油管损伤的磁性检测法及其实现技术

实施油管的现场探伤对防止油管泄漏或断裂事故的发生具有十分重要的意义。提出一种适于对油管损伤进行现场检测的磁性检测法并设计了多传感器子系统，它用一个包含霍尔传感器和聚磁器的聚磁检测单元阵列实现了局部损伤和壁厚损伤的综合检测。该多传感器子系统具有损伤分辨力高、效率高、结构简单及现场适应性强等特点，已成功应用于基于磁性传感器信息融合的油管损伤在役检测系统中。     

在用油管剩余壁厚检测方法

提出采用主磁通与漏磁通相结合的方法检测在用油管剩余壁厚的方法。分析了检测原理，介绍了检测传感器的设计。检测时，沿油管周向磁化被测管段，油管螺旋前进，检测探头固定，主磁通用于测量油管的大面积剩余壁厚，漏磁通用于测量小面积壁厚变化，两种不同信号可用软件进行滤波区分，最终达到精确检测剩余壁厚的目的。试验表明了该方法可用于油管剩余壁厚分类。     

镍磷镀油管在某油田注水井中的损伤原因

采用SEM、EDS和XRD等表征手段分析了在注水井中使用23～65个月的镍磷镀油管的表面腐蚀产物形貌、成分和结构,并对镍磷镀层和油管钢基体的失效原因和腐蚀机理进行探讨。结果表明:服役后,油管表面镍磷镀层均发生了不同程度的损伤,油管钢基体也发生了腐蚀,64.2%的镍磷镀油管因腐蚀引起的壁厚减薄大于标准要求(缺陷深度小于12.5%管体名义壁厚);镍磷镀层厚度太薄,油管前处理工艺不达标,以及Cl-引起的腐蚀是镍磷镀层失效的主要原因;镍磷镀层失效后,腐蚀介质直接与油管钢基体接触,发生溶解氧腐蚀、二氧化碳腐蚀和垢下腐蚀。     

油管抗内压强度及爆破失效机理研究

利用水压试验机对油管进行爆破试验,检测在爆破过程中油管外壁的应变变化。运用弹塑性力学理论建立模拟油管爆破过程的有限元模型,得到油管外壁应变随内压变化的曲线,并与试验值对比,从而探索油管爆破的失效机理。结果表明,油管爆破过程中,壁厚较薄处首先产生较大的应变进而造成油管在此处爆裂。利用有限元法进一步分析发现,与管体椭圆度相比,壁厚不均度对油管抗内压强度影响较为显著。将有限元模拟与应变测试结合起来以提高有限元模拟的精度,对研究油管爆破失效机理、预测油管抗内压强度具有一定的参考价值。     

用磁桥路法测量油管壁厚的研究

石油开采中，油管内壁杆状磨损和内外壁大面积腐蚀引起的油管壁厚减薄是造成油管失效的主要原因之一。提出了一种利用布置在磁通测量桥路中的集成霍尔元件测量油管壁厚的磁桥路方法，对其测量灵敏度、精度和量程等进行了讨论。该方法为表现受泥或其它非导磁性材料覆盖的旧油管的现场定量检测提供了新的方法与手段。     

多传感器信息的决策融合法及其在电磁检测中的应用

介绍多传感器信息的决策融合原理及其常用方法，重点分析了基于目标检测理论的决策融合法和基于Dempster-Shafer(D-S)证据理论的决策融合法，并分别以融合实例讨论了它们在漏磁和涡流无损检测中的应用。多传感器信息的决策融合法有效提高了多源信息的利用程度，具有较高的可靠性和稳健性。     

水冷壁管漏磁/超声无损检测机器人设计

根据电站锅炉水冷壁管的缺陷特征和运行环境,研究了管壁内外表面缺陷和壁厚减薄的磁性与超声波融合的无损检测方法。研制了一种能在管壁表面自动爬行的高效无损检测机器人系统,开发了相关的爬行机器人、磁化装置、检测装置、控制系统和缺陷数据分析与可视化软件。试验证明,磁性检测装置能完成锅炉在役管道的普查和缺陷定位,超声检测能有效实现局部缺陷的定量检测。该检测机器人系统具有很大的实用和推广价值。     

