管道电磁超声传感器阵列检测技术研究

采用电磁超声传感器阵列对管道进行缺陷检测,不仅能够提高电磁超声检测信号的信噪比、灵敏度与分辨能力,同时也能增强电磁超声检测的直观性与灵活性。本文详细阐述了基于洛伦兹力的周期永磁铁阵列式电磁超声传感器(PPM-EMAT)激励超声导波的工作原理,及利用全聚焦算法结合极性一致性算法对缺陷进行定位与成像的工作机理。建立了有限元仿真模型,验证了准T(0,1)模态导波在管道结构中的传播过程。利用研制的多通道电磁超声检测系统,对含缺陷的不锈钢管道进行了检测实验,实验结果表明,研制的系统能够检测出管道试样中的多个通孔缺陷,纵向定位误差可控制在1.5%以下,实现了基于阵列电磁超声传感器的管道缺陷成像与定位。     

超声导波管道缺陷检测的小波阈值去噪法

在超声导波管道缺陷无损检测中,回波信号在接收和处理过程中不可避免地会受到噪声的干扰,另外,超声导波在管道中传播时还存在频散现象,这会给管道缺陷的识别与特征提取带来不利影响。在有限元数值模拟条件下,采用小波分析的方法,利用Daubechies小波家族中的coif3作为小波函数,运用启发式阈值选取方法,对加有噪声的超声导波回波信号进行去噪,实验分析结果表明此方法提高了重构信号的信噪比,有效地抑制了超声导波回波信号中的噪声,在管道缺陷超声导波检测中,可为管道缺陷的识别与特征提取等提供方便。     

改进小波包阈值法在导波信号处理中的应用

在管道超声导波无损检测中,缺陷回波信号不可避免地夹杂着噪声干扰信号,给管道缺陷的识别与提取带来困难。为了克服硬、软阈值去噪处理方法的不足,给出了一种小波包改进阈值法。应用此方法对含高斯白噪声的测试信号和实验采集到的缺陷回波信号进行了降噪处理。仿真与实验结果表明,该方法能有效地抑制缺陷回波信号中的噪声,降噪效果满意。     

基于阵列涡流检测法的管道内部减薄检测仿真与试验研究

工业管道在火电、核电等多领域作为一种重要的传输方式已广泛应用,在长期的服役过程中,由于受到腐蚀减薄、疲劳、第三方破坏或内部潜在缺陷而导致的管道泄漏事故频有发生。该文基于阵列涡流检测技术,使用有限元软件建立管道三维仿真模型,仿真分析不同缺陷参数涡流检测信号变化规律,制作柔性阵列涡流检测探头、检测工装及对比试块,对管道内壁不同盲孔缺陷开展检测试验。结果表明:研制的阵列涡流探头可有效检测出参数为Φ5mm×2mm管道内壁缺陷,随缺陷当量增大,检测信号幅值随之增大,该检测技术有望在管道高精度检测中推广应用。     

超声导波管道检测的小波模极大值去噪法

在管道超声导波无损检测中,缺陷回波信号的质量是实现管道缺陷识别和特征提取的基础。针对在无损检测过程中,频散效应和噪声干扰对缺陷回波信号特征值提取的影响,利用回波信号和噪声的小波变换模极大值在不同尺度上传播特性的差异,采用小波变换模极大值的去噪算法,对超声导波回波信号进行去噪处理。仿真和模拟实验结果表明,小波模极大值去噪法能有效处理回波信号中的噪声的干扰,为下一步管道缺陷的识别与特征提取等打下良好基础。     

基于多频平衡电磁技术的管道内外缺陷检测与全角度表面裂纹识别方法EI北大核心CSCD

缺陷和裂纹是管道安全运行的潜在隐患。因管道表面裂纹方向各异,漏磁方法对表面裂纹敏感性低,而交变电磁方法受限于趋肤效应,无法检测管道外缺陷。该文提出多频平衡电磁技术,解决了管道内外缺陷检测与全角度表面裂纹识别难题。根据电磁平衡技术的电磁场传播特点,分析管道缺陷与裂纹的检测原理。采用有限元方法,研究激励频率对裂纹偏角与内外缺陷响应信号的影响,优化得到20Hz和400Hz的最佳频率组合,并对预制内外缺陷和裂纹的管道进行实验验证。结果表明:多频平衡电磁信号的峰值随内外缺陷深度的增加而近似线性增大;当裂纹偏角由0°增至90°时,平衡电磁信号的峰值逐渐增大。平衡电磁信号峰值与缺陷深度和裂纹角度的关系可用于缺陷深度的量化与裂纹偏角的识别,从而为管道完整性评估奠定良好的基础。     

