管道缺陷量化方法、处理器和管道缺陷量化装置制造方法及图纸

本发明专利技术实施例提供一种管道缺陷量化方法、处理器和管道缺陷量化装置，该管道缺陷量化方法包括：获取管道漏磁检测图像；对管道漏磁检测图像进行特征信息提取操作，以构建管道的缺陷特征数据库；对缺陷特征数据库中的缺陷特征进行降维操作，以确定主成分缺陷特征；构建管道缺陷量化模型；获取主成分缺陷特征的实际值；将主成分缺陷特征的实际值输入管道缺陷量化模型，以确定管道的缺陷特征尺寸预测值，能快速、准确地获取管道缺陷特征尺寸预测值，实用性较强。用性较强。用性较强。

【技术实现步骤摘要】
管道缺陷量化方法、处理器和管道缺陷量化装置


[0001]本专利技术涉及管道缺陷量化
，具体地涉及一种管道缺陷量化方法、处理器和管道缺陷量化装置。

技术介绍

[0002]随着经济的发展，全世界的能源需求每年都快速增长，这些能源大多以油、气形式存在，其运输的主要方式为管道运输。由于输送管线穿越地区广阔，服役复杂和位置隐蔽，由于腐蚀、磨损、意外损伤等原因导致的管线泄漏时有发生。一旦未能及时发现并加以制止，不仅会造成能源浪费、经济损失，而且严重污染环境，甚至危及人身安全。因此为了保证油气输运管道安全运行，为管道修理提供准确预报，需要对管道进行定期检测，针对管道缺陷情况开展研究。所以开展管道内检测技术研究，对管道缺陷进行准确的定量分析成为当前在役管道安全研究重点。
[0003]管道检测技术研究涉及多学科多领域，研究内容复杂。在诸多管道检测技术中，漏磁检测技术是应用最为广泛、技术也最为成熟的无损检测技术之一。此前基于漏磁检测数据的管道缺陷识别主要依靠人工进行，其结果存在大量的人为因素，基本可以判断出管道缺陷的有无和位置，而无法给出缺陷形状和尺寸等准确的定量信息。且随着管道漏磁检测设备精度的提高及检测距离的延长，每检测100km的管道已经可以产生高达几十GB的数据，如此大量的检测数据人工分析起来耗时极长，迫切需要智能的管道缺陷定量识别技术。

