管道缺陷漏磁检测量化技术及其应用分析

《管道缺陷漏磁检测量化技术及其应用分析》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、天津大学博：t学位论文中文摘要论文针对管道(钢管)缺陷漏磁检测定量化、智能化的难题，紧密结合检测现场实际需要，通过理论分析和大量实验，系统分析总结了管道(钢管)缺陷漏磁智能检测技术。并在缺陷漏磁场分布以及缺陷漏磁信号与缺陷外形参数间的关系、缺陷漏磁信号分析、漏磁信号影响因素补偿、缺陷漏磁场波形特征提取和缺陷外形尺寸定量识别等方面进行了深入研究，主要成果和创新如下：引出磁偶极子模型近似分析常见缺陷漏磁场，针对磁偶极子模型的不足，将有限元方法应用到缺陷漏磁场分析，实现了常见管道样本缺陷漏磁场的模拟。采用霍尔元件作为缺陷漏磁检测传感器，获得管道轴截面漏磁场切向分量的漏磁信号；研究了缺陷

2、外形尺寸、缺陷倾角和形状、管道材质和磁化强度、检测仪移动速度、管道背底磁场、管内压力和剩磁对漏磁信号的影响。提出了各通道增益放大、各路漏磁信号偏离调整、波形微分、数字滤波和平滑等漏磁信号预处理方法：’分析了等空间采样的漏磁信号转换为等时间采样信号的必要性，研究了漏磁信号的小波去噪方法。研究用非线性插值技术对管道厚度和材质的影响进行补偿，实现了用傅立叶变换和最优滤波方法来消除检测仪移动速度对漏磁信号的影响，并取得了实验验证。引入了缺陷漏磁信号的模式识别方法，提出了缺陷漏磁场及缺陷外形尺寸的特征量；实现了用主成分分析、多元非线性回归和统计识别分析等方法对缺陷漏磁信号波形进行特征提取和

3、定量识别，精度在误差准许范围内。将神经网络模式识别方法应用到缺陷漏磁检测中来，提出了用BP网络和小波神经网络对缺陷进行定量识别，精度高、效果好。建立了管道(钢管)缺陷漏磁法智能检测和数据分析系统，设计了系统工程数据库，实现了缺陷漏磁场数据的插值和图像处理，完成了缺陷漏磁场特征自动提取和缺陷外形尺寸的智能识别，给出了管道缺陷漏磁检测的整个步骤和过程。这一切解决了国内管道漏磁检测的定量化、智能化的难题，补充了国外管道漏磁检测的不足。关键词：管道漏磁场特征提取模式识别神经网络智能检测ABgM(玎ABSTRACTThisdissertationconcentratesonthediffi

4、cultproblemsthatthepipelineorpipedefectsarenotestimatedorevaluatedquanfitatively，intelligentlybyMFL(MagneticFluxLeakage)inspectionmethod．Fromthepracticaldemand，theoreticalanalysisandexperimentsortesting,theMFLinspectiontechnologyofpipelineorpipedefectsareexplained，summarizedindetailinthewhole

5、paper,atthesanletime,therelationshipbetweentheMFLfielddistribution,theMFLsignalshapeandthedefectgeometryorseverity,theanalysisoftheMFLdataandthecompensationofinfluencingtherelationshipfactors，signalfeatureextraction，intelligentrecognitionofdefectparametersandSOonarestudiedsystematically．Thoma

6、inachievementsareasfollows：ThetheorymodelsofdefectMFLfieldaresetup；basedonthemagneticdipolemodeIandfmiteelementmodel．thedistributionofdefectMFLfieldiSsimulatedinthedissertation；thecomponentoffluxdensity(magneticfiled)paralleltothesurfaceofpipeisdetectedbyacircumferentialarrayofHallprobes；thef

7、actorsincludingdefectgeometryparameters，defectsurfaceangleandshape，pipematerial，fieldintensity,vehiclevelocity,backgroundmagnetization，operatingpressureandremanentmagnetizationandSOoninfluencetheMFLsignalcharacteristics．Thesignalsarepre—proce