基于模糊免疫算法的管道缺陷磁记忆识别

在金属管道的磁记忆检测中,管道缺陷状态的识别普遍是基于单个检测信号特征值来进行分析的。这种方法存在误检率高、可靠性低等问题。为此,构建了一个基于模糊免疫算法的智能识别模型,将磁记忆检测信号多个特征值组合为一个向量,作为识别模型的输入向量,以分析识别管道缺陷的状况。实验表明,该方法能够对管道缺陷进行准确、有效的识别。     

基于改进YOLOv5算法的管道漏磁信号识别方法

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。     

国外长输管道安全管理与技术综述

油气长输管道具有管径大、运输距离长、压力高和输量大的特点,逐渐成为油气输送的主要途径.随着建设量的增大,老管线服役时间的增长,长输管道事故的增多,管道安全问题越来越受到人们的重视.本文对国外近几年在长输管线安全方面的一些做法作了综述与分析,针对我国的情况提出几点建议.……     

油气长输管道工业控制网络安全风险与应对措施

随着我国网络技术和数字化进程的飞速发展,越来越多的网络威胁渗透到了各行各业,油气长输管道工业控制网络面临着前所未有的安全考验。为了保证国家资源的安全生产与传输,需要提出一个全新的安全体系。论文通过分析当前油气长输管道工业控制网络系统安全架构,发现一些潜在的危险因素,并且根据油气长输管道现有的安全防护措施,提出了油气长输管道安全网络架构应增强纵深防护策略,不同层级的网络都需要具备安全区域划分的理念。论文以此为依据,从系统中的软件、硬件、技术及管理等方面进行了研究,并提出了一种全新的油气长输管道工业控制网络的安全系统架构,从而更好地保证了国家资源的安全生产和运输。     

基于MSP430磁记忆检测多路信号处理

金属磁记忆检测方法是通过检测铁磁构件的磁场分布情况来诊断和预防设备缺陷的一种新方法。本文设计了一种新的磁记忆检测系统。该系统基于金属磁记忆检测原理,采用MSP430F4794单片机检测铁磁构件的裂纹、诊断评估其应力状态及应力集中区域,为及时处理检测结果提供了新的途径。     

基于双处理器的磁记忆/漏磁检测系统

为了弥补磁记忆和漏磁无损检测机理的局限性,提出漏磁辅助磁记忆检测的构想,设计了一种基于DSP和PC104双处理器架构的新型检测系统。硬件设计主要分析了传感器、信号调理、AD采样和双处理器架构;软件设计以上位机操作系统和下位机信号通信传输模块开发为主。通过硬件设计与软件开发,将磁记忆与漏磁检测技术基于同一操作平台组合在一起,从而实现了金属磁记忆和漏磁检测技术在管道检测工程中的完整应用。实验结果表明,相对单一检测技术,新型检测系统具有更强的缺陷识别能力和识别有效性。     

油气管道线路图像智能识别技术应用研究

长输油气管道距离长,所经区域人文、自然环境多样,沿线存在大量施工、农耕等第三方活动,甚至打孔盗油等蓄意破坏行为,极易对管道造成破坏,一旦引起管道泄漏将带来极大的安全风险。为了提高管道的安全防护水平,部分管道线路重点区域安装了摄像头识别管道周边的人员和机械施工等。受摄像头功能单一、识别功能弱等影响,应用中仅能发现物体的移动,并且会带来大量误报警。因此,采用深度学习技术建立车辆、人员的识别模型对摄像头报警图片进行二次识别。经实际管道测试,二次识别模型对工程车、农用车、普通车辆和人员具有较高的识别准确率,可有效降低误报警次数,提高了管道的安全防护水平。     

