共查询到17条相似文献,搜索用时 109 毫秒
1.
2.
李爱凤 《数字社区&智能家居》2009,(8)
埋地管道的外腐蚀控制是管道管理的主要内容,也是保证管道安全运行的前提。该文针对国内管道的管理模式、检测手段及相关标准体系现状,研制了《埋地钢质管道外腐蚀控制管理与评价系统》应用型软件,使其能够用于埋地管道的外腐蚀控制管理及管道的外腐蚀与防护状况评价,并且作为管道完整性管理的一部分。软件已在现场进行了初步试用,获得了比较满意的结果。 相似文献
3.
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
4.
漏磁检测方法实现管道缺陷图形重构技术的研究 总被引:1,自引:0,他引:1
为了实现地下油气输送管道内层腐蚀,裂缝,泄漏状况的检测以及评估,探讨了管道缺陷的图形重构技术,缺陷漏磁场可由简单的恒定磁通的等效面偶极子来模拟,缺陷重建模型出一系列等效面偶极子阵列分布的截面组成,并采用了逆向矩阵求算法得到方程最优解,理论分析和计算结果表明,该模型和算法灵活地实现了管道缺陷的视图化。 相似文献
5.
6.
7.
用超声波检测管道的机器人 总被引:2,自引:0,他引:2
陈慧琴 《机器人技术与应用》1995,(5):28-28
日本NKK公司研制了一种利用超声波高精度检测管道腐蚀情况的机器人系统。60年代,各国铺设了许多远距离输送原油和天然气的管道,因而全世界都在采取措施以评定这些管道老化的情况。 该公司的机器人能以不到1毫米的精度(世界上最高的精度)测定管道的腐蚀情况,而且它所开发的分析软件可清除管道中气泡造成的超声波假数据。目前,美国Texaco国际石油公司的荷兰分公司已向NKK公司订购 相似文献
8.
海底输油管道缺陷漏磁检测信号采集与处理系统的设计 总被引:1,自引:1,他引:1
基于漏磁检测原理,以高性能数字信号处理器为核心,设计了一种海底输油管道缺陷漏磁检测信号采集与处理系统,具有检测速度快,精度高等特点。介绍了系统的硬件组成和软件流程,高速A/D转换器和DSP、PCI总线的应用。设计的系统能够实现缺陷的定位检测,精度达到了设计要求。 相似文献
9.
10.
为了简化管道检测流程和提高效率,设计了一种以通信服务模块为中心的管道检测机器人系统.从硬、软件两方面介绍了该嵌入式系统的设计和实现方法.硬件部分采用低功耗、高性能的STM32处理器作为客户端,通信服务模块采用高通AR9331路由器处理芯片.软件部分主要使用基于Linux的小型开源系统OpenWRT,实现了运动控制、视频采集、参数检查、网络数据收发、级联工作等功能.根据管道机器人的特殊工作流程,制定了一套适用于管道检测的通信协议,保证了机器人的正常工作,提高了检查效率.各种测试结果表明该嵌入式系统设计合理,整体上满足管道检测机器人的各项功能要求. 相似文献
11.
12.
13.
14.
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
15.
本文系统介绍了基于物联网技术的管网巡检系统的系统架构、技术路线及功能设计,并对系统综合利用当前
最先进的物联网、移动互联网、移动GIS、智能终端以及首创的图文导航等创新技术应用进行了详细介绍,最后对系统应用效
果作了客观的评价。 相似文献
16.
计算机仿真在管道漏磁检测中的应用 总被引:2,自引:0,他引:2
磁路的设计、校验和提高设计开发效率是漏磁检测的关键问题。该文介绍了管道漏磁检测技术的基本原理和设计要素。采用有限元仿真的方法对漏磁检测进行分析仿真,实验结果表明这是一种有效的设计校验方法。在有限元仿真、三维cad、产品数据管理等子系统的基础上构建了漏磁检测器的设计开发系统,使产品研发工作得以优化重组,有效提高了开发效率、缩短开发时间、减少开发成本。 相似文献
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