新型技术在炉管氧化检测中的应用

炉管作为石油化工企业中大型管式燃料加热炉的重要组成部件,不仅投资费用高,且是失效频率最高的部件,因此如何采用有效的检测技术来测试炉管的氧化程度显得尤为重要。运用磁性检测技术和声发射检测技术,针对已服役50 000h的规格为φ114mm×6.5mm(外径×壁厚)的炉管,分别对其向火面、背火面及过渡面进行磁性测试和声发射衰减测试,通过对比不同氧化程度的矫顽力大小及声信号衰减状况,来分析磁性检测技术与声发射检测技术在炉管氧化层厚度检测中的有效性。结果表明,磁性检测技术与声发射检测技术均可应用于炉管氧化程度的检测,矫顽力的大小取决于炉管的氧化程度及氧化层的附着程度,而声信号衰减梯度变化对氧化层厚度较敏感,氧化层的厚度越厚其声信号衰减梯度越大。     

抽油管的在线漏磁检测技术

由于复杂的工况,抽油管的内、外壁极易发生损伤。目前,抽油管的检测方式主要是将抽油管抽离油井后送至后线检测场地进行检测,造成了时间、人力、物力的浪费。采用漏磁检测方法,开展了抽油管在起管或下管过程中的在线检测;设计了瓦片式磁化结构,建立抽油管漏磁检测的三维仿真模型;针对抽油管的腐蚀缺陷,改变缺陷尺寸参数,研究了缺陷漏磁场的分布特性;研发了抽油管在线漏磁检测系统,在实验室和油田作业现场对抽油管进行在线检测试验。试验结果表明,该系统能够快速高效地完成抽油管的在线检测,为抽油管的损伤监测提供了一些参考。     

X70管线钢在役焊接损伤演化模型与数值模拟

以X70管线钢为研究对象,进行了不同温度和应变速率下的高温拉伸试验,获得了初始损伤阈值应变、临界损伤断裂应变、临界损伤值等损伤模型参数,建立了基于BONARO模型的损伤演化方程;模拟在役焊接损伤演化过程,并与在役焊接试验结果对比,研究介质压力、壁厚对在役焊接损伤演化行为的影响规律,研究发现在役焊接过程中,熔池下方内壁处最大熔深处后方1 ~ 2 mm区域为失效高风险区,损伤值在壁厚方向上由熔合线向内壁递减,管内介质压力的减小、壁厚的增大都会在一定程度上减小在役焊接过程中熔池下方的损伤值,从而减小烧穿失效的风险.     

基于GA-BP的机电作动系统传感器故障诊断研究

机电作动器已经用于民航客机飞控舵面的控制,机电作动系统中传感器输出的正确性对系统正常工作影响较大,因此对传感器进行快速有效的故障检测非常必要。分析机电作动系统的传感器故障模式,针对当前故障检测在处理液态与非液态故障时所需信息多、检测时间长等问题,设计二级GA-BP神经网络对传感器故障模式进行诊断,对比分析了不同训练方式的神经网络方法,确定使用莱温伯格-马夸特学习方法的神经网络的故障诊断分类结果更加准确,并通过遗传算法对神经网络进行了优化。最后通过机电作动系统仿真实验平台验证该方法的有效性。创新之处在于采用了二级网络架构,快速检测液态故障与非液态故障,有效减少了网络故障检测的所需信息量和故障检测时间。     

Development of a magnetic sensor for detection and sizing of internal pipeline corrosion defects

Magnetic flux leakage (MFL) is the most used technique for pipeline inspection, being applied through the use of instrumented PIGs. The pipe wall is magnetized and when metal loss or other irregularities occur, a larger fraction of the magnetic flux “leaks” outwards from the wall and is detected by sensors. MFL presents some limitations since it requires magnetic saturation of the pipe wall. Therefore, it is difficult to inspect small diameter and thick wall pipelines. Internal corrosion sensor (ICS) has been developed as a solution for internal corrosion measurements of thick walls. The technique, also called “field disturbance”, is based in a direct magnetic response from a small area of the wall. It is not necessary to achieve the magnetic saturation of the pipe material, and thus ICS performance is not affected by the thickness of the pipe wall. In the present work, finite element calculations are performed and the best resultant configuration of the sensor is proposed. Experimental tests with a prototype were carried out and the results give a strong indication of the validity of the theoretical model proposed for sizing.     

