油气管道漏磁检测的缺陷区域鉴别及轮廓重构方法研究-博士.PDF

博士学位论文公示材料 学生姓名 李芳明 学号 1210308 二级学科 控制理论与控制工程 导师姓名 冯健 论文题目 油气管道漏磁检测的缺陷区域鉴别及轮廓重构方法研究 论文关键词 油气管道；无损检测；漏磁检测；缺陷区域鉴别；缺陷轮廓重构 论文摘要(中文) 石油和天然气是非常重要的能源和化工原料，对于人们的日常生活、工农业生产、国民经济发展 和国防建设都有着举足轻重的作用。由于石油和天然气是属于易燃、易爆类危险品，因此在运输过程 中需要特别注意其运输安全。管道运输由于其安全性好、可靠性高、性价比高等特点逐渐成为了石油 和天然气最主要、最常用的运输方式。而随着管道服役年限的增加，其发生腐蚀、泄露的可能性也随 之增加。为了维持管道的运行状态良好，需要对其进行定期检测与维护，以防止泄漏等事故的发生。 目前，常用的管道的无损检测技术主要包括：漏磁检测、涡流检测和超声检测等。漏磁检测由于 其对于检测环境要求低、可靠性好、精度高等特点成为了应用最为广泛的管道无损检测方法。漏磁检 测除了要保证检测器硬件能够采集到分辨率较高的漏磁信号外，还需要做好后期的漏磁信号处理工作。 在漏磁信号处理过程中，缺陷区域鉴别与缺陷轮廓重构是两个极其重要的环节。缺陷区域鉴别完成在 所有的异常区域中鉴别出缺陷类型区域的功能。缺陷轮廓重构完成估计缺陷真实轮廓的功能，为评估 缺陷的严重程度和维修迫切性提供参考。本文对这两个油气管道漏磁检测中的关键问题进行了深入研 究。 为了提高缺陷区域的鉴别精度，本文提出了一种基于卷积神经网络的缺陷区域鉴别方法。在以前 的一些文献中，缺陷区域鉴别通常是根据异常区域的某些手工提取的特征来进行。基于手工提取特征 的缺陷鉴别方法一般是提取异常区域内的某些特征作为既有模型的输入，来判断疑似缺陷区域是否为 真正的缺陷，这类方法存在对于噪声敏感、不能完全兼顾可辨识性和鲁棒性等缺点，导致缺陷区域鉴 别的精度较低。基于卷积神经网络的缺陷鉴别方法以疑似缺陷区域的整体漏磁图像作为模型的输入， 通过卷积神经网络来自动地提取出某些可辨识性最高的区域特征来鉴别疑似区域是否为真正的缺陷区 域。该方法的优点是能够跳过手工特征提取的过程，节省一部分计算时间和存储空间。此外，基于卷 积神经网络的缺陷区域鉴别方法对于漏磁信号噪声和一定范围内缩放、位移和畸变等变化都具有良好 的鲁棒性，能够有效地提高缺陷区域鉴别的精度。 针对缺陷轮廓重构问题，本文先后提出了三种适合不同工业背景的缺轮廓重建方法。基于遗传禁 忌搜索混合算法的缺陷轮廓重构方法、基于RBFNN 误差调整的缺陷轮廓重构方法、基于改进和声搜索 算法的缺陷轮廓重构方法。 基于遗传禁忌搜索混合算法的缺陷轮廓重构方法使用径向基函数神经网络（RBFNN ）作为正向模 型，使用遗传禁忌搜索混合算法来更新估计缺陷轮廓。RBFNN 的正向模型与遗传禁忌搜索混合算法的 缺陷更新策略能够保证该方法具有极快的缺陷轮廓重构速度。由于训练RBFNN 正向模型需要大量训练 样本，因此，使用该方法的前提条件是拥有大量的先验漏磁数据。仿真与实验结果表明该方法能够在 很短的时间内获得良好的缺陷轮廓重建精度。 基于RBFNN 误差调整的缺陷轮廓重构方法使用有限元方法作为正向模型，使用基于RBFNN 的误 差调整策略来更新缺陷的估计轮廓。该方法同样需要大量的先验漏磁数据作为支撑。该方法使用有限 元方法作为正向模型，因此，可以重建任意不规则的缺陷轮廓。由于基于RBFNN 的误差调整策略能够 使估计轮廓快速地逼近缺陷的真实轮廓，该方法同样具有较高的效率。 基于改进和声搜索算法的缺陷轮廓重构方法打破了需要大量的先验漏磁数据的限制，应用范围最 为广泛。该方法使用有限元方法作为正向模型，应用改进的和声搜索算法来更新估计缺陷轮廓。改进 的和声搜索算法从三个不同角度提升了原有和声搜索算法的智能化水平和优化性能，能够提高缺陷轮 廓重建的速度。与此同时，一种改进的信号差误差平方和函数被提出了，并作为适应度函数，有效的 提高了估计轮廓和真实轮廓在缺陷响应段的拟合精度。仿真和实验结果表明，基于改进和声搜索算法 —1— 的缺陷轮廓重构方法是有效的，能够并应用在工程实际中。 最后，总结了本文的工作。并根据油气管道漏磁检测的现状，对未来的发展方向和发展趋势进行了 预测与展望。