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.     

脉冲电磁缺陷检测融合机理研究

针对铁磁性构件表面和下表面缺陷检测的难题,建立了脉冲电磁检测模型,揭示了表面缺陷和下表面缺陷的脉冲漏磁与脉冲磁阻检测相融合的物理机制。仿真与实验结果表明:铁磁性构件表面缺陷存在漏磁,而下表面缺陷主要体现在脉冲磁阻的变化。对于不同深度的铁磁性构件表面缺陷,GMR传感器拾取的脉冲漏磁响应信号的检测结果线性度更好,灵敏度更高;对于不同深度的铁磁性构件下表面缺陷,双侧检测线圈拾取的脉冲磁阻响应特征值与缺陷深度的变化关系呈近似线性增长关系,区分度较大,检测性能更好。     

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．     

漏磁检测中的表面裂纹分析

漏磁检测是一种新的无损检测方法,在对金属体的表面缺陷检测中证实是非常有效的。文章就钢管的表面缺陷性质以及检测效果进行了研究分析,为检测设备的设计提供了一定的参考。     

海底管线缺陷内检测技术与装备工程化研究技术总结

漏磁检测是在管道内检测中应用最广泛的一种无损检测技术,检测数据量化与分析是气难点。在技术方面针对课题重点研究的关键技术开展了一系列研究,提出了油气管道漏磁检测数据的分类和量化方法,并基于此研发出一套漏磁检测数据分析软件。漏磁检测中缺陷量化困难的原因在于缺陷的形态对漏磁场的形态有复杂的非线性的影响,继而影响对漏磁信号的定量解释,因此,根据缺陷的开口形状将缺陷进行分类,对于实现将其准确量化是十分必要的。再者,由于实际检测条件的限制,往往只能通过空间离散的漏磁感应强度信号的一维分量推算缺陷的三维形态,这本身不适合使用精确的数学或者统计模型加以描述。使用神经网络对缺陷进行量化,是漏磁检测缺陷量化领域近20年来的一个研究热点。根据课题研究内容以及检测器设计指标,提出了一种基于改进径向基函数网络的量化算法,它以缺陷漏磁场信号的特征量为输入,输出向量为缺陷的三维外形参数。径向基函数网络是一种局部最佳逼近网络,但漏磁检测中漏磁感应强度信号与缺陷外形之间强烈的非线性关系,往往更要求所选用的网络能够识别两者间的内在联系,并使得面对新的数据时仍有合理的量化结果。为此,对径向基函数网络做出基于泛化能力优化的改进,提出新的评价函数,并采用能够迅速适应新样本的在线学习算法,实验验证表明,的确能大幅提高网络的泛化能力。在实际工程检测管道中,多缺陷聚集会明显影响漏磁场的形态,轴向槽缺陷漏磁场与两个坑状缺陷信号波形极为相似,缓变缺陷漏磁场信号变化趋势较小,这对定量漏磁检测的实用化是不容忽视的问题。讨论了不同类型缺陷漏磁场形态和强度的影响,并测试了量化神经网络对缺陷间隔变化的适应能力。研究以分类和量化算法为核心,研发一套漏磁检测数据分析系统。该系统配合内检测器已项目中投入测试,对牵拉实验数据分析的结果验证了所提出算法的确具有优秀的量化性能。     

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.     

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.     

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.     

基于霍尔元件阵列的缺陷漏磁检测技术研究

利用高灵敏度霍尔器件,设计研制了多通道阵列式漏磁检测传感器及信号处理电路.对不同几何参数的铁磁性试件缺陷进行了检测实验研究,该漏磁检测系统可实现地磁场激励和人工弱磁激励下的缺陷信号图像显示.探讨了基于多通道漏磁信号的缺陷表示方法,并利用人工神经网络技术对基于多通道传感器漏磁信号的缺陷反演问题进行了初步研究,表明利用霍尔元件阵列检测装置和人工智能信息处理方法,可以实现多通道漏磁信号与缺陷参数的非线性拟合,进而实现漏磁检测中的缺陷定量化分析.     

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。     

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．     

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。     

防渗土工膜的缺陷特性与缺陷渗漏研究进展

详细阐述土工膜用于防渗工程时出现缺陷的形式与测试方法、缺陷分析理论与计算模型、缺陷预防原则与措施、垫层属性与接触渗流、不同接触和垫层条件下的缺陷渗漏量、缺陷渗漏影响因素等方面的国内外研究现状,对现有的研究成果进行分析、归纳、总结和评价。总结表明,由于土工膜缺陷问题的复杂性和不确定性,现有研究以试验研究为主,辅以一定的理论分析和数值模拟,各方法和理论得到的成果存在一定的差异性。为此,建议了与土工膜缺陷相关的可进一步研究的若干重点问题,促使设计和研究人员对土工膜缺陷问题尽早得以较为全面的认识和有效的控制。     

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。