基于深度学习的天然气钢制管道缺陷检测方法研究

在天然气钢质管道腐蚀缺陷超声检测中,常规模式识别采用人工提取回波信号的方法,存在主观性强、普适性低的问 题。 基于此,本文提出用一维卷积神经网络(one-dimensional convolutional neural network,1D-CNN)提取回波信号的特征结合随 机森林(random forest RF) 分类的方法。 首先根据实验获取的回波信号的噪声情况,用小波包变换(wavelet packet transform WPT)对信号进行去噪;并用变分模态分解( variational model decomposition VMD)对去噪后的信号进行分解和重构以获得平滑 的信号;最后将处理好的回波信号进行 1D-CNN 网络特征提取和随机森林分类。 实验结果表明,基于 VMD-1D-CNN-RF 的天然 气钢质管道缺陷检测方法针对人造缺陷的识别准确率为 85. 71%,针对天然气站场的管道缺陷识别准确率为 71. 05%,表明无需 专家识别也可初步判别管道状况。     

基于PCA的管道缺陷导波信号特征优化方法

针对超声导波管道缺陷检测中存在的识别率低、鲁棒性差等问题,应用了主成分分析对管道缺陷回波信号进行特征优化.首先,通过对超声导波缺陷回波信号进行处理,提取了信号在时域和时频域内的特征参数,构成联合特征向量.然后使用主成分分析法(principal component analysis,PCA)对联合特征向量进行降维处理,通过提取累计贡献率达到89％的主成分得到融合特征.最后用BP神经网络对融合特征进行训练和识别.这种方法可以有效的识别管道缺陷,与联合特征向量相比具有更高的识别率.     

衬胶管道脱粘缺陷超声检测与识别方法研究

针对目前对在役衬胶管道脱粘缺陷缺乏有效检测手段,且检测效率和准确率较低的问题,基于超声脉冲回波法的基本原理,设计了适用于圆柱形衬胶管道超声检测的扫查和探头夹持装置,建立了相应的超声检测试验系统。分析了实际应用中多种干扰因素对超声回波信号的影响,构建了基于一维CNN的超声回波信号二分类模型。通过试验和与传统超声检测缺陷识别方法进行对比,结果表明利用所建立的超声检测系统及一维CNN模型能够在多种干扰因素存在的情况下实现对脱粘缺陷较精确的识别,识别准确率达到96.22%,为在役衬胶管道脱粘缺陷的自动化检测和识别提供了一种有效的方法和手段。     

超声波在管道防腐层剥离内检测中的传播特性研究

针对在役石油输送管道防腐层剥离致使管道存在安全隐患的问题,提出了基于超声波技术的管道内检测防腐层剥离方法,进行了超声波在单、双层介质中传播特性的研究。选择不同中心频率、不同K值的压电超声斜探头对单、双层介质进行超声检测对比实验,对超声回波信号进行数据对比分析。结果表明,在收发探头间距一定时,超声波的入射角度越小,接收到的信号能量越大,峰值比例系数也越大;超声波的激励频率越大,接收到的信号能量越小,峰值比例系数越大。提出了一种适用于防腐层剥离管道内检测的探头选取方法,针对本实验的被检对象,采用5 MHz、K1探头进行检测时,效果最佳,这为采用超声波进行管道防腐层剥离内检测的工程实现提供了理论依据。     

管道缺陷检测全聚焦数据处理及成像方法研究

管道缺陷检测是保证管道系统安全运行的必要手段,本文采用全聚焦成像的方法对管道缺陷进行成像与识别。利用有限元软件ABAQUS对基于L(0,1)模态导波的管道缺陷检测方法进行数值模拟研究,利用中值滤波、希尔伯特变换及信号包络锐化方法对信号进行预处理,然后用处理后的信号构建全矩阵数据,最后利用全聚焦算法实现缺陷成像,最终显示成像结果。实验结果表明,将信号进行预处理后再成像,可有效提高分辨率,实现缺陷的高精度可视化。     

