System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及管道陷类识别,具体为管道高精度缺陷类型自动识别方法。
技术介绍
1、我国管道里程非常巨大,如果不能及时发现管道中的缺陷,就容易发生管道泄漏事故,严重时易造成生命与财产伤亡。由于大部分管道都为架空或埋地管道,且有包覆层。传统的管道无损检测方法,只能是点检测,检测效率低,对技术人员要求高,已经无法满足管道检测的需求。
2、公开号为cn113284109b的中国专利公开了一种管道缺陷识别方法、装置、终端设备及存储介质,该管道缺陷识别方法包括:通过获取管道的深度图像、彩色图像和空间轨迹信息,确定深度图像的三维点云数据,根据三维点云数据和空间轨迹信息,确定第一管道缺陷识别结果,通过预设的管道缺陷识别算法和彩色图像,确定第二管道缺陷识别结果,根据第一管道缺陷识别结果和第二管道缺陷识别结果确定管道缺陷等级,即通过结合深度图像的三维点云数据以及彩色图像的双重管道缺陷识别结果,进而确定管道缺陷等级,实现了管道缺陷的自动检测识别,弥补人工检测精度差、主观性强的不足,提高了管道缺陷识别的准确率,同时提高了识别效率。
3、上述专利在实际使用过程中仅能实现对管道缺陷进行识别,识别出缺陷后需要通过工作人员去寻找缺陷的具体位置,浪费工作时间,同时在对管道缺陷进行识别时,若不存在缺陷,则不能根据管道的使用情况进行缺陷预测,实用性不强;因此,不满足现有的需求,对此我们提出了管道高精度缺陷类型自动识别方法。
技术实现思路
1、本专利技术的目的在于提供管道高精度缺陷类型自动识别方法
2、为实现上述目的,本专利技术提供如下技术方案:管道高精度缺陷类型自动识别方法,包括以下步骤:
3、s1:通过管道数据获取系统实时地拍摄管道内部图像,并对图像进行处理,从处理完成的管道内部图像中提取出具有明显物理意义的管道特征数据集。
4、s2:分析系统将管道特征数据集划分为实时源头数据、实时中段数据和实时末端数据,同时采集实时源头数据、实时中段数据与实时末端数据的相邻上一时刻超声波数据。
5、s3:判断实时中段数据的超声波数据与相邻上一时刻实时中段数据的超声波数据的差值是否大于标准波动阈值。
6、s4:对特征数据集中各数据进行判断,若存在管道缺陷,则根据管道的超声波数据判断管道缺陷的具体类型,并对管道缺陷所在的位置进行精准定位,若不存在,则进入s5。
7、s5:预测系统对无结构性缺陷管道的应力大小和应力方向进行分析,根据分析结果预测无结构性缺陷管道发生缺陷的概率以及缺陷类型。
8、优选的,所述管道数据获取系统,用于实时地拍摄管道内部图像,并对采集的图像进行处理,对处理完成的管道图像进行特征提取,从所接收的管道内部图像中提取出具有明显物理意义的管道特征数据集。
9、分析系统,用于将特征提取的数据集进行划分,根据数据划分的结果对管道缺陷情况进行判断,得到管道缺陷判断结果,根据判断结果判断管道是否存在缺陷,根据分析结果对管道缺陷所在的位置进行精准定位。
10、预测系统,用于对无结构性缺陷管道的应力进行分析,并判断无结构性缺陷管道是否存在多个应力集中区,并分析应力集中区的应力大小和应力方向,预测无结构性缺陷管道发生缺陷的概率以及缺陷类型。
11、优选的,所述管道数据获取系统包括:
12、图像采集模块,用于实时地拍摄管道内部图像,并将所拍摄的图像传输至处理模块。
13、处理模块,用于对采集的图像进行处理,处理方式包括放大缩小图片、旋转图片、水平翻转图片、剪裁图片、改变图像亮度和图像模糊处理,处理完成后传输至特征提取模块。
14、特征提取模块,用于对处理完成的管道图像进行特征提取,基于主成分分析方法,通过影像分析和变换,从所接收的管道内部图像中提取出具有明显物理意义的管道特征数据集。
15、优选的,所述分析系统,包括:
16、数据划分模块,用于将特征提取的数据集进行划分,将管道源头处所采集的数据作为实时源头数据,管道输送所采集的数据作为实时中段数据,管道终端处所采集的数据作为实时末端数据。
17、判断模块,用于根据实时源头数据、实时中段数据与实时末端数据对管道缺陷情况进行判断,得到管道缺陷判断结果,根据判断结果判断管道是否存在缺陷。
