CN106870957A - 一种管道缺陷漏磁信号的特征提取方法 - Google Patents

一种管道缺陷漏磁信号的特征提取方法 Download PDF

Info

Publication number
CN106870957A
CN106870957A CN201710168153.0A CN201710168153A CN106870957A CN 106870957 A CN106870957 A CN 106870957A CN 201710168153 A CN201710168153 A CN 201710168153A CN 106870957 A CN106870957 A CN 106870957A
Authority
CN
China
Prior art keywords
defect
axial
signal
magnetic leakage
peak
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201710168153.0A
Other languages
English (en)
Other versions
CN106870957B (zh
Inventor
刘金海
张化光
汪刚
冯健
马大中
王婷婷
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Northeastern University China
Original Assignee
Northeastern University China
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Northeastern University China filed Critical Northeastern University China
Priority to CN201710168153.0A priority Critical patent/CN106870957B/zh
Publication of CN106870957A publication Critical patent/CN106870957A/zh
Application granted granted Critical
Publication of CN106870957B publication Critical patent/CN106870957B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F17STORING OR DISTRIBUTING GASES OR LIQUIDS
    • F17DPIPE-LINE SYSTEMS; PIPE-LINES
    • F17D5/00Protection or supervision of installations
    • F17D5/02Preventing, monitoring, or locating loss
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/72Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables
    • G01N27/82Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables for investigating the presence of flaws
    • G01N27/83Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables for investigating the presence of flaws by investigating stray magnetic fields
    • G01N27/85Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables for investigating the presence of flaws by investigating stray magnetic fields using magnetographic methods

Landscapes

  • Chemical & Material Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Or Analyzing Materials By The Use Of Magnetic Means (AREA)

Abstract

一种管道缺陷漏磁信号的特征提取方法,属于无损检测技术领域;包括:定义特征量;记录缺陷所在的轴向位置和周向通道范围;提取轴向最大通道漏磁信号;采用小波变换法计算轴向最大通道漏磁信号极值点及拐点;提取轴向最大通道漏磁信号峰谷位置及值;确定轴向最大通道漏磁信号左右峰位置及峰值;计算轴向最大通道漏磁信号上的特殊点,计算与缺陷相关的轴向特征量;利用轴向漏磁信号提取周向信号,求取周向特征量;根据周向信号特殊点提取轴向信号,计算缺陷体积及缺陷体能量;本发明为缺陷分析提供更加全面、准确的特征量,提高缺陷检测的准确度;通过特征量能够更加精确的判断缺陷信息,使得金属缺陷检测的评价更加准确,创造大量的社会经济效益。

