或公网并发访问,支持使用集群技术横向扩展增强服务性能,为构建基于云的在线内检测数据分析服务提供基础。