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.     

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。     

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。     

一种新的超声无损检测回波信号的识别方法

由于超声回波信号受到噪声干扰或者到达时间混叠,故超声无损检测信号很难鉴别缺陷的大小.文中提出一种新的超声回波信号到达时间的识别方法.该方法首先把原始采集的回波信号进行经验模态分解,得到若干个固有模态函数,通过确定能量临界值,选择几个固有模态函数重构信号,重构信号的峰值包络表明了各个回波信号的到达时间.由衍射时差法(TOFD)实验信号验证了该方法的可行性及准确性.实验结果表明,可以识别的最小时间间隔为0.1μs,平均误差为80 ns.     

旋转行波超声电机预压力特性的研究

超声电机的摩擦驱动基本上由预压力决定．叙述了超声电机稳态转速和堵转力矩在不同预压力下的仿真 和实验研究．超声电机输出特性与预压力的关系可由超声电机的解析模型推导出来．稳态转速和堵转特性的仿真 研究是利用迭代算法和MATLAB语言来完成．最后利用光电测速仪和砝码完成相同的实验研究．研究结果表明， 堵转力矩与预压力成正比，而稳态转速在特定的预压力下有最大值．     

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．     

基于归一化尺度计盒维数的超声波分形特征研究

基于归一化尺度计盒维数方法研究了超声波分形特征．提出了将时间尺度与幅值尺度归一化的计盒维数方法来快速计算超声回波分形维数；在此基础上，对管道中缺陷超声回波的分形维数进行了计算与统计分析，得到了超声回波的分形维数的统计分布规律．研究结果表明，超声回波具有分形标度不变性，计盒维数能够反映超声回波信号波形的复杂程度和不规则程度，这种方法可以在超声自动检测中用来快速判断缺陷的有无．     

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.     

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。