Description

一种管道缺陷漏磁信号的特征提取方法
技术领域
本发明属于无损检测技术领域,具体涉及一种管道缺陷漏磁信号的特征提取方法。
背景技术
随着时代的发展,石油和天然气已经成为当今世界不可或缺的主要能源,而管道运输是输送石油和天然气最为安全有效的方式,所以管道运输在世界各国的经济发展中已占有越来越重要的地位。然而,全世界50%以上的在役管道已经使用了数十年之久,随着管道运营时间的延长,管道老化问题日益突出再加上腐蚀、机械损伤等外在因素造成管道泄漏事故频频发生,管道的质量直接关系到油气输送的安全性。
近几年,我国管道检测技术得到了迅猛发展,管道检测技术逐渐形成管道内、外检测技术两个分支。管道外检测是在检测涂层及阴极保护有效性的基础上,检测管体腐蚀的缺陷。管道内检测技术则是用于发现管道内外腐蚀、局部变形以及焊缝裂纹等缺陷,也可以间接判断涂层本身是否完好。所谓管道内检测就是采用将无损检测的各种设备安装在管道的清管器上面,通过改装,把最开始用来清洁的非智能型的机器变成有采集信息、处理信息、存储信息等一系列功能的智能型检测装置,最后通过利用检测装置在被检测的管道当中的移动,来实现被测管道的缺陷检测。按照管道检测装置功能的不同可以将其分为管道泄漏的检测、管道几何变形的检测、管道腐蚀缺陷的检测、裂纹类平面缺陷的检测以及以弹性的剪切波作为检测基础的裂纹检测等。因为漏磁检测的装置对所检测的环境要求非常低,所以可以兼用于输油和输气管道,成为了目前应用最多的管道缺陷检测设备。
漏磁检测的优点是对检测环境的条件要求较低,同时还能够达到较高的灵敏度。即使被检测的铁磁材料表面有少量油垢或者其他附着物等也不会影响检测结果。并且漏磁检测既可以用于输气管道又可以用于输油管道。漏磁检测方法可以检测的缺陷类型比较多,不仅可以检测金属材料表面的裂纹,而且还可以对气孔、缩孔、磨损槽、腐蚀坑、等多种缺陷进行检测。随着漏磁检测技术在工业管道检测中的广泛应用,漏磁检测中的缺陷定量检测也越来越受到关注,这使得缺陷参数的定量检测成为了漏磁检测的重点,而缺陷漏磁信号特征的准确提取是实现缺陷定量检测的最困难也是最关键的一步,所以从某种意义上来说,缺陷信号特征的准确提取直接关系到管道漏磁检测结果的准确性和可靠性。金属腐蚀缺陷的检测,必然会产生庞大的检测数据量。工业大数据的特征提取,成为金属材料腐蚀缺陷诊断的重要一步。所以找到合理的缺陷数据特征提取及分析方法,对金属腐蚀检测的准确性、高效性都能起到至关重要的作用,而现有数据特征提取方法往往效率不高。
发明内容
针对上述现有技术存在的不足,本发明提供一种管道缺陷漏磁信号的特征提取方法。
本发明的技术方案:
一种管道缺陷漏磁信号的特征提取方法,包括如下步骤:
步骤1:获取不同尺寸缺陷的缺陷漏磁信号,并进行对比分析,定义和缺陷尺寸相关的特征量;
步骤2:对采集到的管道缺陷信号进行放大、插值及滤波处理,得到缺陷漏磁信号,记录缺陷漏磁信号中缺陷所在的轴向位置和周向能检测到缺陷漏磁信号变化的通道范围;
步骤3:分别计算缺陷漏磁信号中各通道轴向漏磁信号的最大值与最小值的差值,提取差值最大轴向漏磁信号作为轴向最大通道漏磁信号;
步骤4:采用小波变换法计算轴向最大通道漏磁信号的所有极值点及拐点:
步骤4-1:对轴向最大通道漏磁信号采用基小波为Gauss函数的一阶导数进行小波变换,求解信号极值点,所述小波变换的尺度a=12;
步骤4-2:对轴向最大通道漏磁信号采用基小波为“墨西哥帽”小波函数进行小波变换,求解信号拐点,所述小波变换的尺度a=24。
步骤5:根据轴向最大通道漏磁信号上的极小值点找到轴向最大通道漏磁信号峰谷位置及峰谷值;
步骤6:根据轴向最大通道漏磁信号上的极大值点判断该轴向最大通道漏磁信号对应缺陷是否为双峰缺陷即轴向最大通道漏磁信号存在两个极大值点,若是双峰缺陷,执行步骤7,否则,执行步骤8:
步骤6-1:把最大峰值和左谷求差作为阈值,在左谷与最大峰之间寻找与左谷差大于阈值的可疑点,如果有可疑点,执行步骤6-2,否则,执行步骤6-3;
步骤6-2:判断可疑点左右的值是否都比可疑点的值小,是,执行步骤7,否则,执行步骤6-3;
步骤6-3:将原最大峰定义为左锋,并将最大峰值与右谷求差作为新的阈值,在右谷与最大峰之间寻找与右谷差大于阈值的可疑点,如果有可疑点,执行步骤6-4,否则,执行步骤8;
