一种基于远场磁感知的钢质管道缺陷智能识别方法
本发明涉及油气管道安全,特别涉及一种基于远场磁感知的钢质管道缺陷智能识别方法。
背景技术:
0、技术背景
1、钢质管道凭借输送效率高、连续性强及工程适用范围广等特点,已成为石油、天然气、化工介质及其他流体输送领域的重要基础设施。钢质管道在长期服役过程中易发生腐蚀损伤,并可能因损伤持续发展而引发泄漏、破裂等安全事故。因此,开展有效的腐蚀检测成为保障管道完整性与安全运营的关键环节。
2、近年来,非接触式管道缺陷检测技术已逐步应用于在役埋地管道检测,并实现了异常区域的初步识别和定位。尤其适用于不具备收发球条件、难以实施内检测的管段具有较高检测效率,并且具有作业影响小、现场适应性强等优势,可在不停输、无需清管和不开挖的条件下开展沿线快速巡检与连续筛查,展现出广阔的工程应用前景。
3、然而,非接触式管道缺陷检测信号会受到管径、壁厚、钢材、运行压力、地形起伏以及激励频率和强度等多种因素的共同影响,同一缺陷在不同条件下可能呈现出不同的信号幅值和波形特征。非接触式管道缺陷检测结果主要依赖人工对单通道信号进行识别并结合经验判断,导致误检率和漏检率较高,该问题已成为制约非接触式管道缺陷检测技术进一步发展的重要因素。
4、所以,目前非接触式管道缺陷检测技术仍存在以下缺陷:
5、1. 多维度检测信号联合分析能力不足,信息利用率低,现有方法只能利用单一通道、单一波形,对缺陷进行定性判断,易造成检测结果出现较大的误判与漏判;
6、2. 检测结果对人工经验依赖程度较高,现有检测结果主要依赖人工识图和经验判定,缺乏能够从复杂检测信号中自动提取缺陷特征并完成缺陷识别的智能化方法,识别结果难以保证一致性和稳定性。
技术实现思路
1、针对上述问题,本发明提出一种基于远场磁感知的钢质管道缺陷智能识别方法,对非接触式管道缺陷检测获得的多维磁信号进行处理后采用图像识别技术及基于决策树的腐蚀深度半定量判别方法,实现了腐蚀自动识别及半定量评价。该方法提高了钢质管道腐蚀缺陷识别及腐蚀深度判别的效率和稳定性。
2、本发明解决上述技术问题所提供的技术方案是一种基于远场磁感知的钢质管道缺陷智能识别方法,包括基于图像识别技术的非接触式管道缺陷检测判别方法及基于决策树的腐蚀深度半定量判别方法。基于远场磁感知的钢质管道缺陷智能识别方法特征包括以下步骤:
3、s1、非接触式管道缺陷检测数据图像化处理,将获取的待评价管段非接触式管道缺陷检测数据进行绘图,绘制的折线图中应包含不同颜色标注的三轴磁梯度信号及图例,并按照缺陷尺寸统一的数据范围、坐标尺度和绘图格式进行统一处理,生成统一像素尺寸的标准化信号图;
4、s2、腐蚀缺陷图像识别,将步骤s1生成的三轴磁梯度信号图输入预先建立的腐蚀缺陷图像识别模型;通过可视化神经网络热力图,判断高热力区域是否覆盖图像信号所在范围,当折线图波动区域完整覆盖时认为图像识别结果有效;通过腐蚀缺陷图像识别模型获得待评价管段的腐蚀缺陷识别结果及相应预测概率;
5、s3、腐蚀磁异常特征处理,对步骤s2腐蚀缺陷图像识别判定为存在腐蚀缺陷的管段,提取其非接触式管道缺陷检测数据包括但不限于数据统计特征、信号能量特征、概率分布形态特征、峰值与冲击特征、积分与面积特征、一阶及二阶差分动态特征,以及多通道关联与融合特征等并对其进行数据标准化,获得能够表征腐蚀磁异常主要信息的低维特征集合;
6、s4、腐蚀程度分级评价,将步骤s3获得的低维特征集合输入已建立的基于决策树的腐蚀深度半定量判别方法,计算待评价管段三类腐蚀程度等级的预测概率,并依据预设的等级判定规则确定相应的腐蚀风险等级;
