您现的位置:首页 > 数据库检索 > 中文期刊 

基于深度学习的漏磁检测缺陷识别方法*

加收藏
  • 【题名】:基于深度学习的漏磁检测缺陷识别方法*
  • 【年份】:2020
  • 【作者】:王宏安,陈国明
  • 【关键词】:深度学习  卷积神经网络  回归预测  缺陷量化识别  漏磁信号
  • 【摘要】:传统漏磁信号缺陷量化缺少其他分量信息,人工特征的提取方式造成信息量有限。为此,提出一种基于深度学习的漏磁检测缺陷量化识别方法,并建立了漏磁检测缺陷识别模型,该模型包含深度卷积神经网络模块和回归模块。深度卷积神经网络模块利用卷积神经网络的多输入多输出互相关操作,完成漏磁缺陷信号3个分量(轴向、周向、径向)的数据融合,利用预训练的网络,迁移已有知识,实现缺陷信号的特征自动提取;回归模块中设计缺陷、长度和宽度联合损失函数,利用回归方式实现缺陷尺度的量化。采用有限元仿真和牵拉试验相结合的方式,建立漏磁信号缺陷量化数据集并划分为训练集和测试集,训练集用于模型训练,测试集进行方法验证。研究结果表明:90%置信度下,长度和宽度量化结果全部落在±10 mm的误差带上,深度量化结果全部落在±10%t (t为壁厚)的误差带上,满足工程检测要求,可有效完成管道漏磁缺陷识别。研究结果可为油气输送管道漏磁检测新技术的研究提供一定的参考。
  • 【期刊名】:石油机械
  • 【分类号】:TE973.6;TP18
  • 【期号】:第5期
  • 【资金项目】:国家重点研发计划项目“临海油气管道检测、监控技术研究与仪器装备研制”(2016YFC0802302);“应急处置与安全保障技术研究”(2016YFC0802304);国家863计划项目“海底管道缺陷内检测技术与装备工程化研究”(2011AA090301)
  • 【作者简介】:王宏安,副研究员,生于1981年,2008年毕业于中国石油大学(华东),获硕士学位,现为在读博士研究生,研究方向为海洋工程装备和海底管道检测技术。地址:(257017)山东省东营市。E-mail:zjywha@163.com。
  • 【作者单位】:中国石油大学(华东)机电工程学院;中石化胜利石油工程有限公司钻井工艺研究院
  • 【页码】:127-132
相关文献
基于相似度驱动线性哈希模型参数再优化方法<sup>*sup>
非经典条件下机器学习方法专题前言<sup>*sup>
基于在线性能测试概念漂移检测方法<sup>*sup>
基于动静态表征众筹协同预测方法<sup>*sup>
基于自回归预测模型深度注意力强化学习方法<sup>*sup>
基于深度学习语义分割桥梁病害图像像素级识别方法
基于深度学习车辆零件缺陷检测方法
基于机器学习输电线路设备细微缺陷智能检测方法
改进R-FCN 船舶识别方法<sup>*sup>
基于深度学习中尺度涡检测技术及其在声场中的应用
获取此文方式
CNKI期刊
下载请求:
   

说明:点击”存到网盘“按钮即收取费用,重复点击不收费,如果下载失败,我们会自动转为文献传递方式处理,稍侯请关注您网盘上该文献的信息,从网盘上下载该文献不用重新付费。