步骤6-4:判断可疑点左右的值是否都比可疑点的值小,是,执行步骤7,否则,执行步骤8。
步骤7:通过对比极大值点位置确定正确的左右峰位置及左右峰值,执行步骤9;
步骤8:把唯一的极大值点定义为左峰,把和右峰相关的特征量置零;
步骤9:计算轴向最大通道漏磁信号上的特殊点,利用峰谷位置、峰谷值、左右峰位置、峰值、拐点和特殊点计算与缺陷相关的轴向特征量;
所述与缺陷相关的轴向特征量包括:轴向谷宽度、轴向峰峰间距、轴向峰峰间距、轴向峰谷平均差、轴向左峰谷差、轴向右峰谷差、轴向微分最值间距、轴向微分最值差值、轴向特殊点间距、轴向缺陷面积和轴向缺陷面能量;
所述轴向特殊点的间距为求缺陷长度的关键特征量,特殊点提取方法为:设置求长的比例m-RateA,根据X+(Y-X)*m-RateA求出阈值,其中,X为谷值平均值,Y为最大峰值,轴向最大通道漏磁信号中和阈值最接近的两个点即为特殊点,特殊点的间距为求缺陷长度的关键特征量。
步骤10:利用轴向漏磁信号提取周向信号,利用周向信号求取与缺陷宽度相关的周向特征量:
步骤10-1:载入预处理过的缺陷漏磁信号;
步骤10-2:分别提取缺陷通道范围内各通道轴向信号最大值所在位置对应所有通道数据作为周向信号,并将最大值位置相同的数据进行合并去除;
步骤10-3:获取缺陷通道范围内周向信号最大值所在通道,利用该通道将所有周向信号进行居中处理;
步骤10-4:计算所有周向信号中缺陷通道范围内的最大值m-Ymax2和中值m-Min2,并将峰值最大的周向信号m-aHsd提取出来,设置求长的比例m-RateB,求出每条周向信号阈值m-Y2=m-Min2+(m-Ymax2-m-Min2)*m-RateB;
步骤10-5:找到各条周向信号上和阈值m-Y2最接近的点,取所有点中最左点和最右点作为周向信号的特殊点,并将得到的两特殊点映射到峰值最大的周向信号m-aHsd上;
步骤10-6:采用小波变换法计算峰值最大的周向信号m-aHsd的极值点;
步骤10-7:根据峰值最大的周向信号m-aHsd上的特殊点及极值点,计算与缺陷宽度相关的周向特征量,包括:周向信号微分最值点间距、周向信号特殊点间距、周向信号缺陷面积和周向信号缺陷面能量;
步骤11:根据得到的周向信号特殊点位置确定通道范围,提取通道范围内的轴向信号,利用小波变换求解提取出来的轴向信号的峰谷位置及峰谷值,计算缺陷体积及缺陷体能量,实现缺陷漏磁信号中与缺陷尺寸相关全部特征量的提取。
有益效果:一种管道缺陷漏磁信号的特征提取方法与现有技术相比,具有如下优势:
1、为缺陷分析提供更加全面、准确的特征量,从而提高缺陷检测的准确度,使繁琐复杂的金属材料设备的安全与风险评估工作简单化,对金属材料的模糊认识清晰化,为安全生产和维护提供科学决策依据;
2、对管道出现的缺陷进行及时的维修,能大大延长金属器材的使用寿命,节约投资成本,防止由金属腐蚀造成的恶性事故,避免人员与财产的损失;
3、通过特征量能够更加精确的判断腐蚀缺陷面积、深度、长度、形状等信息,使得金属缺陷检测的评价更加准确,既能发现严重的必须处理的腐蚀缺陷,又能避免对不严重缺陷的误处理,进而创造大量的社会经济效益。
附图说明
图1为本发明实施方式的一种管道缺陷漏磁信号的特征提取方法流程图;
图2为本发明实施方式的不同尺寸缺陷磁感应强度分布二维变化曲线图,其中,(a)为缺陷深度4mm不同缺陷长度下的磁感应强度轴向分布曲线图,(b)为缺陷长度18mm不同缺陷深度下的磁感应强度轴向分布曲线图;
图3为本发明实施方式的缺陷特征量示意图,其中,(a)~(f)分别为不同缺陷特征量求解示意图;
图4为本发明实施方式的漏磁信号极值点检测图,其中,(a)为漏磁信号图,(b)为漏磁信号一阶导数图,星号标记点为漏磁信号准确极值点所在的位置;
图5为本发明实施方式的漏磁信号在不同尺度下小波变换下极值点结果分布图,其中,(a)~(h)分别为小波变换尺度为4、8、12、16、20、24、28、32下的极值点结果分布图,图中标记点为小波交换后曲线零点位置,即原漏磁信号的极值点位置;
图6为本发明实施方式的漏磁信号拐点检测图,其中,(a)为漏磁信号图,(b)为漏磁信号二阶导数图,星号标记点为漏磁信号准确拐点所在的位置;
图7为本发明实施方式的漏磁信号在不同尺度下小波变换拐点结果分布图,其中,(a)~(h)分别为小波变换尺度为4、8、12、16、20、24、28、32下的拐点结果分布图,图中,星号标记点为漏磁信号准确拐点所在的位置,圆圈标记点为加入干扰噪声的漏磁信号在小波变换后求解出来的新的拐点所在的位置;
