基于ISODATA算法的漏磁信号到缺陷轮廓的网络映射

由于漏磁信号与缺陷轮廓的非线性关系，由管道漏磁信号描述管道缺陷的几何特征一直是管道漏磁检测的难点．本采用小波基函数神经网络的方法，建立了由管道缺陷的漏磁信号到缺陷截面轮廓图的网络映射．算法中应用迭代自组织数据分析(ISODATA)动态聚类的算法使得基函数中心的选取更加合理，经过多层分辨率的训练．网络输出表明，该网络可以较准确反映出缺陷的几何特征，为管道缺陷的特征提取提供一种可行的方法。     

基于RBF网络的漏磁检测缺陷定量分析方法

为了正确评估油气管道的使用寿命和安全状况,需根据漏磁检测信号特征对缺陷进行准确的定量分析。提出一种基于径向基函数(RBF)神经网络、用于定量分析油气管道缺陷的迭代方法,给出了具体的算法步骤,并采用自适应学习机制来训练网络,既加快了该算法的收敛速度,又避免了陷入局部最小值问题。仿真结果表明:该方法不仅训练速度明显快于普通反向传播(BP)网络,而且最大量化误差仅为0.26%。该方法有助于提高漏磁检测的准确度,可为油气管道的安全评估提供可靠的依据。     

油气管道缺陷漏磁检测试验

在油气管道检测中,缺陷的定量分析一直是个难题.通过试验研制了管道漏磁腐蚀检测器,在钢管(273mm,壁厚为14.3mm)上设计了系列缺陷,并采集了缺陷漏磁的相关信号.研究了管道缺陷漏磁信号的分布规律和缺陷的几何尺寸大小之间的关系,结果表明,缺陷漏磁场检测信号的两波谷间距、检测到信号的传感器数和信号峰谷值分别是缺陷长度、宽度和深度量化分析的重要特征量,并由此得出缺陷长、宽、高的计算方法.通过该方法对缺陷的漏磁信号进行量化分析,表明缺陷长度、宽度和深度的平均绝对误差分别为2.4mm、8.3mm和0.8mm.     

基于K均值聚类的油气管道漏磁缺陷标记方法

为了提高漏磁数据缺陷区域标记能力,将聚类算法应用于漏磁检测数据分析中,提出了一种基于K均值聚类的管道漏磁缺陷信号标记方法,并进行了不同口径和不同壁厚管道检测试验验证。结果表明:该方法可有效识别出漏磁数据中的缺陷区域,识别准确度满足工程要求。由于该方法无需根据检测器和管道情况单独设置阈值,因此其具有较广泛的适应性。     

管道缺陷定量识别技术的研究

对管道漏磁在线检测仪的总体设计和各部分的工作过程进行了简要介绍，对硬件设计进行分析，采用工程数据库技术对检测数据管理，采用滤波和数字平滑方法消除干扰影响的方法，选取了缺陷漏磁场特征量，并提出了缺陷外形参数的评价方法，利用非线函数插值方法对漏磁信号补偿和凹坑缺陷轮廓的局部逼近，使缺陷检测达到定量化，整套方案实验 证有效，可行。     

基于LS-SVM的管道二维漏磁缺陷重构

针对铁磁材料的无损评估中,漏磁信号描述缺陷的几何特征难点,提出了应用支持向量机对二维缺陷重构的新方法,支持向量机输入是漏磁信号,输出是缺陷轮廓数据,建立了由缺陷的漏磁信号到缺陷二维轮廓的映射关系。网络学习采用最小二乘算法,训练样本由实验数据与仿真数据组成,测试样本为人工裂纹缺陷。该方法实现了人工裂纹缺陷的二维轮廓的重构,并与径向基神经网络重构结果进行了比较。试验结果表明,该方法具有速度快、精度高和很好的泛化能力,为漏磁检测定量化提供了一种可行的方法。     

基于布谷鸟搜索算法的漏磁反演方法研究

针对漏磁检测中的缺陷反演重构问题,引入了一种新型启发式优化算法—布谷鸟搜索算法,提出了以径向基函数神经网络为前向模型,布谷鸟搜索算法用作迭代算法的漏磁反演方法.为验证该反演方法的有效性,分别使用了不含噪声和含噪声的漏磁仿真信号以及实测漏磁信号.实验结果表明,与粒子群优化算法和差分进化算法相比,布谷鸟搜索算法的处理误差最小,而且对含噪声仿真漏磁信号和实测漏磁信号的重构结果依然能够较好地逼近真实缺陷.因此,基于布谷鸟搜索算法的反演方法对噪声具有一定的鲁棒性,是一种有效可行的漏磁反演方法.     