基于神经网络的超声导波管道缺陷识别

在役石油管道的腐蚀是造成石油管线运输故障的重要原因,适时检测在役管道是否被腐蚀至关重要。研究了超声导波进行长距离在役管道检测技术,并利用人工神经网络进行管道缺陷的智能识别,通过超声导波设备进行了管道缺陷检测实验,从原始检测数据的信号处理结果中提取出了样本特征值,并建立和训练了一种用于实现管道缺陷识别的BP神经网络。实验表明:使用该网络可进行超声导波管道缺陷的自动识别。     

业界信息

焦点关注“十五”期间中石油将新建长输管道1万公里“十五”期间中国石油将重点建设的油气管道包括:西气东输工程、忠武管线、陕气东输二期工程、兰成渝成品油管道和进口俄罗斯原油管道。通过建设西气东输、忠武等天然气管道工程,加上已经投产的涩宁兰和陕京管线,2006～2015年期间,中国石油还计划建设俄罗斯东西伯利亚经沈阳至北京和大连的天然气干线,以及配套的支线和储气库。到2015年争取在全国形成“一横一纵”的大干线和六大区域性管网。中石油“十五”期间中石油将新建长输管道总长度在1万公里以上。我国城市污水处理蕴藏巨大商机6月5…     

基于FPGA的管道缺陷检测系统设计

针对长输管道在长时间使用过程中为保证安全，需定期进行管道检测的问题，该文设计了一种基于FPGA的管道缺陷检测系统，该系统通过对多路漏磁传感器的信号经过放大、滤波后采集并经过FPGA控制数据存储到Nand Flash中，完成管道内缺陷信息采集与存储。当完成检测后通过上位机读取检测的数据并进行分析处理，判断管道是否存在缺陷以及缺陷的位置。经实验测试表明，该系统能够准确地定位管道缺陷的位置，位置误差在0.1 m之内，且系统可靠性高、体积小，具有一定的工程应用价值。     

Signal processing and defect analysis of pipeline inspection applying magnetic flux leakage methods

Corrosion, stresses and mechanical damage of oil and gas pipelines can result in catastrophic failures, so pipeline safety evaluation is an important problem of oil and gas transmission. To evaluate the pipeline safety, this paper described a novel magnetic flux leakage (MFL) inspection device, and the designing MFL intelligent inspection pig was used to multi-radius pipelines and variational work condition. At the same time, because signal processing and defect recognition technique is one of the most important techniques in offshore pipeline inspection MFL system, the paper also discussed its signal processing procedure. Time-frequency analysis, median and adaptive filter, and interpolation processing are adopted to preprocess MFL inspection signal. In order to obtain high sensitivity and precision, we adopted multi-sensor data fusion technique. A wavelet basis function neural network was used to recognize defect parameters. The main contribution of the article is that we presented a novel method to evaluate and predict oil pipelines’ condition through combining neural network, data fusion and expert system techniques, and through constructing a knowledge-based off-line inspection expert system, the system improved its defect recognition capability greatly.     

基于T-S模糊神经网络预测算法的管道泄漏定位研究与分析

长输管道的泄漏检测和定位对管道安全平稳运行意义极其重大,在以软件计算为主的检测方法里,模糊神经网络模型综合了模糊算法和神经网络模型的优点,能较好地适应长输管道的非线性特征。本文采用中亚地区某管道某相邻两站场的历史数据训练基于高木-关野（Takagi-Sugeno）模糊神经网络的预测模型,使用STONER管道仿真软件产生实时数据,用一种较简单的软方法较好的实现管道泄漏定位,该种方法对中亚某长输管道这类没有专门硬件泄漏检测设备和系统的管线有一定的实用意义。     

埋地管道检测技术现状与展望

定期对埋地管道进行检测有利于管道的维护管理和完整性评价。对埋地管道常用的外检测和内检测技术进行了综述,包括用于管道缺陷检测的超声检测、涡流检测、漏磁检测和视觉检测,以及用于管道变形检测的通径检测法、超声波法、激光三角法、环形光投射成像法等。阐述了各检测方法的基本原理,总结了各自的优势与局限性,为检测技术的选择提供了有效参考。梳理了埋地管道检测技术的发展现状,特别是电磁超声、漏磁、视觉内检测技术的新进展,分析了管道检测的发展趋势,并给出了一些技术难点的解决思路。目前的研究热点表明,埋地管道检测技术正在朝着复杂化对象的检测新方法、缺陷定量化、检测数据可视化的方向发展。     

