管道漏磁内检测失效数据处理方法

发布时间：2022-07-14 20:31

　　管道漏磁内检测数据的有效性对缺陷检测的准确性影响极大,为了尽可能避免失效数据的影响,通过分析漏磁失效信号的特征,设计了漏磁失效数据的处理方法:针对过限失效、尖峰失效、连续过平滑失效、单通道数据漂移失效、传感器抖动失效5类失效数据,采用阈值超限法、邻域差分阈值法、信号区域面积、局部过零率等完成失效数据的检测与剔除;利用近邻搜索算法（K-Nearest Neighbor,KNN）,并通过支持向量回归算法（Support Vector Regression,SVR）降低训练集的冗余性,设计了一种将KNN与SVR相结合的漏磁缺失数据插补方法,对缺失数据进行插补。结果表明:对于不同程度的数据缺失情况,管道漏磁失效数据处理方法可以实现对漏磁缺失数据的精确插补,对实际工程中出现的失效数据处理具有借鉴作用。（图4,表2,参24） 

【文章页数】：7 页

【部分图文】：

管道漏磁内检测失效数据信号特征分类图

KNN算法在完备数据集中的近邻搜索结果

KNN-SVR方法中近邻样本数据块划分示意图

【参考文献】：
期刊论文
[1]基于深度学习的管道环焊缝目标检测方法[J]. 王宏安.  自动化与仪器仪表. 2020(09)
[2]基于K均值聚类的油气管道漏磁缺陷标记方法[J]. 王宏安,陈国明.  科学技术与工程. 2020(21)
[3]制造业生产过程中多源异构数据处理方法综述[J]. 陈世超,崔春雨,张华,马戈,朱凤华,商秀芹,熊刚.  大数据. 2020(05)
[4]基于数学形态学滤波的漏磁信号预处理方法研究[J]. 邱忠超,洪利,蔡建羡,姚振静,高志涛.  中国测试. 2020(03)
[5]基于SVR的长江经济带水环境承载力评价[J]. 万炳彤,赵建昌,鲍学英,李爱春.  中国环境科学. 2020(02)
[6]成品油管道内检测清管技术[J]. 邵卫林,何湋,杨白冰,周地清,梁方兴,孟涛,何仁洋,康佐明.  油气储运. 2019(11)
[7]基于不完整数据的异常信号检测方法[J]. 马捷,钟子发,史英春.  计算机工程. 2011(14)
[8]一种基于KNN-SVR的基因表达缺失值的估计方法[J]. 王广云,倪青山,邱浪波,王正志.  国防科技大学学报. 2009(01)
[9]面向多输入输出系统的支持向量机回归[J]. 王晶,靳其兵,曹柳林.  清华大学学报(自然科学版). 2007(S2)

硕士论文
[1]基于机器学习的漏磁信号异常检测方法研究[D]. 张鑫博.东北大学 2017
[2]基于统计学习的数据预处理缺失值清洗方法研究[D]. 曹林.哈尔滨工程大学 2012



本文编号：3661826