图8为本发明实施方式的周向特征量求解图,其中,(a)为漏磁信号图,图中,A、B分别为两个不同缺陷的轴向信号,(b)为缺陷B提取出来的周向信号图,标记点为求解出来的周向特征点,其中,星号为特殊点,圆圈为峰值最大的周向信号上的微分最大值、最小值所在的点。
具体实施方式
下面结合附图对本发明的一种实施方式做详细说明。
为了更好的完成缺陷检测的工作,通过分析与计算得到缺陷的准确信息,首先要完成的就是找到和缺陷相关的全部特征量,实现缺陷特征的辨识工作。只有得到全面及准确的缺陷特征量才能更好的分析与计算缺陷的尺寸,还原缺陷信息,实现对缺陷的准确检测。通过对缺陷特征量的辨识工作找到和缺陷相关的全部特征,然后通过缺陷特征智能提取算法完成对辨识特征量的提取工作。其中,缺陷特征的辨识是指通过观察与对比不同尺寸缺陷的漏磁信号,找到和缺陷尺寸相关的特征量以及和缺陷本身相关的全部特征量的工作,这里通过仿真试验以及实际试验两种途径结合实现对缺陷特征的辨识工作。
本发明一种实施方式,
如图1所示,一种管道缺陷漏磁信号的特征提取方法,包括如下步骤:
步骤1:分别通过ANSYS软件对不同尺寸的缺陷进行二维仿真,利用金属管道(管道上缺陷是已知的人造缺陷)上采集的缺陷漏磁信号进行三维仿真,观察与分析两种仿真结果,通过改变缺陷的长度和深度,观察对比漏磁信号的变化规律,定义和缺陷尺寸相关的特征量;二维仿真部分仿真图如图2(a)(b)所示;
与缺陷尺寸相关的特征量主要有:谷宽度、峰峰间距、峰谷平均差、左峰谷差、右峰谷差、微分最值间距、微分最值差值、特殊点间距、缺陷面积、缺陷面能量、缺陷体积以及缺陷体能量。为了更好的了解缺陷特征量的含义,以图3中的几个轴向特征量为例说明:
(1)谷宽度
图3(a)中Xv-v表示缺陷轴向信号谷宽度,用公式表示为:
Xv-v=Xvr-Xvl (1)
式(1)中Xvr是缺陷右谷位置,Xvl为缺陷左谷位置。缺陷信号的谷宽度能够反映出缺陷信号在轴向上的分布情况。
(2)最大峰谷差
如图3(a)所示,其表达式为:
Yp-v=Yp-Yv (2)
式(2)中Yp是单峰缺陷峰值,Yv则为缺陷最小谷值,Yp-v为最大峰谷差。由于缺陷漏磁信号受到内检测器检测环境等多种因素影响,数据的基准线波动较大。取缺陷数据的峰谷差值作为特征量可以很好地消除信号基线的影响,可以提高缺陷定量分析的可靠性。
(3)双峰缺陷信号左峰谷差和右峰谷差
如图3(b)所示,用公式表示为:
Ylp-lv=Ylp-Ylv (3)
Yrp-rv=Yrp-Yrv (4)
式(3)、(4)中Ylv是漏磁信号的左谷值,Yrv是漏磁信号右谷值,Ylp为双峰信号左峰值,Yrp为双峰信号右峰值,Ylp-lv为左峰谷差,Yrp-rv为右峰谷差。
(4)双峰缺陷信号峰峰间距
根据图3(b)得到其表达式为:
Xp-p=Xpr-Xpl (5)
式(5)中Xpr是右峰位置,Xpl为左锋位置,Xp-p是信号峰峰间距。缺陷信号的峰峰间距与峰谷值的结合能够大致的确定异常数据曲线的形状,有助于对缺陷长度和深度进行定量分析。
(5)缺陷面积
图3(c)中Sa表示的是缺陷面积,以数值较低的谷值为基线,取两个谷之间的数据曲线与基线之间覆盖的面积,用公式表示为:
式中:Sa--缺陷波形面积;
x(t)--缺陷信号数据点;
min[x(t)]--缺陷最小谷值;
N1--缺陷左谷位置;
N2--缺陷右谷位置。
缺陷面积指在轴向漏磁信号中异常信号波动曲线部分的面积,反映了信号的一阶中心矩。缺陷异常漏磁信号波形的面积特征是一个综合量,异常数据波形面积既与异常数据的峰谷值有关又与异常数据的谷谷值有关,所以异常数据的面积这一特征同时受到缺陷的长和深多重的影响。因此,缺陷面积特征量的提取有很重要的意义。
(6)缺陷面能量
图3(d)中Se表示的是缺陷面能量,以数值较低的谷值为基线,求取两个谷之间的数据曲线的能量,用公式表示为:
式中:Se--缺陷波形面能量。
缺陷异常数据曲线波形的能量实际上表示的是漏磁信号的短时二阶中心矩,反映了在一定空间内漏磁信号波动部分的能量或信号的离散程度。对于具体的缺陷轴向漏磁数据,缺陷漏磁检测数据的能量与面积类似,主要受缺陷的长度和深度的综合影响。对于反映缺陷的形状具有重要意义。
