详情

原文传递基于数据驱动的漏磁检测管道故障诊断方法研究

论文题名：	基于数据驱动的漏磁检测管道故障诊断方法研究
关键词：	管道安全检测;漏磁检测;数据驱动;信号处理
摘要：	随着管道运输在世界范围内蓬勃发展，管道安全检测作为保障管道安全运营的必要手段也得到了人们越来越多的关注。漏磁内检测作为管道无损检测的一种重要手段在管道安全领域起着至关重要的作用，是国际管道检测巨头所采用的首要检测方法。虽然漏磁内检测技术已经发展多年并拥有各种类型和型号的内检测器，但是漏磁内检测的数据分析仍然是该领域的重点问题和难点问题。现有的漏磁内检测数据分析方法主要依赖人工，凭借有经验的工程师采用对数据逐页预览的形式进行数据的分析并从中找出缺陷信号以及凭借缺陷信号对缺陷的尺寸和形态进行评估。这样的处理方式工作量巨大、效率低下并且受主观因素影响明显，没有将漏磁检测的海量数据优势得以体现，反而使数据成为信号处理的负担。同时，漏磁信号本身波动较大并且缺陷的尺寸与缺陷处信号的特征间的映射具有高度非线性以及非定特性，进一步增加了缺陷分析的难度。针对上述问题，本文对漏磁检测中的信号处理技术中的主要问题进行了深入研究，主要研究工作如下: 　　1.针对漏磁信号的预处理方法进行了研究，包括去噪、校正和插值等技术，提出了一种自适应的传感器通道一致性校正方法。本文的方法能够自动的对漏磁检测数据进行校正，削弱通道间差异对漏磁信号分析的影响，不需要参考传感器通道作为基准并且对缺陷处的信号也能起到很好的效果。　　2.针对漏磁信号的缺陷信号自动识别方法进行了研究，提出了一种基于灰度图像的漏磁检测缺陷信号自动识别方法，能够实现从漏磁信号中自动找出缺陷信号。通过对预处理后的数据进行灰度图像的转化，利用动态阈值的方法获取种子点，并利用区域生长的方法最终确定了缺陷信号的范围。利用该方法，可以自动的从具有较大波动的漏磁信号中识别出缺陷信号并确定其范围。　　3.针对漏磁信号自动检测中的误检改进方法进行了研究，提出了一种基于模糊支持向量机的分类方法用于改进误检状况。通过利用本文提出的一种改进的模糊聚类算法，提高了模糊支持向量机的分类能力，并对漏磁信号特征进行了提取将检测结果转变成了可用于分类的数据。通过该方法，能够自动的对检测中的误检结果进行排除，有效减少误检数量。　　4.针对规则缺陷的尺寸量化方法进行了研究，提出了一种规则缺陷的尺寸辨识方法。通过对包括有限元和磁偶极子理论在内的漏磁场理论分析方法的研究，对漏磁检测的数值计算方法进行了分析，结合理论分析与检测数据给出了一种快速的规则缺陷尺寸量化方法，能实现对规则缺陷的尺寸快速量化。　　5.针对非规则缺陷的尺寸量化方法进行了研究，提出了一种基于有限元神经网络的非规则缺陷尺寸量化方法。通过对有限元方法以及有限元神经网络的研究，基于有限元神经网络给出了一种漏磁检测的反演方法，能够实现对形态复杂的不规则缺陷进行尺寸量化，降低非规则缺陷尺寸辨识过程中的限制条件，实现约束条件更低、更精确的尺寸量化。　　最后，指出了漏磁检测的信号分析领域中存在的一些存在的问题和发展的方向，并对未来的工作进行了展望。
作者：	吴振宁
专业：	控制理论与控制工程
导师：	张化光
授予学位：	博士
授予学位单位：	东北大学
学位年度：	2015
正文语种：	中文