18、定位模块,用于根据管道缺陷的分析结果对管道缺陷所在的位置进行精准定位。
19、优选的,所述判断模块的判断流程,具体包括:
20、采集实时源头数据、实时中段数据与实时末端数据的相邻上一时刻超声波数据。
21、判断实时中段数据的超声波数据与相邻上一时刻实时中段数据的超声波数据的差值是否大于标准波动阈值,标准波动阈值范围为4%至6%。
22、若是,则获取实时源头数据的超声波数据和实时末端数据的超声波数据,并计算实时源头数据的超声波数据和实时末端数据的超声波数据之间的实时差值。
23、计算相邻上一时刻的实时源头数据超声波数据与实时末端数据超声波数据之间的上一时刻差值,根据实时差值与上一时刻差值建立管道数据缺陷初始判断标准。
24、判断特征数据集中各数据是否符合管道数据缺陷初始判断标准,若符合,则管道缺陷判断结果为结构性缺陷,并根据管道的超声波数据判断管道缺陷的具体类型,若不符合,则管道缺陷的判断结果为无结构性缺陷,并将结果传递至预测模块。
25、优选的,所述管道数据缺陷初始判断标准具体包括
26、当管道的超声波数据位于实时差值与上一时刻差值的范围内时,则该管道数据缺陷初始判断结果为无结构性缺陷。
27、当待管道的超声波数据位于实时差值与上一时刻差值的范围外时,则该管道数据缺陷初始判断结果为结构性缺陷。
28、优选的,所述管道缺陷的具体类型判断包括:
29、获取结构性缺陷的参数信息,结构性缺陷的参数包括裂纹的长宽度以及深度、表层脱落的长宽度以及深度、凹坑的长宽度以及深度和气孔半径以及距管道内壁深度。
30、根据获取的参数信息判断结构性缺陷的具体类型。
31、裂纹的长度超过5mm,宽度超过0.3mm,深度超过1mm,即为裂纹缺陷。
32、表层脱落的长度超过20mm,宽度超过20mm,深度超过1mm,即为腐蚀性缺陷。
33、凹坑的长度超过5mm,宽度超过5mm,深度超过2mm,即为凹坑缺陷。
34、气孔的半径超过1mm,距管道内壁深度超过2mm,即为凹坑缺陷。
35、优选的,所述定位模块的定位流程,具体包括:
36、获取管道的起始坐标本文档来自技高网...
【技术保护点】
1.管道高精度缺陷类型自动识别方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的管道高精度缺陷类型自动识别方法,其特征在于:所述管道数据获取系统,用于实时地拍摄管道内部图像,并对采集的图像进行处理,对处理完成的管道图像进行特征提取,从所接收的管道内部图像中提取出具有明显物理意义的管道特征数据集;
3.根据权利要求2所述的管道高精度缺陷类型自动识别方法,其特征在于:所述管道数据获取系统包括:
4.根据权利要求2所述的管道高精度缺陷类型自动识别方法,其特征在于:所述分析系统,包括:
5.根据权利要求4所述的管道高精度缺陷类型自动识别方法,其特征在于:所述判断模块的判断流程,具体包括:
6.根据权利要求5所述的管道高精度缺陷类型自动识别方法,其特征在于:所述管道数据缺陷初始判断标准具体包括
7.根据权利要求5所述的管道高精度缺陷类型自动识别方法,其特征在于:所述管道缺陷的具体类型判断包括:
8.根据权利要求4所述的管道高精度缺陷类型自动识别方法,其特征在于:所述定位模块的定位流程,具体包括:
...【技术特征摘要】
1.管道高精度缺陷类型自动识别方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的管道高精度缺陷类型自动识别方法,其特征在于:所述管道数据获取系统,用于实时地拍摄管道内部图像,并对采集的图像进行处理,对处理完成的管道图像进行特征提取,从所接收的管道内部图像中提取出具有明显物理意义的管道特征数据集;
3.根据权利要求2所述的管道高精度缺陷类型自动识别方法,其特征在于:所述管道数据获取系统包括:
4.根据权利要求2所述的管道高精度缺陷类型自动识别方法,其特征在于:所述分析系统,包括:
5.根据权利要求4所述的管道高精度缺陷类型自动识别方法,其特征在...
【专利技术属性】
技术研发人员:闵泽,王红娟,庞水文,管玉成,梁晓斌,曾东城,
申请(专利权)人:力德中山环境科技发展有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。