(7)拐点间距
图3(e)中Xk-k表示信号微分最值间距即拐点间距。在理论上,通过求取轴向漏磁信号的一阶导数极值点,即二阶导数零点即可求得信号的拐点。图3(e)中X1、X2满足如下关系式:
Xk-k=X2-X1 (8)
横向间距Xk-k即为漏磁信号的拐点间距,拐点间距可作为求解缺陷长度的一个关键的特征量。
(8)特殊点间距
考虑到实际采集的轴向漏磁信号二阶导数等于零的点畸变比较严重,所以可能不适合直接应用到实际当中。理论和实践表明:二阶导数等于零的点近似位于0.1倍峰谷差值加上谷值所在位置,用公式表示为:
YS1=0.1Ylp-lv+Yl (9)
YS2=0.1Yrp-rv+Yr (10)
图3(f)中XS1,XS2即为这样两个特殊点的横坐标,YS1与YS2为这两个特殊点的纵坐标,所以可以采用这两个特殊点的间距XS-S作为求解缺陷长度的又一重要特征量,称为漏磁信号特殊点间距。
(9)缺陷体积
缺陷的体积就是在缺陷通道范围内对缺陷面积求和,用公式表示为:
式中:Va--缺陷体积;
n1--向信号特殊点位置确定的起始通道;
n2--周向信号特殊点位置确定的终止通道;
Sa(t)--单条通道轴向缺陷面积。
(10)缺陷体能量
缺陷体能量就是在缺陷范围内对缺陷面能量进行求和,其表达式为:
式中:Ve--缺陷体能量;
Se(t)--单条轴向缺陷信号面能量。
除此之外,周向信号的相关特征量(周向信号微分最值点间距、周向信号微分最值差值、周向信号特殊点间距、周向信号缺陷面积和周向信号缺陷面能量)的求解方法与轴向信号特征量基本相同,利用在轴向信号上提取的周向信号进行求解即可。
步骤2:对采集到的管道缺陷信号进行放大、插值及滤波处理,得到缺陷漏磁信号,记录缺陷漏磁信号中缺陷所在的轴向位置和周向能检测到缺陷漏磁信号变化的通道范围;
步骤3:分别计算缺陷漏磁信号中不同通道轴向漏磁信号的最大值与最小值的差值,提取差值最大轴向漏磁信号作为轴向最大通道漏磁信号;
步骤4:采用小波变换法计算轴向最大通道漏磁信号的所有极值点及拐点;
通过对缺陷特征量的辨识结果分析可知,准确求出漏磁信号的极值点(漏磁信号的峰谷值)、缺陷漏磁信号的拐点对整个特征提取工作尤为关键,是求解其他缺陷特征的重要基础,这里引入小波变换方法对缺陷漏磁信号的极值点以及拐点进行求解。
步骤4-1:对轴向最大通道漏磁信号采用基小波为Gauss函数的一阶导数进行小波变换,求解信号极值点,所述小波变换的尺度a=12;
对没有任何干扰的长度为30mm的缺陷漏磁信号(双峰信号)进行极值点的求解,图4为该漏磁信号图及漏磁信号的拐点检测图。图4(b)中的5个标记点即为缺陷漏磁信号的准确极值点,极值点的横坐标分别为x1=118,x2=287,x3=501,x4=715,x5=884。图4(b)中圆圈位置为图4(a)中漏磁信号两个谷点的位置,图4(b)中的星号位置为原漏磁信号两个峰值的位置。
采用的基小波为Gauss函数的一阶导数,该小波函数存在零点,由卷积的可交换性,可知道小波变换的零点近似为原信号的极值点,式(13)为该小波函数的表达公式。
对加入噪声的轴向最大通道漏磁信号在不同尺度下进行小波变换,标记轴向最大通道漏磁信号准确极值点所在的位置与加入干扰噪声的漏磁信号在小波变换后求解出来的新的极值点所在的位置,如图5(a)~(h)所示,得到小波变换后的曲线极值点位置与极值点准确位置的误差统计如表1所示:
表1小波变换前后极值点误差统计表
通过对表1中不同尺度下小波变换结果的误差分析可以明显看出,当小波变换尺度选取过小时,去噪效果不够好,导致检测结果不准确。当尺度选择过大会导致变换后的曲线和原始曲线的偏差较大,导致极值点求解的不够准确。当小波变换的尺度a=12时,存在噪声干扰的漏磁信号的极值点位置与没有噪声干扰情况下漏磁信号的标准极值点位置最为接近,能够更好地找到被分析信号的极值点位置,解决了实际缺陷漏磁数据由于抖动而无法找到极值点的问题。
步骤4-2:对轴向最大通道漏磁信号采用基小波为“墨西哥帽”小波函数进行小波变换,求解信号拐点,所述小波变换的尺度a=24。
对没有任何干扰的长度为6mm的缺陷漏磁信号进行拐点的求解,图6为该漏磁信号图及漏磁信号的拐点检测图。图6(b)中星号标记处为图6(a)中漏磁信号的拐点,该漏磁信号有两个拐点,准确拐点位置分别在横坐标x1=250和横坐标x2=552处。