7、s5、开挖验证与模型迭代更新,选取步骤s4确定的典型腐蚀管段进行开挖验证,获取腐蚀缺陷实际深度及管道壁厚,并将实测腐蚀深度等级与步骤s4的预测结果进行对比并修正;将经开挖验证的检测数据、实测结果及修正后的类别标签反馈至样本数据库,对基于决策树的腐蚀深度半定量判别方法进行迭代训练,实现模型的闭环更新。
8、优选的,步骤s1中,所诉的非接触式管道缺陷检测数据图像化处理包括以下步骤:
9、s11、横坐标范围确定,以缺陷中点为中心截取检测数据,并在缺陷两侧保留正常背景信号;横坐标总长度优选为缺陷轴向长度的预设倍数,同一缺陷尺寸区间采用统一的截取长度;
10、s12、纵坐标范围确定,统计截取范围内三轴磁梯度数据的整体最大值和最小值,并据此自适应确定纵坐标上下限,使三轴磁梯度曲线完整显示且占据坐标轴主要区域。
11、优选的,步骤s3中,所诉的腐蚀磁异常特征处理包括以下步骤:
12、s31、单通道特征计算,分别对三轴磁梯度序列计算均值、标准差及均方根等数据统计特征,偏度和峭度等分布形态特征,峰值因子和冲击因子等冲击特征,以及一阶、二阶差分均值及极值等波动特征,特征数量应与选取模型适应;
13、s32、多通道特征融合,计算包括但不限于不同磁梯度分量相关系数、通道协方差特征及三通道能量占比特征等多通道联合特征;按照预设顺序将单通道特征与多通道融合特征组合为原始腐蚀磁异常特征向量;
14、s33、低维特征计算,将原始腐蚀磁异常特征进行标准化后,通过预先保存适配基于决策树的腐蚀深度半定量判别方法的主成分载荷系数计算各主成分得分,获得低维腐蚀磁异常特征集合。
15、优选的,步骤s4中,所诉的等级判定规则包括以下步骤:
16、s41、等级区间框定,以10%、20%和40%作为腐蚀深度比的分级边界,并按照左闭右开的区间划分原则框定三个腐蚀等级:当10%≤η<20%时,判定为第一类,对应中风险等级;当20%≤η<40%时,判定为第二类,对应较高风险等级;当η≥40%时,判定为第三类,对应高风险等级;
17、s42、将步骤s3中获得的低维特征集合输入基于决策树的腐蚀深度半定量判别方法;各决策树依据训练阶段确定的特征分裂顺序及判定阈值,对所述低维特征进行逐层分支判定,并综合各决策树的分类结果,获得待评价管段分别属于s41划定的三个腐蚀等级预测概率,将预测概率最大的类别确定为最终腐蚀程度等级。
18、优选的,步骤s5中,所诉的基于决策树的腐蚀深度半定量判别方法进行迭代训练包括以下步骤:
19、s51、验证样本构建,将开挖验证管段的低维特征集合、原预测类别及真实类别标签进行关联;当预测结果与实测结果不一致时,以实测类别对原样本标签进行修正,并将验证后的样本补充至模型更新数据集;
20、s52、模型迭代训练,当新增验证样本达到预设更新条件时,将其与原有训练样本合并,按照统一的特征数量、特征顺序及类别划分规则,采用s4所选模型进行迭代训练。
21、本发明有益效果如下:
22、1. 本发明利用图像识别模型对三轴磁梯度检测信号的多通道波形特征进行联合识别,充分挖掘不同方向磁信号所包含的腐蚀异常信息,提高了检测信号的信息利用率,并进一步采用基于决策树的腐蚀深度半定量判别方法,实现了对腐蚀深度的半定量评价;
23、2. 本发明通过图像识别模型实现腐蚀缺陷的自动识别,并结合基于决策树的腐蚀深度半定量判别方法确定腐蚀程度等级,有效降低了检测结果对人工经验的依赖,提高了腐蚀缺陷识别结果的一致性与稳定性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com