详情

原文传递一种储油罐罐壁腐蚀检测方法及系统

专利名称：	一种储油罐罐壁腐蚀检测方法及系统
摘要：	本申请公开了一种储油罐罐壁腐蚀检测方法及系统，所述方法包括：通过获得第一漏磁信号、第一超声信号，第一漏磁信号和第一超声信号为新投入储油罐罐壁采集信息，且均包括采集位置信息；获得第二漏磁信号、第二超声信号，第二漏磁信号和第二超声信号为待检储油罐罐壁采集信息，且所述第一漏磁信号与第二漏磁信号、所述第一超声信号与第二超声信号中采集位置信息具有对应性；对采集获得的所有漏磁信号、超声信号进行预处理；按照预设步长分割，获得N个训练样本、n个测试样本；获得多类型信号循环卷积神经网络；获得异常样本信息；确定储油罐罐壁腐蚀位置。解决了现有技术中存在罐壁腐蚀样本数量少、种类繁多，难以在线检测的技术问题。
专利类型：	发明专利
申请人：	国家石油天然气管网集团有限公司;国家管网集团北方管道有限责任公司
发明人：	王维斌;杨玉锋;张强;林明春;高晞光;刘硕;许琛琛;王春明;张希祥
专利状态：	有效
申请日期：	2021-12-02T00:00:00+0800
发布日期：	2022-03-18T00:00:00+0800
申请号：	CN202111462839.3
公开号：	CN114199992A
代理机构：	北京众达德权知识产权代理有限公司
代理人：	吴莹
分类号：	G01N27/83;G01N29/04;G06K9/00;G06N3/04;G06N3/08;G;G01;G06;G01N;G06K;G06N;G01N27;G01N29;G06K9;G06N3;G01N27/83;G01N29/04;G06K9/00;G06N3/04;G06N3/08
申请人地址：	100020 北京市朝阳区东土城路5号;
主权项：	1.一种储油罐罐壁腐蚀检测方法，其中，所述方法应用于一种储油罐罐壁腐蚀检测系统，所述方法包括：获得第一漏磁信号、第一超声信号，所述第一漏磁信号、所述第一超声信号为新投入储油罐罐壁采集信息，且，均包括采集位置信息；获得第二漏磁信号、第二超声信号，所述第二漏磁信号、所述第二超声信号为待检储油罐罐壁采集信息，且，所述第一漏磁信号与第二漏磁信号、所述第一超声信号与第二超声信号中所述采集位置信息具有对应性；对采集获得的所有漏磁信号、超声信号进行预处理；对预处理后的所述漏磁信号、超声信号按照预设步长进行分割，获得N个训练样本、n个测试样本，其中，N、n均为正整数；通过所述N个训练样本对神经网络模型进行训练，获得多类型信号循环卷积神经网络；将所述n个测试样本输入所述多类型信号循环卷积神经网络中，获得异常样本信息；根据所述异常样本信息，确定储油罐罐壁腐蚀位置。 2.如权利要求1所述的方法，其中，所述获得第一漏磁信号、第一超声信号之前，包括：获得储油罐尺寸信息；根据所述储油罐尺寸信息，计算获得信号采集参数，所述信号采集参数包括采集起始位置、仪器移动方向、移动步长信息；根据所述采集起始位置，获得第一标记位置；基于所述第一标记位置，根据所述仪器移动方向、移动步长信息，采集获得漏磁信号、超声信号。 3.如权利要求1所述的方法，其中，所述对采集获得的所有漏磁信号、超声信号进行预处理，包括：基线校正、异常检测、缺失恢复。 4.如权利要求1所述的方法，其中，所述对预处理后的所述漏磁信号、超声信号按照预设步长进行分割，获得N个训练样本、n个测试样本，包括：根据所述第一漏磁信号、第一超声信号，获得第一漏磁信号集、第一超声信号集；根据所述第一漏磁信号集、第一超声信号集，获得所述N个训练样本；根据所述第二漏磁信号、第二超声信号，获得第二漏磁信号集、第二超声信号集；根据所述第二漏磁信号集、第二超声信号集，获得所述n个测试样本。 5.