墨西哥草帽函数为Gauss函数的二阶导数,该小波函数在时域和频率都有很好的局部化,且存在二阶导数为零的点。由卷积的可交换性,可知小波变换的零点近似为原信号的拐点,所以利用小波变换求解漏磁信号拐点时采用“墨西哥帽”小波,墨西哥帽小波函数的表达公式如下:
求解不同尺度下的以墨西哥帽小波为基小波的连续小波变换,标记轴向最大通道漏磁信号准确拐点所在的位置与加入干扰噪声的漏磁信号在不同小波变换后求解出来的新的拐点所在的位置,如图7(a)~(h)所示,对漏磁信号在不同尺度下小波变换的结果图进行对比,得到小波变换前后拐点位置误差统计表如表2所示:
表2小波变换前后拐点位置误差统计表
通过对表2中不同尺度下小波变换结果的误差分析可以明显看出,当小波变换尺度选取过小时,漏磁信号中噪声的存在对信号拐点的检测影响较大,导致小波变换系数曲线的零点过多,并且检测不准确。当尺度a≥20时,效果得到了很大的改善,当尺度a=24时,检测结果最为准确。
步骤5:根据轴向最大通道漏磁信号上的极小值点找到轴向最大通道漏磁信号峰谷位置及峰谷值;
步骤6:根据轴向最大通道漏磁信号上的极大值点判断该轴向最大通道漏磁信号对应缺陷是否为双峰缺陷即轴向最大通道漏磁信号存在两个极大值点,若是双峰缺陷,执行步骤7,否则,执行步骤8:
步骤6-1:把最大峰值和左谷求差作为阈值,在左谷与最大峰之间寻找与左谷差大于阈值的可疑点,如果有可疑点,执行步骤6-2,否则,执行步骤6-3;
步骤6-2:判断可疑点左右的值是否都比可疑点的值小,是,将可疑点作为极大值点,执行步骤7,否则,执行步骤6-3;
步骤6-3:将原最大峰定义为左锋,并将最大峰值与右谷求差作为新的阈值,在右谷与最大峰之间寻找与右谷差大于阈值的可疑点,如果有可疑点,执行步骤6-4,否则,执行步骤8;
步骤6-4:判断可疑点左右的值是否都比可疑点的值小,是,将可疑点作为极大值点,执行步骤7,否则,执行步骤8。
步骤7:通过对比极大值点位置确定正确的左右峰位置及左右峰值,执行步骤9;
步骤8:把唯一的极大值点定义为左峰,把和右峰相关的特征量置零;
步骤9:计算轴向最大通道漏磁信号上的特殊点,利用峰谷位置、峰谷值、左右峰位置、峰值、拐点和特殊点计算与缺陷相关的轴向特征量;所述与缺陷相关的轴向特征量包括:轴向谷宽度、轴向峰峰间距、轴向峰峰间距、轴向峰谷平均差、轴向左峰谷差、轴向右峰谷差、轴向微分最值间距、轴向微分最值差值、轴向特殊点间距、轴向缺陷面积和轴向缺陷面能量;
所述轴向特殊点的间距为求缺陷长度的关键特征量,所述特殊点提取方法为:设置求长的比例m-RateA,根据X+(Y-X)*m-RateA求出阈值,其中,X为谷值平均值,Y为最大峰值,轴向最大通道漏磁信号中和阈值最接近的两个点即为特殊点,特殊点的间距为求缺陷长度的关键特征量。
步骤10:利用轴向漏磁信号提取周向信号,利用周向信号求取与缺陷宽度相关的周向特征量:
步骤10-1:载入预处理过的缺陷漏磁信号;
步骤10-2:如图8所示,分别提取图8(a)中缺陷通道范围内各通道轴向信号最大值所在位置对应所有通道数据作为周向信号,并将最大值位置相同的数据进行合并去除;
步骤10-3:如图8(b)所示,获取缺陷通道范围内周向信号最大值所在通道,利用该通道将所有周向信号进行居中处理;
步骤10-4:计算所有周向信号中缺陷通道范围内的最大值m-Ymax2和中值m-Min2,并将峰值最大的周向信号m-aHsd提取出来,设置求长的比例m-RateB,求出每条周向信号阈值m-Y2=m-Min2+(m-Ymax2-m-Min2)*m-RateB;
步骤10-5:找到各条周向信号上和阈值m-Y2最接近的点,取所有点中最左点和最右点作为周向信号的特殊点,并将得到的两特殊点映射到峰值最大的周向信号m_aHsd上;
步骤10-6:采用小波变换法计算峰值最大的周向信号m_aHsd的极值点;
步骤10-7:根据峰值最大的周向信号m_aHsd上的特殊点及极值点,计算与缺陷宽度相关的周向特征量,包括:周向信号微分最值点间距、周向信号特殊点间距、周向信号缺陷面积和周向信号缺陷面能量。
步骤11:根据得到的周向信号特殊点位置确定通道范围,提取通道范围内的轴向信号,利用小波变换求解提取出来的轴向信号的峰谷位置及峰谷值,计算缺陷体积及缺陷体能量,实现缺陷漏磁信号中与缺陷尺寸相关全部特征量的提取。

