| 基于极限学习机及磁记忆技术的管道缺陷分类方法研究 |
| |
| 引用本文： | 王宇,万勇,杨勇,戴永寿.基于极限学习机及磁记忆技术的管道缺陷分类方法研究[J].油气田地面工程,2019(7):98-103. |
| |
| 作者姓名： | 王宇 万勇 杨勇 戴永寿 |
| |
| 作者单位： | 中国石油大学(华东)信息与控制工程学院;中国石化股份有限公司胜利油田分公司技术检测中心 |
| |
| 摘 要： | 金属管道表面往往存在着腐蚀和应力集中这两种类型的缺陷。金属磁记忆检测技术是目前唯一能对铁磁性构件的早期损伤进行诊断的无损检测技术,然而通过磁记忆原始信号本身并不能直接实现对管道腐蚀缺陷和应力集中缺陷的区分和识别。针对该问题,采用极限学习机方法建立了多种极限学习机管道缺陷分类模型,并利用模型对油田现场环境下6条管道的缺陷类型进行了识别,缺陷的平均正确识别率均在70%以上。结果表明,模型对管道腐蚀缺陷和早期应力集中缺陷的识别是有效的,且识别率较高。该研究结果可为该领域的研究提供一定的参考,且具有较高的实际应用价值。
|
| 关 键 词： | 管道缺陷 金属磁记忆 极限学习机 腐蚀 应力集中 |
Classification Method Research on Pipeline Defects Based on Extreme Learning Machine and Magnetic Memory Technology |
| |
| WANG Yu,WAN Yong,YANG Yong,DAI Yongshou.Classification Method Research on Pipeline Defects Based on Extreme Learning Machine and Magnetic Memory Technology[J].Oil-Gasfield Surface Engineering,2019(7):98-103. |
| |
| Authors: | WANG Yu WAN Yong YANG Yong DAI Yongshou |
| |
| Affiliation: | (Information and Control Engineering Department,China University of Petroleum (East China;Technology Test Center of Shengli Oilfield Company,SINOPEC) |
| |
| Abstract: | WANG Yu;WAN Yong;YANG Yong;DAI Yongshou(Information and Control Engineering Department,China University of Petroleum (East China;Technology Test Center of Shengli Oilfield Company,SINOPEC) |
| |
| Keywords: | pipeline defects metal magnetic memory extreme learning machine corrosion stressconcentration |
| 本文献已被 CNKI 维普 等数据库收录！ |
