基于LS-SVM的超声导波管道缺陷二维重构

针对当前超声导波检测中的缺陷成像技术难点,提出了基于支持向量机的缺陷轮廓重构方法.通过实验和有限元仿真相结合的方式,获得不同大小缺陷的检测信号.采用最小二乘网络学习算法,选取缺陷回波数据作为支持向量机的输入,缺陷轮廓数据作为输出.建立了缺陷回波到缺陷二维轮廓的非线性映射,实现了缺陷轴向宽度和径向深度的二维轮廓重构,并与径向基神经网络重构效果进行了对比.实验结果表明,该方法速度快、精度高、泛化能力好,是管道超声导波定量化、可视化检测的一种可行方法.     

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...     

基于PSO-LSSVM的疲劳裂纹漏磁定量识别技术

针对疲劳裂纹难以定量识别的问题,提出一种将主成分分析（PCA）和粒子群优化的最小二乘支持向量机（PSO-LSSVM）相结合的建模方法,通过建立漏磁信号与疲劳裂纹宽度、深度之间的非线性映射关系,对疲劳裂纹宽度、深度进行定量识别.搭建漏磁检测系统,采用疲劳拉伸试验制备一系列疲劳裂纹样本,通过疲劳裂纹漏磁定量识别实验,建立漏磁缺陷样本库,对基于PSO-LSSVM的疲劳裂纹漏磁定量识别方法的可行性进行验证.结果表明,该方法能够有效定量识别尺寸小于1 mm;疲劳裂纹的宽度、深度,误差在0.1 mm左右.      

活塞杆摩擦焊接头的超声检测及缺陷二维重构

针对活塞杆摩擦焊接头的未熔合缺陷,采用超声无损检测方法对部件接头进行检测并提取了含噪声的超声回波信号,利用小波降噪法对含噪声缺陷信号进行了降噪处理,通过多位置、多点检测的方法对未熔合缺陷进行了二维轮廓重构.结果表明:1) 通过优化小波阈值降噪算法的参数提高了回波信号的信噪比,可以提升检测的有效性与准确性;能实现对缺陷信号的降噪并保证信号的完整性;2) 对检测数据进行理论计算确定了缺陷的多位置边缘点,通过缺陷边缘点的拟合,实现了未熔合缺陷的二维轮廓重构,重构结果与破坏性检验结果基本吻合.     

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。     

管道漏磁检测信号的支持向量机识别方法

通过对漏磁检测信号的分析,引入支持向量机,给出了特征量、训练集的选择方法以及核函数和支持向量机的分类算法,将漏磁检测信号的根据信号的定性识别和定量分析有机结合起来.可以在漏磁检测样本有限的情况下,获得最优识别结果.     

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。     

基于信号源极值特征的钢管内外裂纹区分方法

提出一种钢管漏磁检测过程中基于信号源的内外裂纹区分方法.该方法基于内外伤法向漏磁分量检测信号的波形特征,参考信号畸变所具有的峰-峰值大小,调整对应畸变信号峭度指标的算法,从而构建内、外伤区分指标.通过钻杆中的横向刻槽检测试验观察,以及二维轴对称有限元仿真分析,检测了在常规钢管漏磁检测过程中对于具有不同宽度信息的内外伤裂纹,这种方法进行缺陷位置识别的实用性较高.     

基于改进BP神经网络的微裂纹漏磁定量识别

漏磁检测是铁磁材料常用的无损检测方法之一,定量识别是指通过检测到的漏磁信号识别裂纹的尺寸.采用主成分分析和优化神经网络相结合的建模方法,建立了微裂纹宽度与深度的预测模型.主成分分析去除了数据相关性,减小了输入样本维数,显著简化了网络结构;遗传算法优化的BP神经网络(GA-BP神经网络)可以有效地防止搜索过程中陷入局部最优解.通过基于磁偶极子模型的理论计算与人工刻槽微裂纹漏磁检测实验两种途径验证了该算法在微裂纹定量识别中的应用,为裂纹发展阶段的早期定量识别技术奠定了一定的基础.     

