基于神经网络及数据融合的管道缺陷定量识别

分析了管道缺陷的特征参数与漏磁信号的关系，研究显示管道缺陷的深度和长度分别与漏磁信号的幅值和宽度呈近似线性关系。将实际漏磁信号预处理以消除传感器提离值不同带来的影响，然后用已训练好的BP神经网络进行了管道缺陷的定量识别，识别结果的误差〈10％，完全满足实际检测要求。分别用加权平均和自适应加权平均两种方法将轴向和径向漏磁信号进行信号级融合，融合后基于BP神经网络的缺陷定量识别的精度和可靠性得到了明显提高，其中加权平均法更优。     

管道漏磁在线检测系统的研究

介绍了高精度管道漏磁在线检测系统的检测原理及基本结构,研究了基于单片控制系统的新型管道漏磁在线检测系统,提出了应用有限元技术、小波消噪、小波包变换、小波神经网络等对管道漏磁检测信号进行处理的方法.     

高速漏磁检测中的速度效应及信号补偿

介绍了高速漏磁检测中速度效应的基本原理，研究了高速下漏磁信号的变化规律，对基于维纳滤波的信号补偿进行了研究，补偿后的信号可以正确地反映被检测缺陷的参数信息。     

油气管道缺陷漏磁在线检测定量识别技术

用有限元软件建模研究了管道缺陷的特征参数与漏磁信号的关系.对漏磁信号进行预处理以消除传感器提离值不同带来的影响,用BP神经网络进行了管道缺陷的定量识别,识别结果的误差<10%.将轴向和径向漏磁信号分别用加权平均和自适应加权平均两种方法进行信号级融合,数据融合后缺陷定量识别的精度和可靠性得到了提高.