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。     

用于管道漏磁数据的小波域自适应及小波系数去噪算法

基于漏磁检测是油气管道在线检测中应用最广泛的无损检测技术,提出了一种去除漏磁数据中无缝管道噪声(SPN)和系统噪声的新算法.首先利用将小波变换和自适应滤波技术相结合而提出的新型小波域自适应滤波方法去除漏磁数据中的SPN,然后再利用小波系数去噪方法去除小波域自适应SPN消除系统输出漏磁数据中的系统噪声.实测漏磁数据所得结果表明,该算法具有良好的去噪效果,极大地提高了漏磁数据中缺陷信号的可检测性.     

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．     

去除漏磁数据中无缝管道噪声的小波域自适应滤波算法

漏磁(MFL)检测是油气管道在线检测中应用非常成熟的一种无损检测技术。将小波变换与自适应滤波技术相结合,提出了一种去除漏磁数据中无缝管道噪声(SPN)的小波域自适应滤波算法。将该算法用于实测漏磁数据的处理,所得结果说明该算法具有良好的去噪效果,可以极大地提高漏磁数据中缺陷信号的可检测性。     

去除漏磁数据中无缝管道噪声的小波域自适应滤波算法

漏磁(MFL)检测是油气管道在线检测中应用非常成熟的一种无损检测技术。将小波变换与自适应滤波技术相结合,提出了一种去除漏磁数据中无缝管道噪声(SPN)的小波域自适应滤波算法。将该算法用于实测漏磁数据的处理,所得结果说明该算法具有良好的去噪效果,可以极大地提高漏磁数据中缺陷信号的可检测性。     

小波分析在管道泄漏信号识别中的应用

利用多尺度小波变换，把管道泄漏产生的负压波信号作为瞬态信号，来识别管道的局部泄漏特征。以光滑函数的一阶导数作为小波母函数，研究了管道泄漏特征信号拐点区间的敏感性，突出小波变换系数的局部极值性。分析表明，检测信号的小波变换系数极值的奇异性准确地反映了管道检测信号的泄漏特征，并且从局部描述了管道泄漏信号的瞬态正则性。对各级尺度系数进行了S形曲线拟合，此曲线能够完整地描述管道泄漏瞬变特征，其拐点区间描述了管道发生泄漏时的瞬变过程。     

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。     

小波分析在管道泄漏信号识别中的应用

利用多尺度小波变换 ,把管道泄漏产生的负压波信号作为瞬态信号 ,来识别管道的局部泄漏特征。以光滑函数的一阶导数作为小波母函数 ,研究了管道泄漏特征信号拐点区间的敏感性 ,突出小波变换系数的局部极值性。分析表明 ,检测信号的小波变换系数极值的奇异性准确地反映了管道检测信号的泄漏特征 ,并且从局部描述了管道泄漏信号的瞬态正则性。对各级尺度系数进行了S形曲线拟合 ,此曲线能够完整地描述管道泄漏瞬变特征 ,其拐点区间描述了管道发生泄漏时的瞬变过程。     

基于小波变换的弹射加速度滤波分析

根据小波分解与重构理论，对弹射加速度信号进行多尺度的小波变换，即用不同中心频率的带通滤波器对信号滤波，把主要反映噪声频率的那些尺度的小波变换去掉，再把剩余各尺度的小波变换结合起来，作小波重构变换，从而得到较好地抑制了噪声的信号。     

小波变换在漏磁检测中的应用研究

无损检测向着自动化、智能化方向发展 ,而要在漏磁检测中真正做到定量分析还存在一定困难。文章简要介绍了小波变换 Mallat快速算法 ,把小波变换作为一种先进的信号处理手段引入进行数字信号的预处理 ,可以完成去除噪声和数据压缩的工作 ,为漏磁信号的定量分析提供了很大的可能性     

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.     

基于脉冲漏磁检测原理的缺陷分类识别技术

脉冲漏磁检测是一种快速发展的无损检测方法,而相应的缺陷分类识别是缺陷检测与评估中的关键步骤之一.在介绍脉冲漏磁检测原理的基础上,设计了新型传感器,对不同类型缺陷的标准试件进行了测试;通过对缺陷瞬态差分信号的时、频域特性进行分析,提取了峰值、过零时间以及频谱中一特定频率点的幅值作为特征量对缺陷进行分类识别.实验结果表明该方法可对10 mm钢板表面以及下表面缺陷进行有效的分类识别.     

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。     

Recognition algorithm of seabed pipeline defect inspection based on dynamic WBF neural networks

This paper describes a magnetic flux leak (MFL) model of pipeline defect inspection, and presents a recognition algorithm based on dynmnic wavelet basis function (WBF) neural network. The dynamic network utilizes multiscale and multireselution orthogonal wavelet, through signals backwards propagation:,has more significant advantages than BP or other neural networks used in MFL inspection. It also can control the accuracy of the predicted defect profiles, high-speed convergence possessing and well approaching feature. The perfonnance applying the algorithm based on the network to predict defect profile from experimental MFL signals is presented.     

基于小波自相关函数的电磁干扰有源滤波方法研究

针对电力电子电路在换流过程所产生高频开关噪声的各项特征，提出了基于小渡自相关函数的电磁干扰有源滤波新方法．该方法运用小波多分辨分析实现了电网侧开关噪声的快速提取，再根据复小波变换获得噪声的有效幅度谱和相位谱信息，并结合自相关函数辨识出干扰信号的主频，从而建立了一种多层次处理和多层次描述的噪声辨识方法．研究结果表明，该方案能够克服传统干扰抵消抑制技术中频谱泄露的问题，提高检测精度，检测信号的最大绝对误差不超过2％，噪声的衰减平均达20dB以上，因而有源抑制为高频开关噪声提供了新的思路．     

管道磁化的有限元优化设计

为计算磁路设计中永磁体几何参数对管道磁化效果的影响,采用了有限元方法研究管道磁化磁路中永磁体长度（10～40mm）、直径（25～100mm）改变时,管道表面缺陷（0.2mm深,0.2mm宽）产生的漏磁场的变化情况,得到了缺陷漏磁场水平分量B     

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.