基于磁记忆方法的油气管道内检测试验研究

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。     

基于磁记忆技术的油气管道缺陷检测研究

采用金属磁记忆方法对管道缺陷进行精确测定,是当前无损检测领域的研究热点和难点。文章介绍了磁记忆检测的优势和原理,分析了采用磁记忆仪检测油气管道缺陷的结果,并对磁记忆检测的影响因素进行了研究。检测试验结果表明,磁记忆检测仪能比较准确地定位管道缺陷;提离对金属磁记忆检测的影响比较明显,随着提离值的增加,磁场信号越来越弱;扫描速度对检测信号影响较小;不同的检测姿态对磁记忆检测信号特征值的影响效应存在较大差异,这对磁记忆检测信号特征量的提取极为不利,建议开发三维探头进行检测。     

基于金属磁记忆检测技术的油气管道检测研究

油气管道内的应力集中区如果不进行早期诊断,将逐渐演变成宏观裂缝从而导致结构破坏,而传统的漏磁检测不能进行有效的检测[1],本文以金属磁记忆检测技术为基础,建立了油气管道的应力集中区磁偶极子模型,并对模型进行了matlab正演和反演仿真,通过检测点处的漏磁场量,定量的反演出了应力集中区深度,为油气管道的早期无损检测提供了理论依据。     

海底管道典型缺陷磁记忆检测试验研究

针对海底管道在生产运行中受到腐蚀性介质及外力作用,易产生缺陷导致失效的问题,以磁记忆检测技术为基础,研制开发了海底管道内检测器,基于海底管道损伤典型缺陷形式设计并搭建了管道损伤检测试验台,对研制的海底管道内检测器进行了管道损伤检测试验研究。试验结果表明,研制的海底管道内检测器能够有效检出管道已有缺陷;对不同缺陷类型、尺寸磁记忆检测信号的特征参数进行对比分析,证实了磁记忆检测技术在缺陷量化中的应用潜力。研究成果为磁记忆检测技术应用于海底管道缺陷损伤检测提供了技术支撑。     

基于欧拉反演法的金属磁记忆油气管道检测研究

油气管道应力集中区定量化研究一直是无损检测的热点和难点,本文为利用金属磁记忆检测技术定量化地反演油气管道应力集中区的位置,首先建立了油气管道应力集中区的磁偶极子模型,通过油气管道表面漏磁场及其梯度张量数据,使用欧拉反演法,采用多点联合反演,快速准确地反演出了油气管道应力集中区的位置,为油气管道的早期定量化无损检测提供了理论依据。     

海底管道损伤悬跨段磁记忆检测研究

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...     

基于磁记忆效应的新型管道机器人

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。     

兰成渝输油站弯管震后金属磁记忆检测

兰成渝输油管道担负着西南片区成品油供应,由于其特殊性,常规的无损检测方法(超声波、磁粉、渗透检测等)不适于对输油管道的在线检测,并且不能检测出管道的早期应力集中。应用金属磁记忆检测技术对兰成渝输油站弯管进行"5.12"汶川大地震震后应力集中检测分析,可以定性评价震后兰成渝输油管线的安全性,为管道的维护提供重要的参考依据,同时也为金属磁记忆检测技术在管道检测方面的推广应用奠定了基础。     

磁记忆无损检测变送器的研制

通过采用磁敏传感器和二级放大电路研制了磁记忆无损检测变送器．并对该变送器进行了实验测试。实验结果表明该变送器能有效检测铁磁构件的应力集中以及构件的早期缺陷；磁记忆检测是对在役铁磁性部件进行早期缺陷诊断的有效手段。     

埋地管道磁记忆检测机器人机械结构设计与运动学仿真

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。     

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

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。     

长输油管道泄漏的神经网络检测方法研究

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.     

用改进的BP神经网络评判管道的腐蚀类型

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。     

基于BP神经网络技术的水淹层评价

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。     

基于BP神经网络的储层微孔隙结构类型预测

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.     

模糊神经网络岩性识别系统

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     

基于BP神经网络原理的人造岩心配比设计模型

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     

基于BP神经网络技术的储层流动单元研究

黄珏油田方4阜一段储层属低孔隙度、低渗透率储层,储层特性较为复杂,在进行储层参数的求取时存在较大误差.结合取心物性资料、测井资料,选用流动带指数IFZ划分方法将取心井储层流动单元划分成Ⅰ、Ⅱ、Ⅲ类,并建立流动单元的识别和划分标准.在此基础上,利用BP神经网络技术对取心井储层流动单元进行学习训练,与测井曲线建立其相关的学习和预测模型,对非取心段储层流动单元进行预测,明显提高了测井解释精度,为储层精细评价提供一种较有效的研究方法.