Claims (6)

1.一种管道缺陷漏磁信号的特征提取方法,其特征在于,包括如下步骤:
步骤1:对比分析不同尺寸缺陷的缺陷漏磁信号,定义与缺陷尺寸相关的轴向特征量和周向特征量;
步骤2:采集管道缺陷信号进行放大、插值和滤波,得到缺陷漏磁信号,确定缺陷漏磁信号中缺陷所在的轴向位置和周向能检测到缺陷漏磁信号变化的通道范围;
步骤3:分别计算缺陷漏磁信号中各通道轴向漏磁信号的最大值与最小值的差值,提取差值最大轴向漏磁信号作为轴向最大通道漏磁信号;
步骤4:采用小波变换法计算轴向最大通道漏磁信号的所有极值点及拐点;
步骤5:根据轴向最大通道漏磁信号上的极小值点找到轴向最大通道漏磁信号峰谷位置及峰谷值;
步骤6:根据轴向最大通道漏磁信号上的极大值点判断该轴向最大通道漏磁信号对应缺陷是否为双峰缺陷即轴向最大通道漏磁信号存在两个极大值点,若是双峰缺陷,执行步骤7,否则,执行步骤8:
步骤7:通过对比极大值点位置确定正确的左右峰位置及左右峰值,执行步骤9;
步骤8:把唯一的极大值点定义为左峰,把和右峰相关的特征量置零;
步骤9:利用轴向最大通道漏磁信号上的峰谷位置、峰谷值、左右峰位置、峰值、拐点和特殊点计算与缺陷相关的轴向特征量;
步骤10:利用轴向漏磁信号提取周向信号,利用周向信号求取与缺陷宽度相关的周向特征量;
步骤11:根据周向信号特殊点位置确定通道范围,提取通道范围内的轴向信号,利用小波变换求解提取出来的轴向信号的峰谷位置及峰谷值,计算缺陷体积及缺陷体能量,实现缺陷漏磁信号中与缺陷尺寸相关全部特征量的提取。
2.根据权利要求1所述的管道缺陷漏磁信号的特征提取方法,其特征在于,所述与缺陷相关的轴向特征量包括:轴向谷宽度、轴向峰峰间距、轴向峰峰间距、轴向峰谷平均差、轴向左峰谷差、轴向右峰谷差、轴向微分最值间距、轴向微分最值差值、轴向特殊点间距、轴向缺陷面积和轴向缺陷面能量;
所述轴向特殊点的间距为求缺陷长度的关键特征量;所述特殊点提取方法为:设置求长的比例m_RateA,根据X+(Y-X)*m_RateA求出阈值,其中,X为轴向最大通道漏磁信号谷值平均值,Y为轴向最大通道漏磁信号最大峰值,轴向最大通道漏磁信号中和阈值最接近的两个点即为特殊点。
3.根据权利要求1所述的管道缺陷漏磁信号的特征提取方法,其特征在于,所述步骤4具体包括:
步骤4-1:对轴向最大通道漏磁信号采用基小波为Gauss函数的一阶导数进行小波变换,求解信号极值点,所述小波变换的尺度a=12;
步骤4-2:对轴向最大通道漏磁信号采用基小波为“墨西哥帽”小波函数进行小波变换,求解信号拐点,所述小波变换的尺度a=24。
4.根据权利要求1所述的管道缺陷漏磁信号的特征提取方法,其特征在于,所述步骤6具体方法为:
步骤6-1:把最大峰值和左谷求差作为阈值,在左谷与最大峰之间寻找与左谷差大于阈值的可疑点,如果有可疑点,执行步骤6-2,否则,执行步骤6-3;
步骤6-2:判断可疑点左右的值是否都比可疑点的值小,是,执行步骤7,否则,执行步骤6-3;
步骤6-3:将原最大峰定义为左锋,并将最大峰值与右谷求差作为新的阈值,在右谷与最大峰之间寻找与右谷差大于阈值的可疑点,如果有可疑点,执行步骤6-4,否则,执行步骤8;
步骤6-4:判断可疑点左右的值是否都比可疑点的值小,是,执行步骤7,否则,执行步骤8。
5.根据权利要求1所述的管道缺陷漏磁信号的特征提取方法,其特征在于,所述步骤10具体包括:
步骤10-1:载入预处理过的缺陷漏磁信号;
步骤10-2:分别提取缺陷通道范围内各通道轴向信号最大值所在位置对应所有通道数据作为周向信号,并将最大值位置相同的数据进行合并去除;
步骤10-3:获取缺陷通道范围内周向信号最大值所在通道,利用该通道将所有周向信号进行居中处理;
步骤10-4:计算所有周向信号中缺陷通道范围内的最大值m_Ymax2和中值m_Min2,并将峰值最大的周向信号m_aHsd提取出来,设置求长的比例m_RateB,求出每条周向信号阈值m_Y2=m_Min2+(m_Ymax2-m_Min2)*m_RateB;
步骤10-5:找到各条周向信号上和阈值m_Y2最接近的点,取所有点中最左点和最右点作为周向信号的特殊点,并将得到的两特殊点映射到峰值最大的周向信号m_aHsd上;
步骤10-6:采用小波变换法计算峰值最大的周向信号m_aHsd的极值点;
步骤10-7:根据峰值最大的周向信号m_aHsd上的特殊点及极值点,计算与缺陷宽度相关的周向特征量。
6.根据权利要求1所述的管道缺陷漏磁信号的特征提取方法,其特征在于,所述与缺陷宽度相关的周向特征量包括:周向信号微分最值点间距、周向信号特殊点间距、周向信号缺陷面积和周向信号缺陷面能量。
CN201710168153.0A 2017-03-21 2017-03-21 一种管道缺陷漏磁信号的特征提取方法 Active CN106870957B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710168153.0A CN106870957B (zh) 2017-03-21 2017-03-21 一种管道缺陷漏磁信号的特征提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710168153.0A CN106870957B (zh) 2017-03-21 2017-03-21 一种管道缺陷漏磁信号的特征提取方法

