管道腐蚀检测中的脉冲漏磁检测技术

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。     

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。     

管道内部漏磁检测的仿真与实验研究

基于管道漏磁检测原理,以Φ325mm规格的管道内检测器为研究对象,运用有限元分析方法建立漏磁场的数学模型,采用ANSYS软件建立漏磁检测装置的二维实体模型,应用静态磁场仿真方法,计算分析矩形缺陷产生的漏磁信号与磁力线分布。并通过内检测器搭建的漏磁信号检测平台,采集由霍尔传感器阵列采集得到的多通道缺陷漏磁信号,分析对比两组实验数据,结果表明:数值仿真与实验数据的变化趋势一致。     

基于ARM的输油管道漏磁检测实验平台的研制

为了分析出在海底输油管道中采集到的管道缺陷数据与管道缺陷类型之间存在的对应关系,研制了一套分析管道缺陷类型的评估试验平台;该平台基于漏磁检测原理,运用ARM处理器和μC/OS-Ⅱ系统为核心,将漏磁探头传感器检测到的大量管道数据经过ARM模块预处理后存储到IDE硬盘,同时通过设计的USB接口将预处理后的数据上传到PC机,采用相应的软件对数据进行分析评估得到不同类型缺陷的信息;经过不断的研究和修改使实验平台的功能得以实现并成功进行数据的采集和分析,该实验平台为实际工程中输油管道的缺陷检测提供理论依据和现实意义。     

管道内壁缺陷漏磁信号的ANSYS仿真与分析

漏磁探伤法所检测到的缺陷除了可能是内表面或外表面、纵向或横向这些属性之外,它还有分等级的问题,即可能是一个导致管道报废的缺陷,也可能是一个不影响使用的”合格”缺陷,这要求检测系统有自动识别的功能。以管道内表面缺陷作为研究对象,利用有限元分析软件作为仿真分析工具,对不同内表面缺陷所产生的漏磁信号进行仿真分析,仿真结果表明,不同缺陷所产生的漏磁信号不同,缺陷的参数与其所产生的漏磁信号的参数之间有一定的对应关系,通过大量的模拟仿真数据和实测数据可找出这种对应关系,从而为缺陷的鉴别和管道使用寿命的评价提供依据。     

管道漏磁检测的二维数值模拟研究

在管道漏磁检测中,缺陷的定量识别一直是个难题,运用有限元分析的方法,建立了漏磁场的数学模型,然后采用有限元分析软件ANSYS建立了漏磁检测装置分析的模型,并进行了二维静态情况的仿真,获得了不同缺陷所产生的漏磁信号,并把这些结果和实验结果进行了比较分析;从这些结果中可以得出了缺陷的特征与其所产生的漏磁信号的特征之间的对应关系,采用仿真的方法来研究漏磁信号的定量识别问题并取得较好的识别效果。     

Data acquisition system for three-axis high definition pipeline inspection tool

针对传统管道内检测器清晰度不高的缺点,介绍了一种高清晰度三轴管道漏磁数据采集系统.根据三轴漏磁检测的原理,系统使用了大量霍尔传感器作为数据采集元件,分别在检测器漏磁进行探测舱外围圆周各点处的3个方向上放置传感器,以达到高清晰度的采集要求,漏磁电压信号经单片机进行A/D转换后,所得数据由FPGA与PC-104接收存储到固态硬盘.经实验验证,该系统提高了检测清晰度,检测平均误差不超过10％,证明该系统设计方案切实可行.     

高清晰度三轴管道内检测器漏磁数据采集系统

针对传统管道内检测器清晰度不高的缺点,介绍了一种高清晰度三轴管道漏磁数据采集系统。根据三轴漏磁检测的原理,系统使用了大量霍尔传感器作为数据采集元件,分别在检测器漏磁进行探测舱外围圆周各点处的3个方向上放置传感器,以达到高清晰度的采集要求,漏磁电压信号经单片机进行A/D转换后,所得数据由FPGA与PC—104接收存储到固态硬盘。经实验验证,该系统提高了检测清晰度,检测平均误差不超过10%,证明该系统设计方案切实可行。     

