一种管道损伤数据特征识别模型与方法技术

本说明书实施例具体公开了一种管道损伤数据特征识别模型与方法，所述方法包括：获取指定管道的一维漏磁数据；将所述一维漏磁数据进行图像转换，得到所述指定管道的损伤图像信息；其中，所述损伤图像信息包括相位图像信息或场图像信息；利用预先构建的管道损伤识别算法对所述损伤图像信息进行处理，得到所述指定管道的损伤识别结果。利用本说明书各个实施例，可以大幅提高管道损伤识别的准确性，并可以有效甄别相应管道损伤的损失类型。

【技术实现步骤摘要】
一种管道损伤数据特征识别模型与方法
本说明书涉及管道损伤检测
，特别地，涉及一种管道损伤数据特征识别模型与方法。
技术介绍
油气资源是重要的战略物资和经济资源。随着管道里程的增加，外部应力变化引起的裂缝、凹痕、腐蚀、机械损伤等管道失效频繁发生。其中，机械损伤和腐蚀损伤可导致管道破裂、爆炸、财产损失和人员伤亡。据统计，管道损坏造成的人员伤亡占总伤亡人数的22％～67％。因此，对管道进行安全检查显得尤为重要。目前，有很多管道损伤检测技术。例如管道漏磁检测技术被广泛应用，它具有速度快、效率高的优点，适用于铁磁性金属材料的缺陷检测。同时管道采用铁磁性金属材料，便于石油化工管道漏磁检测技术的应用。然而，大多数管道位于恶劣的室外环境中，存在各种腐蚀和机械损伤缺陷，包括轴向损伤和环向损伤，导致漏磁信号差异较大。同时，由于信号中存在各种干扰，现有方法对缺陷的诊断和预测精度较低。因此，有必要进一步改进和完善检测数据识别算法，以提高管道漏磁检测缺陷识别的精度和可靠性。
技术实现思路
本说明书实施例的目的在于提供一种管道损伤数据特征识别模型与方法，可以提高管道损伤识别的准确性。本说明书提供一种管道损伤数据特征识别模型与方法是包括如下方式实现的：一种管道损伤数据特征识别方法，应用于服务器，所述方法包括：获取指定管道的一维漏磁数据；将所述一维漏磁数据进行图像转换，得到所述指定管道的损伤图像信息；其中，所述损伤图像信息包括相位图像信息或场图像信息；利用管道损伤识别算法对所述损伤图像信息进行处理，得到所述指定管道的损伤识别结果。本说明书提供的所述方法的另一些实施例中，所述指定管道的一维漏磁数据之前，所述方法还包括：获取指定管道在任一采集位置处的传感器采集数据，形成指定管道采集数据集；利用下述滤波模型对所述指定管道采集数据集进行滤波处理：Yij＝MedianXij≡Median[Xi+m,j+n；(m,n)∈W]{Xij；(i,j)∈Z2}其中，W表示平面窗口，m为所述平面窗口的水平尺寸，n为所述平面窗口的垂直尺寸，Xij为所述指定管道采集数据集所形成的指定采集图像的任一样本点，(i，j)为样本点Xij的标号，i为采集位置标号，j为时间采样点标号，Yij为以Xij为中心、平面窗口W在指定采集图像所覆盖的样本点范围内的各样本点的灰度中值，Median表示取中值运算符，Z2为所述指定采集图像的样本点所形成的标号集；对任一采集位置，根据多项式拟合算法对滤波处理后的传感器采集数据进行拟合处理，得到所述指定管道在相应采集位置处的一维漏磁数据。本说明书提供的所述方法的另一些实施例中，所述损伤图像信息中的相位图像信息或场图像信息采用下述方式确定：其中，GASF表示相位图像信息，GADF表示场图像信息，φ1,φ2,……,φn表示投影在极坐标系下的角度值，为归一化后的一维漏磁数据在不同时间采样点下的数据值。本说明书提供的所述方法的另一些实施例中，所述管道损伤识别算法至少包括1个输入层、11个权重层和1个输出层；其中，所述权重层包括5个卷积层、3个池化层和3个全连接层；第一卷积层与第二卷积层后分别连接有池化层；第五卷积层后连接有池化层。本说明书提供的所述方法的另一些实施例中，每个权重层配置有校正线性单元激活函数。本说明书提供的所述方法的另一些实施例中，所述卷积层的计算模型为：其中，zl(i,j)为任意一个输入图像的图像单元z(i+m,j+n)的卷积结果，(i，j)表示所述卷积结果的坐标点，l表示基于不同的卷积核对输入图像执行卷积处理所得到的卷积结果的通道标识，wl(m,n)为对z(i+m,j+n)执行卷积处理的卷积核，(m，n)表示卷积核wl(m,n)对应的矩阵的行、列长度，bl为偏差项。本说明书提供的所述方法的另一些实施例中，基于最大池化操作对所述卷积结果进行池化处理，得到相应卷积层的池化结果。本说明书提供的所述方法的另一些实施例中，所述池化层后还配置有局部响应层，所述局部响应层对应的计算模型为：其中，表示局部响应层的输出；为局部响应层对应的卷积层的池化结果，表示池化结果中l通道标识下坐标为(e，f)的点的值；N表示通道总数，k表示偏差，α、β为超参数，n表示参与计算的临近通道图像的数目，l′参与计算的临近通道图像的通道标识。本说明书提供的所述方法的另一些实施例中，所述全连接层后还配置有随机正规化处理机制，所述随机正规化处理机制的计算过程如下式所示：r(L)～Bernoulli(p)y(L+1)＝f(z(L+1))其中，L为算法隐含层的层数标识，p表示删除概率，Bernoulli为伯努利分布函数，r(L)为第L层神经元停止工作的概率向量，表示第L层部分神经元停止工作后的中间结果，y(L)表示第L层的预测结果，z(L+1)为L+1层的矢量输入，w(L+1)、b(L+1)为L+1层的偏差，y(L+1)表示第L+1层的预测结果。另一方面，本说明书实施例还提供一种管道损伤数据特征识别模型，所述模型包括：数据获取模块，用于获取指定管道的一维漏磁数据；数据转换模块，用于将所述一维漏磁数据进行图像转换，得到所述指定管道的损伤图像信息；其中，所述损伤图像信息包括相位图像信息或场图像信息；损伤识别模块，用于利用管道损伤识别算法对所述损伤图像信息进行处理，得到所述指定管道的损伤识别结果。本说明书一个或多个实施例提供的管道损伤数据特征识别模型与方法，通过采用上述网络模型架构，并在卷积层训练后再进行修正层、最大池化层和局部归一化层处理，以此结果进行全连接层训练，全连接层后再连接一个修正单元和随即正则层，可以大幅提高网络结构的下降效率及反向传播速度，并缓和识别过程中过拟合问题，可以大幅提高构建的算法的识别精度及稳定性。同时，在样本数据构建及损伤识别时中加入对原始数据的滤波处理，并以最大熵、信噪比、均方根误差等参量为衡量指标，选择最佳的滤波函数，可以进一步有效降低噪声对后续模型构建的影响以及对损伤识别准确性的影响。通过上述方式进行图像转化，可以有效保留原始数据中的相位信息，提高损伤识别的准确性。附图说明为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。在附图中：图1为本说明书提供的管道损伤识别算法的构建流程示意图；图2为本说明书提供的管道损伤的相位图像及场图像示意图；图3为本说明书提供的管道损伤识别算法的网络模型架构示意图；图4为本说明书提供的管道损伤识别算法的数据处理示例示意图；图5为本说明书提供的一种管道损伤数据特征识别方法的实施流程示意图；图6为本说明书提供本文档来自技高网...