管道漏磁检测中缺陷分割技术的研究

缺陷识别是管道漏磁检测中的主要难题之一.将漏磁检测信号进行预处理后,重构漏磁场的图像,使用最大类间方差法分割出缺陷,再经膨胀等运算得到完整的缺陷图像.     

管道漏磁检测的智能方法综述

管道漏磁检测技术利用漏磁原理对管道进行无损检测.传统的人工检测方法通常使用漏磁检测器采集的管道漏磁数据,绘制出漏磁信号曲线,然后根据曲线的变化特性对管道上的缺陷和组件进行人工判别,这种方法效率低下且具有很强的主观性.随着人工智能技术的快速发展,许多基于人工智能的漏磁检测方法被提出,可实现更加高效和更加准确的智能检测.本文对管道漏磁检测的智能方法进行了综述,首先简要介绍了漏磁检测的基本原理和漏磁检测器的组成结构,随后重点阐述了管道漏磁检测中的机器学习方法(含基于分类的方法、基于目标检测的方法和多分量方法)、基于知识的智能专家系统和多传感器融合方法,最后进行了总结,并讨论了当前智能方法仍然存在的问题.     

基于改进BP神经网络算法的管道缺陷漏磁信号识别

海底管道漏磁检测信号处理的主要任务是根据霍尔传感器检测到的缺陷漏磁信号来识别缺陷的形态参数．根据漏磁检测原理设计了相关的漏磁检测电路，通过提取信号的主要特征量，利用Levenberg-Marquardt算法在对常用BP神经网络改进的基础上应用其来识别缺陷的尺寸参数，给出了BP神经网络各层数的确定及权值、学习率的调整方法和相应的漏磁信号数据处理过程．漏磁检测数据处理实验表明，该缺陷识别BP神经网络系统具有逼近精度高、收敛速度快等特点．     

缺陷长度对漏磁场的影响

漏磁检测的量化问题是漏磁检测应用推广需要解决的关健问题,对缺陷漏磁场特征与缺陷长度的关系进行了研究,表明缺陷长度是影响漏磁检测缺陷量化的重要参数。     

基于区域生长规则的多传感器漏磁检测信号分割方法

通过对多传感器所采集的管道部件和缺陷的漏磁信号的特征分析,提出了采用图像分割技术中的区域生长规则分割多传感器漏磁检测信号的算法,为漏磁检测信号的分析与识别奠定了基础。     

钻杆加厚过渡带漏磁检测方法研究

通过磁折射理论及相应的有限元模型分析了加厚过渡区的磁场分布特性,主要包括由于内外径变化产生的空间磁场和由于壁厚变化产生的磁感应强度的非均匀性;找到并确认了变径产生的空间磁场是造成漏磁检测信号基线漂移的主要原因,并通过差分法进行了消除;同时,也发现了变壁厚区磁化的非均匀性会导致同当量缺陷的漏磁场信号不一致,通过分析壁厚及磁化强度对漏磁场的影响,提出深度饱和磁化方法.结果表明:该方法能有效消除钻杆过渡带区域的背景磁场干扰并保证信号一致性,使漏磁法能适用于钻杆加厚过渡带的检测.     

