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.     

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。     

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。     

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。     

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人信号，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人信号进行处理。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。     

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。     

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.     

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.     

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.     

基于小波变换和K-SVD的探地雷达杂波抑制研究

针对探地雷达原始图像中存在着大量以地表直达波为主的杂波噪声干扰问题,为了有效提取目标信号,提出了一种基于小波变换和K-Means奇异值分解的自适应双边滤波方法.将原始雷达数据进行小波分解,并应用K-SVD算法变换稀疏编码和更新原子,用更新后的稀疏系数和字典重构小块,将小块进行小波逆变换重构图像,然后对重构图像进行自适应...     

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.     

改进的小波分解LMS算法在非线性系统辨识中的应用

对基于小波变换的自适应滤波技术中较为先进的D-LMS（Decomposition Least Mean Square）算法进行改进,推导出一种变步长D-LMS算法。通过建立非线性系统模型,在基于MATLAB的仿真实验中,分别得出原D-LMS算法和改进算法的系统辨识图形和数据。结果表明,两种小波分解自适应算法都能够很好的对非线性系统进行辨识,而改进的变步长D-LMS算法的收敛速度及跟踪速度更快,稳态误调噪声较小,即辨识结果更加精确。