基于磁记忆的金属管道缺陷检测方法

作为油气输送媒介的金属管道,其缺陷处产生应力集中将造成安全隐患,为实现金属管道缺陷的非接触式定量检测,研究了一种磁记忆检测方法。采用磁异常梯度矩阵实现对产生应力集中的缺陷进行定位;利用平移不变量小波去噪(TI)与特征提取进行信号处理;麻雀搜索算法(SSA)优化BP神经网络实现缺陷尺寸反演。实验表明,平移不变量小波去噪相比小波阈值去噪,信噪比提升1.56%,均方误差降低4.87%;SSA＿BP神经网络反演均方误差比BP神经网络降低67.2%;检测方法能在提离状态下实时检测管道缺陷并反演缺陷尺寸。     

超声无损检测中基于分段长码技术的多重回波检测

超声检测中存在的多重回波是影响其检测质量的重要因素.由于多重回波会显著地降低系统的成像分辨率,并造成对诊断和测量的误判.因此,辨别和消除多重回波所造成的干扰,是提高超声检测质量的有效途径.提出了一种在静态检测条件下基于超声分段长码技术来区分多重回波的方法,该方法能够在不依赖任何先验假设和构建的情况下,有效地区分多重回波,辨别和去除其造成的伪像,并且降低检测的模糊度.另外,由于采用多次发射叠加的原理,该方法克服了普通短码的自相关特性不强的弱点,能够获得长码的效果,具有较高的信噪比和检测精度.实验结果表明,该方法达到了预期的效果.     

含缺陷管道磁化状态与漏磁信号规律研究

漏磁检测技术是管道内检测领域常用的检测方法，基于漏磁信号的分析对于管道安全评价具有重要意义。建立漏磁检测的二维仿真模型，研究漏磁检测中励磁强度对于漏磁信号的影响；基于磁化状态对漏磁信号影响的物理模型，可将励磁强度分为3个阶段，即初始增长阶段、非线性增长阶段和饱和线性增长阶段。结果表明，3个阶段的分界点只受缺陷深度的影响，仿真结果与物理模型具有很好的一致性，所划分的3个阶段有效衡量管道漏磁检测中励磁强度的影响，对于漏磁信号采集分析具有指导意义。     

基于奇异值分解的风电场杂波微动特征提取

风电场作为一种特殊的大型建筑物,会影响航管监视雷达对飞机目标的准确探测。同时,由于风电场通常分布在某一大面积区域,风轮机之间具有多径传输特性,进而会影响航管监视雷达对飞机目标的定位和测速。因而,分析风电场杂波的微动特征有助于检测和识别风电场杂波信号,提高雷达探测目标的准确性。基于航管监视雷达风电场回波信号模型,利用奇异值分解技术分析了风电场回波信号的微动特征,并构造相应的特征量实现其微动特征的提取。同时,在飞机目标存在背景下,提取了风电场回波的微动特征,并将其与飞机目标的多普勒特征进行对比分析,仿真结果证明了所提方法的有效性。     

基于实例分割+CCTV排水管道缺陷检测方法研究

当前排水管道检测普遍采用CCTV管道闭路电视检测系统,但系统在缺陷判断过程存在人工参与度高,检测效率低、主观误差大等问题。本文提出一种基于实例分割算法结合CCTV排水管道缺陷检测方法,采用CCTV检测系统采集管道图像,基于Mask R-CNN卷积神经网络排水管道缺陷实例分割检测,对破裂、变形、腐蚀、沉积、障碍物、树根缺陷进行检测分类,并对其中破裂缺陷进行检测评级。实验结果表明,本文方法现场实验缺陷检测准确率达到了100%,现场实验破裂缺陷检测高阶分类准确度达到100%,表现出较好检测性能。     

基于CEEMDAN-HD-云模型特征熵的油气管道工况识别

针对长输油气管道泄漏检测过程中泄漏信号特征信息提取困难,提出一种新的管道负压波信号特征提取方法。采用添加自适应噪声的完备集合经验模态分解算法对采集的负压波信号进行去噪,通过评估CEEMDAN分解后分量与原始信号的概率密度之间的豪斯多夫距离选取有效模态并重构。计算重构信号的云模型特征熵、峭度作为特征参数,用支持向量机进行分类识别。通过实验室数据验证,CEEMDAN、豪斯多夫距离与云模型特征熵结合的方法可以有效提高油气管道泄漏检测的准确性,实现了对流量小于m/h的微小泄漏信号的识别,具有一定的现场应用价值。