基于多节点样条理论的漏磁数据去冗余压缩算法

为解决管道漏磁缺陷检测中采样数据的去冗余压缩问题,在利用小波去噪的基础上,根据多节点样条理论具有插值过程无需解方程组、逼近误差小、基函数有界支集的性质,通过构造一个对称的、局部支集的、拉格朗日型基函数,从而设计出一种能快速、高效地逼近原检测数据的去冗余压缩新算法,以提高管道漏磁在线检测数据压缩的实时性．用实验室检测到的漏磁数据对该算法进行了验证．结果表明,该算法具有很好的实时性及较高的数据压缩率．     

小波神经网络在海底石油管道漏磁缺陷检测中的应用

海底管道漏磁检测信号处理的主要任务是根据霍尔传感器检测到的缺陷的漏磁信号识别缺陷的形态参数,噪声消除和缺陷识别是其中的关键问题。利用噪声信号和测试信号在各个尺度上波谱的不同特征,基于小波变换来消除管道漏磁检测中的噪声信号,并根据正交小波多尺度多分辨率特点,把信号分解成各相互独立的频带,构建一个小波神经网络系统,通过输入漏磁信号的特征量识别缺陷的参数。漏磁检测数据处理实验表明该小波变换能较好地去除检测信号中的主要噪声,所建立的缺陷识别小波神经网络系统具有收敛速度快、逼近精度高等特点。     

小波神经网络在海底石油管道漏磁缺陷检测中的应用

海底管道漏磁检测信号处理的主要任务是根据霍尔传感器检测到的缺陷的漏磁信号识别缺陷的形态参数,噪声消除和缺陷识别是其中的关键问题。利用噪声信号和测试信号在各个尺度上波谱的不同特征,基于小波变换来消除管道漏磁检测中的噪声信号,并根据正交小波多尺度多分辨率特点,把信号分解成各相互独立的频带,构建一个小波神经网络系统,通过输入漏磁信号的特征量识别缺陷的参数。漏磁检测数据处理实验表明该小波变换能较好地去除检测信号中的主要噪声,所建立的缺陷识别小波神经网络系统具有收敛速度快、逼近精度高等特点。     

基于ACO-LS-SVM的漏磁信号二维轮廓重构

漏磁检测技术被广泛应用于铁磁材料的无损评估中,由漏磁信号描述缺陷的几何特征一直是漏磁检测的难点.为此提出应用LS-SVM对缺陷轮廓进行重构的新方法,利用蚁群算法优化LS-SVM及核函数的参数,并采用剪枝算法改善LS-SVM的稀疏性.支持向量机输入采用漏磁信号Bx、By分量的特征融合信号,输出是缺陷轮廓数据,建立了由缺陷...     

新型脉冲漏磁传感器的仿真设计与实验研究

在对带保温层管道进行检测时,由于保温层的隔离作用使得传统的电磁无损检测方法感生的磁场在传播到管道表面时已衰减的非常微弱,因此,对带保温层管道中腐蚀缺陷的检测是无损检测领域的一个难点.脉冲漏磁方法由于结合了脉冲检测频率丰富以及漏磁检测适于铁磁性管道检测的优势,因而采用脉冲漏磁技术对管道腐蚀缺陷进行了检测.在分析了脉冲漏磁检测原理的基础上,仿真分析了4种不同结构的脉冲漏磁传感器沿管道表面和管壁的磁场分布以及对不同厚度保温层的检测能力,仿真结果表明带聚磁板的模型具有较好的检测能力.最后,采用实验的方法研究了这种模型传感器对腐蚀缺陷深度的定量能力,实验结果表明该传感器可以很好地实现对腐蚀缺陷深度的定量检测.     

基于遗传优化算法的二维漏磁缺陷重构

信号逆问题,即从测量信号中恢复出缺陷轮廓及其参数,是漏磁无损评估中的一个重要课题.提出了一种基于遗传算法的逆算法,用于从漏磁信号中重构二维缺陷.在该算法中,径向基函数(RBF)神经网络用作前向模型,遗传算法用于求解逆问题中的优化问题,其优点是能够避免基于梯度下降法的迭代逆算法中可能遇到的局部最小问题,并能得到逆问题的全局最优解.实验结果验证了所提出的逆算法的有效性.     

基于遗传优化算法的二维漏磁缺陷重构

信号逆问题，即从测量信号中恢复出缺陷轮廓及其参数，是漏磁无损评估中的一个重要课题。提出了一种基于遗传算法的逆算法，用于从漏磁信号中重构二维缺陷。在该算法中，径向基函数（RBF）神经网络用作前向模型，遗传算法用于求解逆问题中的优化问题，其优点是能够避免基于梯度下降法的迭代逆算法中可能遇到的局部最小问题，并能得到逆问题的全局最优解。实验结果验证了所提出的逆算法的有效性。