基于非线性多传感器复合定位融合算法应用研究

针对移动机器人单传感器数据短时丢失、定位精度低、传感器频率异步等问题,采用激光雷达、IMU、轮式里程计获取定位信息,提出基于扩展卡尔曼滤波和互补融合的组合数据融合方法。先通过S-G滤波算法对初始定位数据进行预处理,利用扩展卡尔曼滤波融合算法实现IMU和轮式里程计传感器的定位数据融合,得到融合数据1;再利用互补融合算法将融合数据1和激光雷达进行融合得到融合定位数据2。其中融合数据1对激光雷达进行实时补正,解决频率异步的位移偏差,从而明显提高定位精度。最后采用Gazebo仿真平台,搭建移动机器人模型以及设置传感器的基本参数,验证算法的有效性和稳定性。实验结果表明：数据融合算法提高了非线性传感器的定位精度和稳定性,并且平均定位误差在8 cm内。     

基于神经网络的磁瓦表面缺陷检测识别

目的针对传统算法提取磁瓦表面缺陷的局限性,以及通过人为选择缺陷特征进而判断缺陷种类的方法精度不足等问题,结合改进的UNet模型和一个分类神经网络提出一种磁瓦缺陷检测识别算法。方法改进的UNet模型用于提取缺陷,而分类神经网络则用于对所提取的缺陷区域进行分类识别。为了提高模型的分类精度,使用空洞卷积对UNet模型部分卷积层和池化层进行替代,以减少多次池化带来的细节丢失的问题,同时,增加多次跳跃连接,使UNet模型能够融合更多的卷积特征。结果经实验验证表明,改进UNet模型对缺陷区域的预测精度可达到93%。根据预测结果使用分类神经网络对缺陷进行分类,经实验验证,分类的精度可达94%,满足工业要求。结论改进的UNet模型对磁瓦缺陷提取精度有所提高,分类神经网络的缺陷分类精度较高。结合改进的UNet模型和分类神经网络能同时并有效地实现缺陷提取和分类识别,为磁瓦质量检测和性能评估打下基础。     

基于LabVIEW的远场涡流管道检测系统

为了提高管道无损检测的精度,实现管道内外壁缺陷的检测,采用远场涡流的检测方法,依据检测线圈接收到的信号是激励线圈产生磁场两次穿过管壁后的信号,携带了管壁内外缺陷信息的原理,设计了远场涡流传感器、检测信号处理电路。对检测线圈接收信号进行放大、滤波处理,信号采集;采用LabVIEW编程计算检测信号幅值,互相关算法计算检测信号相位,确定缺陷深度。对内径36mm的有伤管道进行了试验。结果表明,所设计的仪器能检测出管道上深度为0．5mm及以上缺陷。利用LabVIEW对相位差计算提高了检测精度,为实际应用提供参考。     

基于双频数据融合的电涡流焊接缺陷检测

焊缝表面纹理引起的干扰信号限制了电涡流检测技术对焊接中缺陷的检出,将矩形激励线圈和GMR器件相结合,设计了电涡流检测探头,仿真分析了在0.5,1和4 kHz激励频率条件下该探头检测的磁感应强度的分布规律,并选择0.5,4 kHz构成混频激励,针对这两个频率下的检测数据,提出了对于这两个激励频率数据的融合方法,以FPGA为核心,结合X-Y数控平台,构建了试验平台,针对实际铝合金焊接缺陷进行了试验. 结果表明,该方法在抑制焊接表面纹理造成的干扰信号的同时,也抑制了两个焊接铝合金板夹角引起的干扰,对于直径小于1 mm的亚表面缺陷,虽然两个激励频率下的数据很难清晰体现缺陷,但是采用该方法可被成功检测.     

基于卷积神经网络的网络节点异常数据检测方法

异常数据检测是保障无线传感器网络节点数据准确性和可靠性的重要步骤。针对无线传感器网络节点异常数据检测问题,提出一种基于卷积神经网络的异常数据检测方法。该方法是对正常数据和注入故障后生成的异常数据进行归一化处理后映射成的灰度图片作为卷积神经网络的输入数据,并且基于LeNet-5卷积神经网络设计了合适的卷积层特征面及全连接层的参数,构造了3种新的卷积神经网络模型。该模型通过卷积层自主学习数据特征,解决了传统检测算法的性能容易受到相关阈值影响的问题。通过网络公开数据集进行模型测试,结果表明该方法具有很好的检测性能和较高的可靠性     

基于级联森林模型的液压泵信息融合状态诊断

为了提高对液压泵复杂条件下的故障诊断能力，综合运用传感器数据融合与级联森林模型来实现液压泵的健康评价。运用特征级与决策级融合技术来实现对柱塞泵各传感器信息的快速融合，以随机森林模型对初步特征重要性实施评价并从中选择具备高重要度的初始特征参数，通过级联森林模型对液压泵健康检测结果实施分类。结果表明：以多传感器信息融合方法构建的级联森林模型进行预测时可以实现对液压泵健康状态的准确诊断，只设置5%训练集时，液压泵健康诊断结果达到99.5%精确率；当采用单一温度特征无法同时满足精确率与召回率条件时，组合模式的各类预测精确率与召回率相对其他模式达到了更高的预测精度与召回率，其中，温度融合流量组合形式具备更大优势。