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。     

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。     

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.     

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。     

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。     

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.     

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．     

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。     

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.     

传感器提离值对管道漏磁检测的影响

为了提高油气管道漏磁检测的准确度,需要在确保检测灵敏度的同时,减小磁传感器与被测油气管道表面的距离即提离值的波动的影响。分析了提离值选择的主要原则,并从磁路设计角度,提出了一种通过改进油气管道检测器结构抑制传感器提离值波动影响的方法。通过仿真计算验证了这种方法的效果。结果表明:该方法不仅可以有效地提高检测灵敏度,而且信噪比可以提升30%以上。该方法有助于为优化检测器结构和提高漏磁检测的准确度提供重要的依据。     

Coefficients de-noising with wavelet transform for magnetic flux leakage data obtained from oil pipeline

This paper considers the problem of noise cancellation for the magnetic flux leakage （MFL） data obtained from the inspection of oil pipelines. MFL data is contaminated by various sources of noise, and the noise can considerably reduce the detectability of flaw signals in MFL data. This paper presents a new denoising approach for removing the system noise contained in the MFL data by using the coefficients denoising with wavelet transform. Experimental results are presented to demonstrate the advantages of this de-noising approach over the conventional wavelet de-noising method.     

Research on Magnetic Flux Leakage Detection Method for Subsea Pipeline

The intelligent pig based on the (MFL) is frequently used for in-line inspection of transportation pipelines. The article discusses the key technology of an MFL tool that includes the sensor‘s structure, the constitution of tool hardware, software and the analysis method of MFL signal.     

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．     

基于IMU数据的应变解析技术及其应用

长输埋地油气管线在严重的地灾作用下会引发管道变形,如果变形的管段存在缺陷,将极易导致管道失效,造成严重的环境污染和经济损失。准确地获取管道的变形情况并进行安全评价能够为保障管道安全稳定运行发挥重要的作用。基于IMU检测数据,通过小波变换降噪和油气管道设计规范进行特征识别的应变解析算法,能够有效地识别管线上的热偎弯管、冷弯管、弹性敷设段和重点关注段。该算法计算的管段弯曲拉伸应变值将结合ExxonMobil提出的拉伸应变容量预测模型对环焊缝进行基于应变的安全评价。在基于应变设计的高钢级油气管道已在国内油气运输行业得到广泛应用的背景下,可以参考该评价方法开展高钢级管道环焊缝的安全评价。     

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。