基于超声波检测的BP神经网络缺陷识别方法设计

针对石油储罐底板的缺陷损伤问题,建立局部储罐底板模型,应用超声波缺陷检测技术进行分析研究。利用ABAQUS有限元软件进行超声检测的模拟仿真分析,采集并保存接收信号,通过不同位置的发射/接收器信号时间差值对比,应用椭圆定位原理计算得到缺陷类型;从仿真模拟数据中选取不同的超声波回波信号作为神经网络的输入,借助于MATLAB软件训练出可识别底板缺陷的BP神经网络,选取多组数据进行测试,经验证,设计的BP神经网络对缺陷数据识别具有一定正确性。     

基于复合励磁法的储罐底板漏磁检测仿真分析

以储罐底板漏磁检测方法为研究对象,提出采用直流电产生电磁场与永久磁铁产生的永磁场叠加,利用叠加后的磁场对储罐底板进行漏磁检测,开展复合励磁漏磁检测仿真分析研究。建立了复合励磁结构模型,得到了缺陷的漏磁场空间分布特征。     

基于漏磁信号分析的储罐钢板缺陷尺寸评估

针对钢制储罐腐蚀缺陷的在线检测和评价,首先建立了以ARM单片机和磁场检测传感器为核心的漏磁信号采集系统,并且针对一系列局部磁化的人造凹坑缺陷进行二维漏磁数据同步检测;为了实现凹坑缺陷几何尺寸的预测,创新性地关注了漏磁信号的几何学图形特征,利用Fourier级数展开拟合了漏磁信号曲线,提取了曲线包络面积、周长、图形重心等几何特征;随后针对40个缺陷凹坑样本,建立了表征凹坑缺陷的多维数据集;最后利用BP神经网络建立了凹坑缺陷几何尺寸的预测模型。研究结果表明在小数据样本情况下,利用漏磁信号几何学图形化特征,能够有效挖掘漏磁信号中隐含特征参量,该方法可行、可信,丰富和完善了钢制储罐腐蚀缺陷尺寸评价方法。     

便携式储罐底板三维漏磁检测系统研制

针对在储罐底板检测过程中,一些大型检测设备无法接触储罐边角、盘管下部等复杂区域的问题,研制了便携式多通道三维漏磁检测系统,该系统主要由检测装置、数据处理模块及上位机软件组成。检测装置磁化储罐底板并采集检测底板的漏磁信号,数据处理模块采用小型化处理电路,主要完成数据传输和人机交互等功能,上位机软件实现采集信号实时显示及缺陷信号分析处理等功能。开展检测试验并讨论三维漏磁信号产生机理,最终验证,使用该系统能快速有效地检出储罐底板一定深度范围内的腐蚀缺陷,具有良好的可靠性与重复性。     

基于风险与声发射检测数据分析的储罐底板腐蚀剩余寿命预测方法研究

基于振幅分布理论、统计理论,引入风险概念,综合分析储罐底板腐蚀的声发射检测和漏磁检测数据,得到基于漏磁检测数据的声发射参量对储罐底板腐蚀的量化方法。通过对10台样本储罐的分析,得到某一地区介质为原油的一类储罐的声发射典型参量对储罐底板腐蚀的量化关系,即声发射活度与风险腐蚀速率（CRP）的关系为Y=13514．65x,该模型的评价准确率为9022％。建立实际腐蚀速率（CTP）与CRP的关系模型,为Z=12．14x,得到CRP的12倍约为储罐底板腐蚀最严重部位的腐蚀速率的结论。这样对待评估储罐进行声发射检测,利用声发射量化评价模型,可得到CRP,进而得到管理腐蚀速率（CMP）,参照API653-2009,可对储罐底板的剩余寿命进行预测。     

基于风险腐蚀速率的储罐底板腐蚀声发射量化评价方法研究

基于统计理论,引入风险概念,综合分析储罐底板腐蚀的声发射检测和漏磁检测数据,得到基于漏磁检测数据的声发射参量对储罐底板腐蚀的量化方法。通过对6台储罐的分析,得到某一地区介质为原油的一类储罐的声发射典型参量与储罐底板腐蚀的量化关系,即声发射活度与风险腐蚀速率CRP的关系为：y=13946．9758x,得到CRP与实际腐蚀速率CTP的关系为：Y=12．0412x。对评估储罐进行声发射检测,利用该评价模型可得到CRP,进而得到管理腐蚀速率CMP,为储罐管理维修决策提供依据。     

