共查询到18条相似文献,搜索用时 46 毫秒
1.
基于磁记忆方法的油气管道内检测试验研究 总被引:1,自引:1,他引:0
管道内检测技术是应用最为广泛的维护管道安全性与完整性的有效方法。鉴于目前管道内检测采用超声波、漏磁检测方法对于管道损伤评价存在的局限性,提出采用金属磁记忆方法进行检测。金属磁记忆方法通过记录地磁场作用下的金属构件表面的漏磁场信息,可对构件微观缺陷和应力与变形集中区进行辨别。应用自主研发的610mm管道磁记忆内检测装置进行了现场牵拉试验研究。结果表明,所设计的内检测装置具有良好的可靠性与管道通过性,并能通过多通道数据分辨出不同类型的缺陷特征,采用磁记忆方法进行管道内检测在技术上是可行的,具有良好的开发应用前景。 相似文献
2.
3.
4.
5.
6.
海底管道是保障海上油气田持续开发的重要运输手段,海底管道在生产运行过程中容易受到腐蚀及外力作用产生缺陷而导致失效,因此定期对海底管道进行内检测是保障管道安全运行的必然需求.鉴于此,对试验管道损伤部位进行了力磁耦合仿真,仿真结果显示在管道的受力部位产生了磁场强度的变化.又以磁记忆检测技术为基础并结合已有的管道漏磁内检测技... 相似文献
7.
基于磁记忆效应的新型管道机器人 总被引:1,自引:0,他引:1
目前国内管道内检测技术水平低,无法满足日益增长的油气管道检测需求,为此,研制了一种基于磁记忆效应的新型管道机器人。该装置由机械行走机构、信号采集与处理系统、姿态控制与定位系统、辅助系统4部分组成。机械部分提供支撑与动力,信号部分采集并处理管道漏磁场信号,姿态部分确定缺陷的位置,辅助系统提供电力,并可进行应急定位。试验情况表明,该装置可有效识别各种管道缺陷,具有检测精度高、定位准确、通过性能好、结构简单和稳定可靠等优点,达到了设计要求,这对于保障我国油气管道安全运行,推进管道完整性管理具有重大意义。 相似文献
8.
9.
10.
针对目前国内管道机器人在行进过程中极易卡堵、变径范围小且检测效率低下的问题,提出一种用于埋地管道的分体式可变径磁记忆检测机器人。设计了管道机器人的机械结构,通过SolidWorks建立三维模型,利用ADAMS对机器人在弯管与变径管道内的通过性进行了仿真分析。在此基础上,制造物理实体模型,进行管道内通过情况与磁记忆检测试验。试验结果表明,机器人结构设计合理,可以顺利通过曲率半径不小于1.5倍管径的弯管以及280~340 mm的变径管道,且磁记忆检测结果与X射线复验结果一致,为可变径、自适应、全寿命埋地管道检测机器人的设计提供了新的思路。 相似文献
11.
正态分布在基于BP人工神经网络识别火山岩岩性中的应用 总被引:1,自引:0,他引:1
基于测井资料的BP神经网络法识别火山岩岩性应用比较广泛。若网络训练样本本身存在问题,将导致网络不易收敛、精度低。合理确定训练样本的输入值和期望输出值尤为重要。通过对大量的火山岩测井数据进行处理分析,发现部分测井响应特征参数在不同测段内基本上服从正态分布规律,据此应用正态分布理论。给出了合理确定训练样本方法和计算公式。计算结果表明,利用该方法进行火山岩岩性识别是可行的。该方法对其他相关领域也具有参考价值。 相似文献
12.
长输油管道泄漏的神经网络检测方法研究 总被引:1,自引:0,他引:1
为减少因管道泄漏造成的损失与危害,在分析国内外各种管道泄漏检测技术的基础上,有效地利用管道输油压力和流量等参数,应用神经网络技术以及基于BP神经网络的泄漏检测方法对输油管道泄漏进行检测,可以准确而可靠地检测出管道的泄漏.结果表明,使用神经网络方法,利用压力和流量2个参数,检测结果的精度与准确性比利用1个参数时得到较大的提高. 相似文献
13.
