应用小波神经网络辨别管道三维伤地研究.pdfVIP

2004年全国电磁(涡流)检测技术研讨会论文集 应用小波神经网络辨别管道三维伤的研究 杨理践麦小琴高松巍 (沈阳工业大学信息学院110023) 摘 要：小波变换和神经网络相结合的研究已成为智能化数字信号处理学科的热点之一， 这就是现在我们所说的小波神经网络技术。小波神经网络同时具有小波变换的时频局部性质和 神经网络的学习记忆功能和容错能力。本文将对小波神经网络应用在管道三维伤识别方面进行 探讨研究。 关键词：小波神经网络；漏磁磁信号；小波变换；神经网络 Re始arch identi矗cationOf3—Ddefect wavdet pro矗le代constructionusing neural network gao soI弩Vei，mixiaoqin，yangliji龃 School ofInfonnatioIl，ShenyangUnivefSityofTecllilolo∥(1l0023) Abs妇ct：Theofwavelet stud姐ng transform镐soci眦dwithneur2Ll玳Itworkh镐beeno肥of hotspots in MFL andwecallitwavelet删ne栅0rk processingpipelinedigitalsigllal tecIlllolo夥．W打elet 舱uralne铆’orkhaSboththe of 10calionf．romwavelet锄dthecharacterof qualitytime—f诧quency anderrortolerallcefromneumlne锕ork．Here we todosome about leaming a他going studying identificationof3一Ddefect reconstmctionwaveIetneuralneMork． profile using works：waveletneural Key ne坩ork；mgneIicflu)【leal(age(MFL)signal；wavelettransfonIl；nemall network 1．引言 目前，常见的管道探伤方法有：液体渗透，磁粉检测，涡流等，主要的是漏磁探伤法。国 外一些国家：美国、英国、加拿大，日本，德国等研究较早，深入研究理论同时已经应用到实 际生产中。有了不少产品，在漏磁信号处理上应用有限元等数值分析方法对缺陷漏磁场进行模 拟，通过实验对矩形槽、凹坑等漏磁场和漏磁信号进行定量分析，应用人工智能实现缺陷可视 化。如美国Ro∞n公司已经在管道检测上有了比较成熟技术。国内也有一些管道检测产品的报 道，也有不少学者研究管道漏磁信号处理方法，但技术不算成熟。 沈阳工业大学测量控制中心经过多年对管道探伤的研究，实现了用检测漏磁信号的方法来 检测石油管道的设备，该设备已经多次成功完成长距离管道检测。早期的缺陷鉴别过程大都是 由经验丰富的无损检测人员完成，其结果存在大量的人为因素，并耗时较长，往往需要几个月 的时间才能得到～条管线的分析结果。另外，用该方法只能给出缺陷的等效尺寸．而无法给出 对缺陷形状和尺寸的准确描述。因此，必须提出更为有效的数字信号处理方法来代替人为判伤。 目前