Oil and gas pipeline failure prediction system using long range ultrasonic transducers and Euclidean-Support Vector Machines classification approach

This paper presents an intelligent failure prediction system for oil and gas pipeline using long range ultrasonic transducers and Euclidean-Support Vector Machines classification approach. Since the past decade, the incidents of oil and gas pipeline leaks and failures which happened around the world are becoming more frequent and have caused loss of life, properties and irreversible environmental damages. This situation is due to the lack of a full-proof method of inspection on the condition of oil and gas pipelines. Onset of corrosion and other defects are undetected which cause unplanned shutdowns and disruption of energy supplies to consumers. Existing failure prediction systems for pipeline which use non-destructive testing (NDTs) methods are accurate, but they are deployed at pre-determined intervals which can be several months apart. Hence, a full-proof and reliable inspection method is required to continuously monitor the condition of oil and gas pipeline in order to provide sufficient information and time to oil and gas operators to plan and organize shutdowns before failures occur. Permanently installed long range ultrasonic transducers (LRUTs) offer a solution to this problem by providing an inspection platform that continuously monitor critical pipeline sections. Data are acquired in real-time and processed to make decision based on the condition of the pipe. The continuous nature of the data requires an automatic decision making software rather than manual inspection by operators. Support Vector Machines (SVMs) classification approach has been increasingly used in a multitude of domains including LRUT and has shown better performance than other classification algorithms. SVM is heavily dependent on the choice of kernel functions as well as fine tuning of the kernel and soft margin parameters. Hence it is unsuitable to be used in continuous monitoring of pipeline data where constant modifications of kernels and parameters are not unrealistic. This paper proposes a novel classification technique, namely Euclidean-Support Vector Machines (Euclidean-SVM), to make a decision on the integrity of the pipeline in a continuous monitoring environment. The results show that the classification accuracy of the Euclidean-SVM approach is not dependent on the choice of the kernel function and parameters when classifying data from pipes with simulated defects. Irrespective of the kernel function and parameters chosen, classification accuracy of the Euclidean-SVM is comparable and also higher in some cases than using conventional SVM. Hence, the Euclidean-SVM approach is ideally suited for classifying data from the oil and gas pipelines which are continuously monitored using LRUT.     

负压波检漏技术的探讨及其在输气管线中的应用

随着我国长距离输气管道的不断增多,管道沿线的泄漏问题也日益严重,因此对输气管道泄漏的自动监测和泄漏点的定位就显得尤为重要。本文介绍了应用负压波对管道泄漏进行监测的基本原理和方法,并对定位的基本公式的优化进行了讨论,介绍了更为准确的计算公式。验证结果表明,上述经过优化的计算方法具有更高的定位准确度,对管道泄漏自动监测数学模型的建立具有一定的指导意义。     

基于长输管道SCADA运行数据的诟控操作分析与研究

长输管道SCADA系统建设日趋成熟,在各级油气管道调控中心也搭建了数据小心,实现了对多条管道SCADA运行数据的汇聚,积累了大量的管道生产运行数据,这些数据详实地记录了管道生产运行和调控操作的全过程。而调控中心面临着如何对管道调控操作规律、篱道复杂度和调度漪操作水平进行科学评估与分析的难题。本文介绍了采用数据挖掘中描述性分析技术,基于海量的长输管道SCADA运行数据,对调控操作基础数据进行工况判断规律的提取、分析和完善,最终识别判断出调度人员在各种工况下操作全貌,井基于工况自动判断结果进行各种纬度的统计分析,为调控运行管理提供科学的决策支持数据和有效分析方法。     

基于漏磁检测的钢管探伤监控系统设计

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。