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．     

油气管道高速漏磁检测系统中数据压缩研究

在管道缺陷检测中,如何对漏磁检测数据进行大容量高保真数据压缩是其中的一个关键问题.文章分析漏磁缺陷信号的特点,首先采用零树小波编码算法,找出能够表征缺陷信号的重要数据和不能表征缺陷信号的非重要数据,非重要数据建立小波零树,对信号进行压缩,然后结合算术编码,对压缩数据流进一步压缩处理,通过仿真实验表明在一定允许失真度的情况下,可以达到很高的压缩率.     

Wavelet domain adaptive filtering algorithm for removing the seamless pipe noise contained in the magnetic flux leakage data

With the widespread application and fast development of gas and oil pipeline network in China, the pipeline inspection technology has been used more extensively. The magnetic flux leakage （MFL） method has established itself as the most widely used in-line inspection technique for the evaluation of gas and oil pipelines. The MFL data obtained from seamless pipeline inspection is usually contaminated by the seamless pipe noise （SPN）. SPN can in some cases completely mask MFL signals from certain type of defects, and therefore considerably reduces the detectability of the defect signals. In this paper, a new de-noising algorithm called wavelet domain adaptive filtering is proposed for removing the SPN contained in the MFL data. The new algorithm results from combining the wavelet transform with the adaptive filtering technique. Results from application of the proposed algorithm to the MFL data from field tests show that the proposed algorithm has good performance and considerably improves the detectability of the defect signals in the MFL data.     

管道缺陷漏磁检测大容量高保真数据压缩研究

管道检测是石油天然气工业的一个重要课题.在管道缺陷检测中,利用缺陷的漏磁通从而设计有效的漏磁检测装置来检测缺陷是目前研究的热点,而如何对漏磁检测数据进行大容量高保真数据压缩是其中的一个关键问题.本文在分析漏磁检测原理和漏磁检测数据特征的基础上,根据对重要数据采用无损压缩、对非重要数据采用有损压缩的原则,通过数据的差分和动态范围阈值判断数据块的检测重要性,结合Huffman算法以及小波有损压缩的优点,设计了大容量高保真管道漏磁检测数据压缩算法,并利用FPGA设计了相关的数据采集压缩电路来验证和实现该算法.实验表明该算法具有较高的压缩比并能很好的再现管道检测原始数据.     

应用磁荷法建立漏磁信号模型

研究了漏磁无损检测中一种基于双极磁荷法的漏磁信号分析模型，运用这一分析模型研究了三种不同类型缺陷的径向和轴向漏磁信号．设计制作了实验装置与试样并进行了实验，将实验结果与分析模型的仿真结果进行了比较，两者得到了较好的吻合，说明了分析模型的有效性．这个模型建立了缺陷尺寸与漏磁信号的关系，具有参数少，计算快，分析方便等优点，它为漏磁信号处理和缺陷的识别评估提供了重要工具．     

输油管道漏磁检测信号自适应滤波的研究

在采用漏磁法对输油管道进行无损检测过程中,信号会受到各种噪声的干扰。介绍了输油管道漏磁检测方法及归一化最小均方自适应滤波方法。通过实验装置采集了含有噪声的漏磁信号。由于各传感器提离值不能保证一致,对信号进行了补偿调整。将一路的传感器输出信号作为主输入信号,与之相邻的传感器输出信号作为参考信号,采用归一化自适应滤波对主输入信号进行处理。结果表明,采用归一化最小均方自适应滤波方法可使缺陷漏磁信号的信噪比得到显著的提高。     

储罐直径对罐壁腐蚀缺陷的漏磁场信号影响分析

受腐蚀因素影响,储罐易发生腐蚀泄漏,储罐罐壁腐蚀一直是无损检测的难点,本文开展罐壁腐蚀缺陷漏磁检测技术研究。在轴向磁化方式下,对储罐壁板缺陷进行漏磁检测时,受壁板直径影响,同一缺陷处不同检测通道的漏磁信号不同,分析各通道漏磁信号与储罐直径的关系,得出直径与各通道漏磁信号峰值的数学模型;在此基础上对各通道漏磁信号进行预处理,建立修正系数,以消除不同通道之间的漏磁信号差异,实现各通道信号均匀化。