当前位置:主页 > 科技论文 > 石油论文 >

基于BP神经网络管道磁记忆检测模式识别

发布时间:2021-12-11 17:30
  为区分管道母材及焊缝处不同损伤形式磁记忆信号,运用BP神经网络对管道缺陷检测信号的模式进行识别。以X80管线钢作为试样材质,分别从X80管道母材及焊缝部位取样,加工无缺陷及含裂纹等两种形式的试样并对其进行磁记忆检测。采用有限元分析软件获得其磁场分布,对磁记忆检测信号进行特征参数提取并采用BP神经网络对特征参数进行聚类,建立了管道磁记忆检测模式识别方法。研究结果表明:不同损伤部位及形式的试样,其磁记忆检测信号分布有较大差异;磁记忆检测信号分布与试样表面形貌及损伤形式密切相关;运用BP神经网络能够有效识别管道不同位置及损伤形式的磁记忆检测信号。研究结果为磁记忆检测技术应用于管道内检测并进行管道典型缺陷信号识别提供了新的思路和方法。 

【文章来源】:石油机械. 2020,48(06)北大核心

【文章页数】:8 页

【部分图文】:

基于BP神经网络管道磁记忆检测模式识别


试样外形图

基于BP神经网络管道磁记忆检测模式识别


检测装置

磁记忆,裂纹,信号,试样


母材试样有、无裂纹磁记忆检测信号分布如图3所示。从图3可看出:无缺陷试样检测表面光滑平整,其磁记忆检测信号分布近似于一条水平直线,检测信号分布与试样表面形貌一致;含裂纹试样的中心区域磁场发生明显突变,呈现波谷形状。图4为母材有、无裂纹磁记忆检测信号梯度分布。从图4可见:无缺陷试样信号梯度分布近似幅值为0的水平直线;含裂纹试样缺陷处磁场信号梯度存在明显跳动并近似呈正弦变化。

【参考文献】:
期刊论文
[1]落石冲击载荷下埋地油气管道力学分析[J]. 黄文,谢锐,陈小华.  石油机械. 2019(09)
[2]天然气管道缺陷模型的建立及有限元分析[J]. 张健,孙奇北,王文燕,杜明超,伊岩,张保存.  石油机械. 2019(04)
[3]海底管道检测最新技术及发展方向[J]. 王金龙,何仁洋,张海彬,郭晗,吴庆伟.  石油机械. 2016(10)
[4]三轴高清漏磁检测技术优势及应用现状[J]. 冯庆善,张海亮,王春明,贾秋菊.  油气储运. 2016(10)
[5]基于磁记忆的导管架平台关键构件预检测研究[J]. 王宁,吕涛,徐长航,陈国明.  石油机械. 2015(05)
[6]天然气管道爆裂事故原因及防范措施[J]. 宋静,马晓强,郭东升.  油气储运. 2014(04)
[7]油气管道事故原因分析及分类方法研究[J]. 狄彦,帅健,王晓霖,石磊.  中国安全科学学报. 2013(07)
[8]基于组合模型的油气管道腐蚀速率预测[J]. 张甫仁,张辉.  石油机械. 2010(06)
[9]基于磁记忆方法的油气管道内检测试验研究[J]. 张兰,张来斌,樊建春,温东,贾运行,孙吉业.  石油机械. 2010(05)
[10]海洋石油再用油管磁记忆检测系统[J]. 郑文培,樊建春,张来斌,温东,徐振广,孙秉才.  石油机械. 2010(05)



本文编号:3535090

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/shiyounenyuanlunwen/3535090.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户e4e4e***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com