原文传递
基于超声导波和机器视觉的管道缺陷检测方法研究
| 论文题名： | 基于超声导波和机器视觉的管道缺陷检测方法研究 |
| 关键词： | 管道缺陷检测;超声导波;机器视觉;全聚焦成像;信息融合 |
| 摘要： | 管道运输作为一种高效、经济的运输方式，在经济发展中发挥着越来越重要的作用。随着管道运行时间的不断延长，因腐蚀、老化及变形等因素影响而导致的管道泄漏事故频发，这一方面会造成原材料浪费，另一方面也可能会导致环境污染甚至是人员伤亡，因此定期对管道进行无损检测并对管道运行状态进行评价尤为重要，这对保障管道正常运行和减少损失具有重要意义。 本文以超声导波和机器视觉检测理论为基础，采用理论与实验相结合的方法，对基于超声导波和机器视觉的管道缺陷检测方法进行研究。超声导波具有可快速实现缺陷定位并能给出总损失率等优点，但是并不能直观反应管道缺陷详细信息，而机器视觉则可直观反映管道缺陷信息，但系统比较复杂且检测效率比较低，不能够快速实现管道缺陷定位。将超声导波与机器视觉检测方法相结合，采用互补融合的方式则可快速进行管道缺陷定位并识别缺陷的大小等信息，可为管道检修提供可靠依据。本文基于超声导波检测理论，选取L（0,1）模态超声导波作为激励模态，用于管道缺陷的检测。首先利用ABAQUS软件建立管道模型，进行数值模拟计算，确定管道的缺陷位置，利用采集到的管道缺陷回波信号对管道缺陷进行轴向定位，使用能量幅值法和圆轨迹曲线法实现管道缺陷的周向定位，并对两种方法进行了分析和比较。研究结果表明，采用幅值能量法只能大致确定缺陷的周向位置，定位精确度不高；而采用圆轨迹曲线法则可较好地对管道缺陷进行周向定位，并且角度越小的缺陷定位精度越高，总体缺陷定位精度在8.5%以内。然后使用全聚焦成像算法实现管道的单缺陷和多缺陷成像，利用中值滤波、希尔伯特变换提取信号包络、信号锐化等信号处理方法提高了管道缺陷的成像精度。利用希尔伯特变换和EMD方法实现管道缺陷回波信号的特征提取，最后使用BP神经网络建立了三输入二输出模型，实现管道周向缺陷大小的辨识。基于机器视觉检测理论，对管道内表面进行图像采集，分析管道内表面缺陷，并实现管道内表面缺陷的三维可视化。将超声导波与机器视觉进行互补式融合，充分发挥各自优势，实现对管道缺陷检测数据全方位、多角度的分析与判断，为后续的管道缺陷检测系统开发奠定基础。 |
| 作者： | 李靖 |
| 专业： | 控制科学与工程 |
| 导师： | 李忠虎;张鑫宇 |
| 授予学位： | 硕士 |
| 授予学位单位： | 内蒙古科技大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