【技术保护点】
1.一种管道损伤数据特征识别方法，其特征在于，应用于服务器，所述方法包括：/n获取指定管道的一维漏磁数据；/n将所述一维漏磁数据进行图像转换，得到所述指定管道的损伤图像信息；其中，所述损伤图像信息包括相位图像信息或场图像信息；/n利用管道损伤识别算法对所述损伤图像信息进行处理，得到所述指定管道的损伤识别结果。/n

【技术特征摘要】
1.一种管道损伤数据特征识别方法，其特征在于，应用于服务器，所述方法包括：
获取指定管道的一维漏磁数据；
将所述一维漏磁数据进行图像转换，得到所述指定管道的损伤图像信息；其中，所述损伤图像信息包括相位图像信息或场图像信息；
利用管道损伤识别算法对所述损伤图像信息进行处理，得到所述指定管道的损伤识别结果。


2.根据权利要求1所述的方法，其特征在于，所述指定管道的一维漏磁数据之前，所述方法还包括：
获取指定管道在任一采集位置处的传感器采集数据，形成指定管道采集数据集；
利用下述滤波模型对所述指定管道采集数据集进行滤波处理：
Yij＝MedianXij≡Median[Xi+m,j+n；(m,n)∈W]
{Xij；(i,j)∈Z2}
其中，W表示平面窗口，m为所述平面窗口的水平尺寸，n为所述平面窗口的垂直尺寸，Xij为所述指定管道采集数据集所形成的指定采集图像的任一样本点，(i，j)为样本点Xij的标号，i为采集位置标号，j为时间采样点标号，Yij为以Xij为中心、平面窗口W在指定采集图像所覆盖的样本点范围内的各样本点的灰度中值，Median表示取中值运算符，Z2为所述指定采集图像的样本点所形成的标号集；
对任一采集位置，根据多项式拟合算法对滤波处理后的传感器采集数据进行拟合处理，得到所述指定管道在相应采集位置处的一维漏磁数据。


3.根据权利要求1所述的方法，其特征在于，所述损伤图像信息中的相位图像信息或场图像信息采用下述方式确定：






其中，GASF表示相位图像信息，GADF表示场图像信息，φ1,φ2,……,φn表示投影在极坐标系下的角度值，为归一化后的一维漏磁数据在不同时间采样点下的数据值。


4.根据权利要求1所述的方法，其特征在于，所述管道损伤识别算法至少包括1个输入层、11个权重层和1个输出层；其中，所述权重层包括5个卷积层、3个池化层和3个全连接层；第一卷积层与第二卷积层后分别连接有池化层；第五卷积层后连接有池化层。


5.根据权利要求4所述的方法，其特征在于，每个权重层配置有校正线性单元激活函数。

【专利技术属性】
技术研发人员：郭岩宝，张敏，张政，杜强，王德国，
申请(专利权)人：中国石油大学北京，
类型：发明
国别省市：北京;11