基于连通磁路的脉冲远场涡流传感器设计及缺陷定量评估与分类识别

为了克服传统脉冲远场涡流传感器由于结构的限制带来的激励磁场在空间出现发散、对大壁厚管道检测能力较弱以及难以对缺陷进行准确定位的问题,在分析了脉冲远场涡流检测原理的基础上,采用仿真与实验相结合的方法,仿真分析了基于连通磁路的脉冲远场涡流传感器的聚磁效果,研究了该传感器对管道轴向内外壁裂纹缺陷的定量评估能力,比较了检测线圈处于不同位置时的缺陷分类识别效果。仿真结果表明,该传感器通过引导磁场的定向传播实现了对磁场的聚集,同时,通过提取适当检测位置的信号负峰值可以实现对缺陷的分类识别。最后,采用实验的方法验证了基于连通磁路的脉冲远场涡流传感器对管道轴向裂纹缺陷深度的定量能力,实验结果表明该传感器可以很好的实现对缺陷的定量评估。     

高含硫气田弱磁油管双层管柱缺陷的电涡流检测方法

针对高含硫气田井下双层管柱的外层套管缺陷检测问题,基于电磁探伤测试仪MTD-J检测的电涡流检测数据,提出一种高含硫气田弱磁油管双层管柱缺陷的电涡流检测方法(ETCM).在ETCM中,首先对该电涡流检测数据进行预处理去除弱磁油管偏心导致的数据线性偏移问题,然后提出ESMDH方法对预处理后的数据进行分解,得到多个IMF分量,再采用希尔伯特变换方法提取IMF分量特征参数,最后采用基于高斯核函数的SVM模型对特征参数进行训练和识别,从而实现缺陷电涡流无损检测,实验结果表明:ECTM能较好去除弱磁油管偏心引起的数据线性偏移,寻找到的6种特征参数能较好表征6种缺陷,且提高了每一类缺陷识别率和平均缺陷识别率。比EMD_S、ESMD_S、ESMDH_F和ESMDH_R更优。     

软件缺陷预测技术

软件缺陷预测技术从20世纪70年代发展至今,一直是软件工程领域最活跃的内容之一,在分析软件质量、平衡软件成本方面起着重要的作用.研究和讨论了软件缺陷预测技术的起源、发展和当前所面临的挑战,对主流的缺陷预测技术进行了分类讨论和比较,并对典型的软件缺陷的分布模型给出了案例研究.     

适于少样本缺陷检测的两阶段缺陷增强网络

缺陷检测模型一般需要大量样本来学习缺陷的特征,但实际场景中一些重要缺陷的样本难以收集,如何用少量样本来学习罕见缺陷的特征成为一个具有挑战性的问题。为了促进少样本缺陷检测的研究,构建了一个新的工业表面缺陷数据集,包括缺陷样本和无缺陷样本。同时提出了一个两阶段缺陷增强网络以提升少样本场景下的缺陷检测性能,它利用了无缺陷样本,并将整个训练过程分为两个阶段。第一阶段的训练需要大量缺陷样本,而第二阶段的训练只需要少量缺陷样本和无缺陷样本。此外,还提出了一个缺陷突显模块,可以更好地利用无缺陷样本来增强缺陷区域的特征。在新数据集上的实验表明,该缺陷检测模型的性能优于其他的少样本目标检测模型,在工业表面缺陷检测中具有更好的应用前景。     

基于缺陷预防的软件过程改进

在软件开发过程中,软件缺陷不但影响软件的质量,而且影响软件的开发进度及开发成本,可见必须采取某种方法避免缺陷的产生。而缺陷是由错误造成的,因而应从控制错误的产生人手。缺陷预防方法能够确保错误在标识并解决后不会再次发生,将缺陷预防方法引人软件过程中,目的是控制缺陷的产生,从而优化生产过程,提高软件质量。介绍了缺陷预防的方法,然后将缺陷预防与软件过程改进相结合,提出基于缺陷预防的软件过程框架,最后通过实验进行验证。     

一种软件缺陷模式自定制方法

软件缺陷是导致软件不可靠的根本原因,提高软件可靠性的关键在于减少软件缺陷。基于缺陷模式的代码分析技术根据预先设定好的缺陷模式对待测代码进行缺陷分析,这种缺陷分析具有使用简单、查找速度快等优点,是近年来静态代码分析技术中发展比较迅速的新技术。但是目前基于这种分析技术的大多数工具并没有为用户提供足够易用、高效的扩展方式以扩充其缺陷检测能力。本文出了一种支持用户定制语法相关缺陷模式的测试方法及系统,该方法能够让用户根据实际情况需要对缺陷模式进行定制,目的是检测程序代码中是否包含语法相关的缺陷。     