用改进的BP神经网络评判管道的腐蚀类型 总被引:1,自引:0,他引:1
用BP神经网络分析评判管道的腐蚀类型,可以避开寻找各种因素对腐蚀类型影响规律的难题,方便准确地分析评判出管道的腐蚀类型,但是传统的BP神经网络存在收敛速度较慢和容易陷入局部极小点两个问题,为此文章提出了将传统的BP神经网络与共轭梯度优化算法相结合,以优化网络权值和阈值的计算,同时确定了相应的计算方法。将改进后的BP神经网络应用到管道腐蚀类型的评判中,取得了良好的效果。计算结果表明,改进后的BP神经网络具有更好的学习能力,可以在更少的迭代次数和时间内,得到高精度的输出结果。 相似文献
14.
基于BP神经网络技术的水淹层评价 总被引:1,自引:0,他引:1
油层水淹后,油层的电阻率、自然电位、声学性质以及核物理性质等均会发生一系列变化,而且这些变化同油层的物理性质、注入水性质以及注入量等有关。不同的注水时期,这些变化也是不同的,因而使地质情况更加复杂多变。此时如果仅仅依靠常规测井曲线的变化建立模型来评价水淹层,势必造成很大误差。根据常规测井资料,借助BP神经网络,建立了BP网络模型,用建立的模型对某断块的15口具有试油资料的井进行了水淹级别预测,正确率高达80%以上。结果表明,基于BP神经网络的水淹层识别技术具有良好的应用效果。 相似文献
15.
储层的微孔隙结构是影响高含水期油田剩余油分布的主要冈素.提出了基于神经网络技术埘测井资料处理以识别储层孔隙结构类型的方法.介绍了BP神经网络原理.该方法利用人工神经网络技术所具有的非线性、容错性和较强的模式识别能力实现了综合推理,进行储层孔隙结构类型预测.选取反映孔隙结构类型特征的自然电位、自然伽马,声波时差等7条常规测井曲线建立样本模式.并统一刻度,进行归一化处理.建立了神经网络模型.对大庆油田采油五厂储层样本进行了处理,符合率达80%以上,表明该方法用于预测储层微孔隙结构类型是可行和有效的. 相似文献
16.
简要分析了自组织特征映射神经网络岩性分类方法的原理及不足,提出了用模糊神经网络实现岩性分类、并结合贝叶斯统计模式识别的岩性识别系统。试算结果表明该系统是可行的,经适当修改完善后,并可用于岩相识别。图2表4参9 相似文献
17.
利用人造岩心模拟已知物性参数的地层条件来替代天然岩心,已成为天然岩心存量较少条件下石油开发室内研究的一种趋势。通过综合全面地考虑人造岩心物性参数的影响因素,制定人造岩心配比设计正交方案,制备人造岩心,测试物性参数,分析预考虑影响因素与物性参数的关系;采用灰色关联法,明确岩心孔隙度、渗透率、粒度中值的主要控制参数,进一步分析和判断预考虑影响因素的合理性;基于影响因素分析结果、实验数据、BP神经网络原理,建立人造岩心配比设计数学模型。结果表明,预考虑影响因素的全面性和影响因素数据化、定量化是建立模型的基础。影响人造岩心物性参数的影响因素主要有砂型配比、胶结物加量、压制压力和加压时间等。其中,胶结剂加量和压制压力对孔隙度影响程度大;粒径为0.224数0.45 mm石英砂加量对渗透率影响最大;0.154数0.28 mm石英砂加量对粒度中值影响最大;0.074数0.18 mm石英砂加量对孔隙度、渗透率和粒度中值的影响最弱。由配比设计模型计算岩心制备加量,根据计算结果制备的人造岩心物性参数测试值与期望值的总体相对误差小于10%。该方法可用于指导定制物性参数模拟误差小的人造岩心。图9表2参15 相似文献