共查询到17条相似文献,搜索用时 140 毫秒
1.
2.
储罐底板的漏磁检测信号处理中小波奇异性检测理论的应用 总被引:1,自引:0,他引:1
漏磁检测是无损检测中的一种重要方式,采用漏磁法采集到的漏磁信号具有数据量大和附带有大量的噪声的特性,其中,缺陷通常表现为输出信号发生突变,因此考察信号突变点的变化对漏磁检测有很重要的意义。本文利用了小波分析其独特的时域和频域特性,分析了基于小波变换的漏磁信号奇异点的定位方法和奇异性程度的计算方法,对漏磁信号进行处理,使信号便于存储和分析,仿真结果表明该方法是有效的。 相似文献
3.
4.
5.
6.
《工矿自动化》2021,47(3)
针对钢丝绳断丝损伤检测以外部断丝损伤检测为主,对内部断丝损伤检测的研究较少且内外部断丝识别精度不高的问题,提出了一种钢丝绳内外部断丝损伤识别方法。通过钢丝绳损伤径向漏磁检测器采集钢丝绳断丝损伤产生的漏磁信号;采用双密度双树复小波变换对漏磁信号进行降噪处理;通过设置自适应阈值提取降噪信号的时域特征,同时提取原始漏磁信号的频域特征;采用基于类间距离和互信息的方法进行特征选择,即先对所有特征进行归一化处理,剔除标准差较大及类间距离较小的特征,然后计算特征之间的互信息,排除包含损伤信息较为相似的特征,最后计算特征中区分度最差的2种损伤类型,并从剔除的特征中收回这2种类型类间距离最大的特征;将保留的特征融合作为最优特征子集并输入BP神经网络进行分类识别。测试结果表明,该方法能识别钢丝绳内外部断丝损伤且识别准确率达97.8%。 相似文献
7.
管道检测是发现隐患和保障油气管道安全可靠运行的重要措施,漏磁内检测是管道检测的主要手段和趋势,检测数据分析是管道检测结果的前提和保障,通过数据分析能提供金属损失和管道特征的类型、尺寸、形状、位置和方位等信息。从多传感器漏磁内检测器系统构成引出多传感器构成,采取分布式的多传感器数据融合分析技术,分别对漏磁检测器的主传感器、ID/OD传感器、轴向里程传感器、周向钟点传感器的信号进行各自特征量的数据分析,最后采取支持向量机融合分析技术实现对多传感器检测数据的融合分析,相较于传统的单类型传感器数据分析能有效提高数据分析的全面性、质量和准确性。 相似文献
8.
针对钢管漏磁检测的特殊性,设计开发了一种带有干扰滤波的探伤监控系统,采用信号接收模块配合多串口卡,开辟了多个内存缓冲区,将数据进行多线程并行分析处理,极大地提高了数据处理的速度和检测的实时性。采用均值平移小波阈值去噪法对漏磁检测信号进行降噪处理,有效降低了测量噪音等干扰因素的影响,并消除伪吉布斯现象。软件部分利用 Visual Studio C#进行开发,可以实现无人值守条件下的全自动流水线检测控制、自动钢管缺陷判断、报警和分析处理等功能。系统具有高的实用性和可靠性。 相似文献
9.
10.
管道腐蚀检测中的脉冲漏磁检测技术 总被引:2,自引:0,他引:2
漏磁检测技术广泛应用于管道等铁磁性材质的检测;由于常规漏磁检测的局限性,往往难以检测近表面和表面下缺陷;在分析漏磁检测原理基础上,采用脉冲交流磁化方式;介绍了脉冲漏磁检测系统,并对不同深度的缺陷钢管试件进行了试验,试验结果表明提取脉冲漏磁检测传感器(径向分量)输出的瞬态输出电压信号可对表面和表面下腐蚀缺陷进行有效识别;脉冲漏磁检测方法综合了漏磁检测和脉冲涡流检测的优点,具有快速、定量检测的特点,在管道等的缺陷检测中具有广阔的应用前景。 相似文献
11.
针对脉冲漏磁检测技术对不同方向的漏磁分量进行分析时存在一定局限性的问题,基于脉冲漏磁(PMFL)检测中的U型磁轭和脉冲涡流(PEC)检测中的矩形空心激励线圈,提出了脉冲聚磁(PMC)检测方法.通过仿真和实验分析了铁磁性试件在脉冲漏磁和脉冲聚磁两种检测模式下,缺陷部位的响应信号X,Y和Z3个分量的检测效果.结果表明:脉冲聚磁检测方法在进行铁磁性材料构件的缺陷检测时,激励探头对被测试件的3个方向的分量激励效果更明显,同时对于不同深度的表面缺陷,脉冲漏磁响应信号的三维分量具有更高的检测灵敏度. 相似文献
12.
13.
14.
介绍基于神经网络的钢材表面裂纹定量检测原理及方法,设计了基于LabVIEW的钢杆裂纹缺陷漏磁定量检测系统,并对钢杆表面横向裂纹缺陷进行模拟实验,运用神经网络技术初步建立数学模型,通过评判Vpp得到反映裂纹状况的定量检测结果,从而验证了该方法的可行性,并得出相关的结论。 相似文献
15.
16.
17.
长输油气管道作为能源运输的主要方式,安全问题至关重要;管道漏磁内检测技术作为管道缺陷检测的重要方法之一,在管道安全保障中发挥着重要作用;人工智能技术可实现管道内检测数据的自动识别,对于减少人力工作量,减少人为误差,提升数据判读准确性具有重要意义;通过引入损失函数Distance-IoU对目标检测算法YOLOv5进行改进,利用改进YOLOv5算法对管道漏磁数据进行训练,使之具有对漏磁缺陷信号自动识别的能力;通过实验,对实际漏磁内检测数据进行识别;结果表明,改进的YOLOv5算法实现了管道缺陷漏磁信号的自动检测识别;并且在相同的训练条件下,改进的YOLOv5算法相较于原始算法准确率有明显的提升,在识别缺陷数量上其精度达到92.8%,比原算法提升了3.22%,改进后的模型损失函数平均损失率为3.6%,比原始YOLOv5模型降低了2.2%,表明该方法在管道缺陷漏磁数据自动识别检测方面具有较好的可行性。 相似文献