技术实现思路

[0004]本专利技术实施例的目的是提供一种管道缺陷量化方法、处理器和管道缺陷量化装置，该管道缺陷量化方法、处理器和管道缺陷量化装置能够准确、快速地获得管道的缺陷特征尺寸。
[0005]为了实现上述目的，本专利技术实施例提供一种管道缺陷量化方法，该管道缺陷量化方法包括：
[0006]获取管道漏磁检测图像；
[0007]对管道漏磁检测图像进行特征信息提取操作，以构建管道的缺陷特征数据库；
[0008]对缺陷特征数据库中的缺陷特征数据进行降维操作，以确定主成分缺陷特征；
[0009]构建管道缺陷量化模型；
[0010]获取主成分缺陷特征的实际值；
[0011]将主成分缺陷特征的实际值输入管道缺陷量化模型，以确定管道的缺陷特征尺寸预测值。
[0012]在本专利技术的实施例中，缺陷特征数据库中的缺陷特征至少包括谷谷间距、峰峰间距、峰谷间距、拐点间距、特殊点间距、峰谷差值、体积、表面积、面能量等轴向、径向和周向三轴信号。
[0013]在本专利技术的实施例中，缺陷特征尺寸包括缺陷长度、缺陷周向宽度和缺陷深度。
[0014]在本专利技术的实施例中，获取管道漏磁检测图像包括：
[0015]获取管道漏磁数据；
[0016]对管道漏磁数据进行预处理，以获取预处理后的管道漏磁数据；
[0017]根据预处理后的管道漏磁数据进行曲线绘制，以获取管道漏磁检测图像。
[0018]在本专利技术的实施例中，对缺陷特征数据库中的缺陷特征数据进行降维操作，以确定主成分缺陷特征包括：
[0019]对缺陷特征数据库中的缺陷特征数据进行归一化处理，以确定归一化处理后的缺陷特征数据；
[0020]基于主成分分析算法对归一化处理后的缺陷特征数据进行降维操作，以确定主成分缺陷特征。
[0021]在本专利技术的实施例中，构建管道缺陷量化模型包括：
[0022]获取径向基函数神经网络；
[0023]获取缺陷特征尺寸实际值；
[0024]根据缺陷特征尺寸实际值和主成分缺陷特征的实际值构建管道缺陷量化训练集；
[0025]将管道缺陷量化训练集输入到径向基函数神经网络进行训练，以构建管道缺陷量化模型。
[0026]在本专利技术的实施例中，将管道缺陷量化训练集输入到径向基函数神经网络进行训练，以构建管道缺陷量化模型包括：
[0027]将管道缺陷量化训练集输入到径向基函数神经网络进行训练，以构建管道缺陷量化测试网络；
[0028]根据缺陷特征尺寸实际值和主成分缺陷特征的实际值构建管道缺陷量化测试集；
[0029]将管道缺陷量化测试集输入到管道缺陷量化测试网络进行测试，以构建管道缺陷量化模型。
[0030]本专利技术的第二方面提供一种处理器，处理器被配置成执行上述的管道缺陷量化方法。
[0031]本专利技术的第三方面提供一种管道缺陷量化装置，管道缺陷量化装置包括上述的处理器。
[0032]在本专利技术的实施例中，管道缺陷量化装置还包括：
[0033]漏磁检测设备，用于采集管道的漏磁数据。
[0034]通过上述技术方案，对获得管道漏磁检测图像进行特征信息提取操作以构建管道的缺陷特征数据库，再对缺陷特征数据库中的缺陷特征进行降维操作，以确定主成分缺陷特征，之后管道缺陷量化模型并将主成分缺陷特征的实际值输入管道缺陷量化模型即可确定管道的缺陷特征尺寸预测值，上述方法能快速、准确地获取管道缺陷特征尺寸预测值，实用性较强。
[0035]本专利技术实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
[0036]附图是用来提供对本专利技术实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本专利技术实施例，但并不构成对本专利技术实施例的限制。在附
图中：
[0037]图1是本专利技术实施例中管道缺陷量化方法的流程示意图；
[0038]图2是本专利技术实施例中缺陷轴向漏磁信号曲线图；
[0039]图3是本专利技术实施例中缺陷径向漏磁信号曲线图；
[0040]图4是本专利技术实施例中缺陷周向漏磁信号曲线图；
[0041]图5是本专利技术实施例中主成分分析曲线图。
具体实施方式
[0042]以下结合附图对本专利技术实施例的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本专利技术实施例，并不用于限制本专利技术实施例。
[0043]本专利技术实施例提供一种管道缺陷量化方法，如图1所示，该管道缺陷量化方法包括如下步骤：
[0044]步骤S101：获取管道漏磁检测图像。
[0045]进一步地，本实施例中步骤S101：获取管道漏磁检测图像又包括步骤S201
‑
步骤S203，其中：
[0046]步骤S201：获取管道漏磁数据。
[0047]具体地，本实施例中的管道缺陷量化方法适用于管道缺陷量化装置，该管道缺陷量化装置包括信号连接的处理器和漏磁检测设备，漏磁检测设备对管道进行漏磁检测并采集管道的漏磁数据，检测完成后漏磁检测设备将上述管道漏磁数据传送给处理器。
[0048]步骤S202：对管道漏磁数据进行预处理，以获取预处理后的管道漏磁数据。
[0049]具体地，本实施例中的漏磁检测设备包括多个并行的漏磁检测传感器，上述多个并行的漏磁检测传感器可移动地设置在管道腔中，由于各个漏磁检测传感器之间存在基线差异，造成各个漏磁检测传感器在同样情况下检测到的管道漏磁数据也不尽一致，因此需要先采用对比数据均值等方法对初始本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种管道缺陷量化方法，其特征在于，所述管道缺陷量化方法包括：获取管道漏磁检测图像；对所述管道漏磁检测图像进行特征信息提取操作，以构建管道的缺陷特征数据库；对所述缺陷特征数据库中的缺陷特征数据进行降维操作，以确定主成分缺陷特征；构建管道缺陷量化模型；获取主成分缺陷特征的实际值；将所述主成分缺陷特征的实际值输入所述管道缺陷量化模型，以确定所述管道的缺陷特征尺寸预测值。2.根据权利要求1所述的管道缺陷量化方法，其特征在于，所述缺陷特征数据库中的缺陷特征至少包括谷谷间距、峰峰间距、峰谷间距、拐点间距、特殊点间距、峰谷差值、体积、表面积、面能量等轴向、径向和周向三轴信号。3.根据权利要求1所述的管道缺陷量化方法，其特征在于，所述缺陷特征尺寸包括缺陷长度、缺陷周向宽度和缺陷深度。4.根据权利要求1所述的管道缺陷量化方法，其特征在于，所述获取管道漏磁检测图像包括：获取管道漏磁数据；对所述管道漏磁数据进行预处理，以获取预处理后的管道漏磁数据；根据所述预处理后的管道漏磁数据进行曲线绘制，以获取所述管道漏磁检测图像。5.根据权利要求1所述的管道缺陷量化方法，其特征在于，所述对所述缺陷特征数据库中的缺陷特征数据进行降维操作，以确定主成分缺陷特征包括：对所述缺陷特征数据库中的缺陷特征数据进行归一化处理，以确定归一化处理后的缺陷特征数据；基于...

【专利技术属性】
技术研发人员：陈朋超，李睿，富宽，贾光明，郑建峰，玄文博，邱红辉，燕冰川，陈健，马江涛，
申请(专利权)人：国家石油天然气管网集团有限公司，
类型：发明
国别省市：