基于小波变换的三轴漏磁信号去噪研究

简单介绍了管道的无损检测技术,研究了三轴漏磁传感器的特征和原理,提出了采用三轴漏磁传感器进行在役管道无损检测的可行性以及它所具有的优越性,主要对三轴漏磁信号的去噪方法进行了研究.介绍了小波变换的基本原理和阈值函数去噪的方法,并采用MATLAB软件进行了小波变换下各种阈值函数的去噪仿真和三轴漏磁信号的去噪仿真,得到了比较理想的去噪结果,证明采用小波变换进行三轴漏磁信号的去噪是可行的.     

基于卷积神经网络的管道缺陷量化识别方法北大核心CSCD

针对长输油气管道缺陷尺寸的智能识别、有效评估管道损伤程度的问题,提出了一种基于卷积神经网络的漏磁数据智能识别处理方法。该方法将漏磁检测信号的结构化数据作为模型量化分析输入源,可有效减小检测干扰的影响。利用卷积核提取管道缺陷处的漏磁检测数据特征,改进输出层激活函数,线性输出结果,实现对管道缺陷尺寸的智能识别。实验结果表明:该方法对管道缺陷具有良好的量化能力,量化误差为2~4 mm,满足工程需求,同时可快速对工程数据进行批量识别,在管道漏磁内检测数据处理领域具有很好的应用前景。     

基于虚拟仪器技术的储罐底板缺陷检测器

石化行业普遍使用直径数十米的钢制储罐储存石油、天然气和其他化工原料,在腐蚀、应力等环境作用下,储罐底板在长期服役后会出现腐蚀缺陷,对这些缺陷进行检测是保证储罐安全运行和视情维护的重要依据。本文介绍了基于虚拟仪器技术的储罐底板缺陷漏磁检测器,具体包括机械扫查装置、传感器模块、数据采集与传输模块、数据分析处理软件等。实验研究和现场应用证明,该检测器能实现对储罐底板的快速普查、缺陷的准确定位及量化,具有较高的检测灵敏度和可靠性。     

石化系统储罐底板的漏磁检测

本文介绍了储罐底板检测的重要性、漏磁检测原理、储罐底板的形式、储罐底板漏磁检测系统的特点,通过案例分析总结了此技术对储罐底板检维修的意义。     

常压储罐底板腐蚀特征参量的获取

常压储罐在长期使用过程中,会出现储罐底板的腐蚀问题,腐蚀缺陷往往表现为均匀腐蚀、区域性分布的局部腐蚀和随机分布的点腐蚀。针对腐蚀缺陷类型的多变性,研究提出了表征储罐底板腐蚀的特征参量,以及通过漏磁检测和概率分析计算获得这些腐蚀特征参量的方法,并在生产实际中进行了应用,为储罐检验和运行维护管理决策提供了有力支持。     

基于改进信赖域算法的三维不规则缺陷重构

漏磁检测广泛应用于铁磁性材料设备的在线检测当中,是一种有效的缺陷检测方法。如何利用缺陷漏磁信号进行三维不规则缺陷轮廓重构是漏磁检测中的关键问题。然而,三维不规则缺陷漏磁检测的有限元模型计算量大,因此难以快速获得精确的漏磁信号,并且由于缺陷重构的不适定性,研究中不容易获得不规则缺陷的精确轮廓。本文提出了一种用于计算三维不规则缺陷漏磁信号的单元磁偶极带叠加模型,并验证了使用该正演模型进行漏磁计算的有效性,针对三维缺陷轮廓重构的高维优化问题,提出了一种带边界约束的基于信赖域的投影Levenberg-Marquart算法,实现了三维不规则缺陷轮廓的重构。实验结果表明:该三维不规则缺陷重构方法不仅不需要大量的漏磁检测数据,并且相对于群智能算法,重构误差降低了90.1%,最大深度误差降低了53.9%,耗费时间减少了96.1%,实现了高精度的缺陷重构。     

Differentiation of leakage and corrosion signals in acoustic emission testing of aboveground storage tank floors with artificial neural networks