缺陷需求分析与管理模型

需求管理是软件过程改进的重要活动,需求缺陷管理是需求管理的重要组成部分,其目的在于检测、分析、解决和预防需求缺陷.从社会因素和技术因素两大方面分析了需求工程阶段缺陷产生的原因,对缺陷进行了分类.建立了需求(模型)缺陷列表、缺陷需求分析模型和基于需求缺陷管理的需求过程模型.指出需求缺陷列表所反映的需求分析过程的数量特征,能够为评估需求工程师能力、准确和全面地定义需求成熟度、研究需求演化波及效应、研究需求模型复杂度和需求缺陷分布规律提供必要数据和有益启示.     

表面缺陷检测综述

基于机器视觉的表面缺陷检测技术已经广泛地应用在视觉检测各个领域中,它是确保自动化生产中产品质量的一个非常重要的环节。然而表面缺陷检测技术仍然面临着缺陷和非缺陷区域之间的低对比度,噪音和细微缺陷的相似性,检测速度慢和识别精度低等难题。为此,给出了近年来表面缺陷检测技术的最新进展。将表面检测技术分为3类：统计法、频谱法和模型法。对几种典型的表面缺陷检测技术进行了深入比较,包括特征提取、识别算法和算法性能,并分析了方法有效性的原因。最后,总结了表面缺陷检测技术面临的挑战和未来的发展趋势。     

航空机载软件缺陷分类方法研究及应用

分析现有软件缺陷分类方法,针对现有缺陷分类方法不能完全适用于航空机载软件缺陷管理的问题,结合机载软件研制阶段和特点,以现有软件缺陷分类方法为基础,综合考虑缺陷度量分析的要求,提出一种符合航空机载软件研制特点的缺陷分类方法,并给出了“缺陷类别”详细的分类.将其应用于实际软件研制过程中,应用结果表明,该方法满足机载软件缺陷分类原则.     

基于缺陷的软件可靠性度量方法研究

针对软件可靠性度量研究中的一些问题,提出了以缺陷度量为软件可靠性度量的一种方法。首先将缺陷度量方法按照软件度量的一般方法进行研究和探讨;其次,以正交缺陷为基础,提出了定量的缺陷统计方法,这种方法能够更好地描述缺陷的性质,对相关信息可进行分类统计、分析,为过程改进提供依据;最后,提出了一些定性的缺陷分析方法,可充分挖掘缺陷的潜在信息。按照软件度量的步骤,通过定性和定量相结合的方法,可以很好地度量软件可靠性,并实时提高软件可靠性。     

基于P13000平台的软件缺陷管理系统的应用实践

软件缺陷管理是提高软件质量和软件开发效率的重要技术途径之一。通过对现有缺陷管理工具的比较,依据CMMI模型并基于P13000平台,设计和实现了缺陷管理系统。该系统采用了浏览器的B／S架构,实现了缺陷跟踪的流程,对缺陷状态的变化进行控制,并具有查询、统计分析等功能,集合了多数缺陷管理工具的优点。实际应用表明该系统有效地提高了软件的质量和开发效率。     

基于指针神经网络的细粒度缺陷定位

软件缺陷定位是指找出与软件失效相关的程序元素. 当前的缺陷定位技术仅能产生函数级或语句级的定位结果. 这种粗粒度的定位结果会影响人工调试程序和软件缺陷自动修复的效率和效果. 专注于细粒度地识别导致软件缺陷的具体代码令牌, 为代码令牌建立抽象语法树路径, 提出基于指针神经网络的细粒度缺陷定位模型来预测出具体的缺陷代码令牌和修复该令牌的具体操作行为. 开源项目中的大量缺陷补丁数据集包含大量可供训练的数据, 且基于抽象语法树构建的路径可以有效捕获程序结构信息. 实验结果表明所训练出的模型能够准确预测缺陷代码令牌并显著优于基于统计的与基于机器学习的基线方法. 另外, 为了验证细粒度的缺陷定位结果可以贡献于缺陷自动修复, 基于细粒度的缺陷定位结果设计两种程序修复流程, 即代码补全工具去预测正确令牌的方法和启发式规则寻找合适代码修复元素的方法, 结果表明两种方法都能有效解决软件缺陷自动修复中的过拟合问题.