如权利要求4所述的方法，其中，所述通过所述N个训练样本对神经网络模型进行训练，获得多类型信号循环卷积神经网络，包括：步骤a：将所述N个训练样本中的第一漏磁信号集分别输入第一卷积特征提取网络中，获得第一卷积特征信息；步骤b：将所述N个训练样本中的第一超声信号集分别输入第二卷积特征提取网络中，获得第二卷积特征信息；步骤c：将所述第一卷积特征信息作为第二卷积特征提取网络的标签，通过最小化损失函数，利用随机梯度下降法对第二卷积特征提取网络进行超声提取网络参数优化，获得第二更新卷积特征提取网络；步骤d：获得第二更新卷积特征提取网络的输出的第二更新卷积特征信息；步骤e：将所述第二更新卷积特征信息作为第一卷积特征提取网络的标签，通过最小化损失函数、利用随机梯度下降发对第一卷积特征提取网络的漏磁提取网络参数进行优化，获得第一更新卷积特征提取网络；步骤f：重复步骤c至步骤e，直到所述超声提取网络参数、漏磁提取网络参数达到预设要求为止，获得所述多类型信号循环卷积神经网络。 6.如权利要求5所述的方法，其中，所述将所述N个训练样本中的第一漏磁信号集分别输入第一卷积特征提取网络中，获得第一卷积特征信息，包括：根据所述N个训练样本，获得第一训练样本矩阵；通过所述第一卷积特征提取网络的卷积层进行卷积处理，获得卷积输出矩阵；通过激活函数对所述卷积输出矩阵进行激活；将激活后的卷积矩阵输入所述第一卷积特征提取网络的池化层进行降采样后，通过全连接层输出，获得所述第一卷积特征信息。 7.如权利要求4所述的方法，其中，所述将所述n个测试样本输入所述多类型信号循环卷积神经网络中，获得异常样本信息，包括：将所述n个测试样本中的第二漏磁信号集、第二超声信号集分别输入所述多类型信号训练卷积神经网络中，分别获得漏磁信号特征向量、超声信号特征向量；根据所述漏磁信号特征向量、超声信号特征向量，通过公式计算获得特征误差，其中，FM漏磁信号特征向量、Fu超声信号特征向量、E为特征误差；获得预设异常阈值，所述预设异常阈值为所有训练样本中最大误差值；当所述特征误差不小于所述预设异常阈值时，确定为所述异常样本信息。 8.如权利要求3所述的方法，其中，所述对采集获得的所有漏磁信号、超声信号进行预处理，包括：基线校正、异常检测、缺失恢复，包括：根据公式对所有漏磁信号、超声信号进行基线校正，其中，P为采集的信号的通道数、k为采样计数点数量、oij为第j通道在第i个计数点位置的原始值、oij′为第j通道在第i个计数点位置的校正值、s为所有通道的中值；基于3σ准则对所有漏磁信号、超声信号进行异常检测，获得异常点，并将所述异常点剔除；对剔除异常点后的所述漏磁信号、超声信号进行缺失点恢复。 9.一种储油罐罐壁腐蚀检测系统，其中，所述系统包括：第一获得单元：所述第一获得单元用于获得第一漏磁信号、第一超声信号，所述第一漏磁信号、所述第一超声信号为新投入储油罐罐壁采集信息，且，均包括采集位置信息；第二获得单元：所述第二获得单元用于获得第二漏磁信号、第二超声信号，所述第二漏磁信号、所述第二超声信号为待检储油罐罐壁采集信息，且，所述第一漏磁信号与第二漏磁信号、所述第一超声信号与第二超声信号中所述采集位置信息具有对应性；第一执行单元：所述第一执行单元用于对采集获得的所有漏磁信号、超声信号进行预处理；第三获得单元：所述第三获得单元用于对预处理后的所述漏磁信号、超声信号按照预设步长进行分割，获得N个训练样本、n个测试样本，其中，N、n均为正整数；第四获得单元：所述第四获得单元用于通过所述N个训练样本对神经网络模型进行训练，获得多类型信号循环卷积神经网络；第五获得单元：所述第五获得单元用于将所述n个测试样本输入所述多类型信号循环卷积神经网络中，获得异常样本信息；第一确定单元：所述第一确定单元用于根据所述异常样本信息，确定储油罐罐壁腐蚀位置。 10.一种储油罐罐壁腐蚀检测系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现权利要求1～8任一项所述方法的步骤。
所属类别：	发明专利