The acoustic emission method is a well-recognized procedure of floor inspection for aboveground storage tanks as well as a preventive tool for the improvement of maintenance service time. The high importance of this method is better realized when it is used in sensitive structures while they are in operation. A laboratory-based smaller-scale tank was made and all operating conditions were simulated. This provided a databank for recognition of acoustic waves. More experiments were conducted to simulate corrosion in a tank. Data were then collected from acoustic emission measurements for several aboveground storage tanks in a refinery. The data gathered from laboratory tests and the real data were combined in order to differentiate between leakage and corrosion signals. An artificial neural network (ANN) system was used to categorize the tested aboveground storage tanks. The text was submitted by the authors in English.     

压铸成型工艺设计与缺陷分析的神经网络模拟

对于误差逆传播 (BP)神经网络标准及改进型算法中的神经元联接权更新机制进行了分析。作为实际应用 ,基于MATLAB神经网络工具箱函数 ,研究了两个例子 ,一个是不同合金种类及不同复杂程度的型腔结构下浇注温度的选择 ;另一个是压铸工艺的缺陷分析。采用的算法分别为恒定学习率 附加动量项改进型BP算法和自适应学习率 附加动量项改进型BP算法。通过在实际模拟中比较这两种算法的训练效率 ,可得到结论 :自适应学习率 附加动量项算法是精确模拟压铸工艺映射问题的较为理想的方法。基于这一方法 ,文中最后给出了网络模拟测试的结果     

基于微分磁导率的铁磁性材料无损检测新方法

利用微分磁导率变化特性,提出了一种可对材料的宏观缺陷进行快速扫查的无损检测新方法。首先,将铁磁性材料置于偏置磁化场环境下,缺陷将导致内部磁通的畸变;其次,磁通畸变进一步体现在材料表面微分磁导率分布的差异性;再次,通过特殊设计的微分磁导率检测探头,对材料表面微分磁导率的分布进行扫查;最后,由磁导率分布差异获得材料内部的不连续性信息,从而实现对缺陷的无损检测。开展了系列验证实验,结果表明,相对于传统的漏磁检测方法,新方法具有磁化强度低、磁通泄漏少、检测信号稳定的特点。新方法正、反面缺陷探测信号存在差异,在缺陷深度识别方面亦存在优势。     

基于HFHA LCD的液压泵振动信号降噪方法研究

针对局部特征尺度分解LCD(Local Characteristic Scale Decomposition)降噪方法处理非平稳机械振动信号存在的缺点,提出一种基于高频谐波加入 局部特征尺度分解HFHA LCD(High Frequency Harmonic Added Local Characteristic Scale Decomposition)的方法来自适应实现液压泵非平稳振动信号降噪。该方法首先向原信号中加入高频谐波,然后对混合信号进行LCD分解,再以各内禀尺度分量ISC（Intrinsic Scale Component）与原信号的相关系数为准则选取有用ISC分量,最后以有用ISC分量重构原信号,达到降噪目的。仿真信号分析结果表明,HFHA LCD较LCD可以有效抑制模态混叠现象,提高分解精度,HFHA LCD降噪方法的效果也明显优于LCD降噪方法,基于HFHA LCD的液压泵振动信号降噪结果验证了该方法的有效性。     

基于BP神经网络的结构光三维视觉检测方法研究

本文基于反向传播神经网络对结构光三维视觉检测方法进行了研究。首先介绍了结构光三维视觉检测原理，并对BP算法的基本原理进行了阐述。在此基础上较详细地提出了用于神经网络训练和测试的样本点的空间坐标和图像坐标的样本数据获取方法以及光电瞄准装置的结构设计，最后利用样本数据对BP神经网络进行了训练和测试，最佳BP神经网络的训练精度为0.085mm，测试精度为0.132mm。     

基于粒子群优化的神经网络电机故障诊断系统

提取电机定予电流信号及转于振动信号,构成用于电机故障诊断网络的训练及测试样本.用BP神经网络建立诊断输入征兆与故障输出间的映射关系,引入改进粒子群优化的策略,对神经网络权值和阀值进行优化,提高了网络系统诊断的可靠性.仿真对比研究表明,经粒子群优化后的BP网络收敛速度显著提高,更适合于电机类故障诊断的要求.