Publications (2)

Publication Number Publication Date
CN106870957A true CN106870957A (zh) 2017-06-20
CN106870957B CN106870957B (zh) 2019-02-05

Family

ID=59171832

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710168153.0A Active CN106870957B (zh) 2017-03-21 2017-03-21 一种管道缺陷漏磁信号的特征提取方法

Country Status (1)

Country Link
CN (1) CN106870957B (zh)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107842713A (zh) * 2017-11-03 2018-03-27 东北大学 基于knn‑svr的海底管道漏磁数据缺失插补方法
CN108181377A (zh) * 2017-12-12 2018-06-19 中国电波传播研究所(中国电子科技集团公司第二十二研究所) 一种pccp钢丝断丝智能判读系统及方法
WO2019047399A1 (zh) * 2017-09-11 2019-03-14 清华大学 基于正交基函数的滤波方法、信号处理装置及地面标记系统
CN109632942A (zh) * 2019-02-21 2019-04-16 东北大学 一种基于sl的管道缺陷尺寸的反演方法
CN109783906A (zh) * 2018-12-29 2019-05-21 东北大学 一种管道内检测漏磁数据智能分析系统及方法
CN111999377A (zh) * 2020-08-31 2020-11-27 河北工业大学 漏磁检测表征缺陷宽度的方法
CN112200037A (zh) * 2020-09-29 2021-01-08 中国科学院上海微系统与信息技术研究所 一种微弱信号检测方法、终端和计算机可读存储介质
CN113933382A (zh) * 2021-12-16 2022-01-14 国机传感科技有限公司 一种管道缺陷数据采集记录装置及方法
CN114354741A (zh) * 2022-03-21 2022-04-15 广东海洋大学 一种管道缺陷检测方法及系统
CN114354740A (zh) * 2022-03-09 2022-04-15 成都熊谷油气科技有限公司 一种管道检测系统
CN115096987A (zh) * 2022-06-24 2022-09-23 合肥工业大学 一种基于漏磁信号特征的管道缺陷量化方法
US11488010B2 (en) 2018-12-29 2022-11-01 Northeastern University Intelligent analysis system using magnetic flux leakage data in pipeline inner inspection

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012103541A2 (en) * 2011-01-28 2012-08-02 Schlumberger Canada Limited Pipe damage interpretation system
CN103997315A (zh) * 2014-05-16 2014-08-20 东北大学 一种管道漏磁信号自适应滤波装置及方法
CN104034796A (zh) * 2014-06-16 2014-09-10 东北大学 一种管道漏磁内检测数据实时处理装置及方法
CN104514987A (zh) * 2014-12-19 2015-04-15 清华大学 管道三维漏磁成像缺陷量化方法
CN106018545A (zh) * 2016-06-29 2016-10-12 东北大学 一种基于Adaboost-RBF协同的管道缺陷漏磁反演方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012103541A2 (en) * 2011-01-28 2012-08-02 Schlumberger Canada Limited Pipe damage interpretation system
CN103997315A (zh) * 2014-05-16 2014-08-20 东北大学 一种管道漏磁信号自适应滤波装置及方法
CN104034796A (zh) * 2014-06-16 2014-09-10 东北大学 一种管道漏磁内检测数据实时处理装置及方法
CN104514987A (zh) * 2014-12-19 2015-04-15 清华大学 管道三维漏磁成像缺陷量化方法
CN106018545A (zh) * 2016-06-29 2016-10-12 东北大学 一种基于Adaboost-RBF协同的管道缺陷漏磁反演方法

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019047399A1 (zh) * 2017-09-11 2019-03-14 清华大学 基于正交基函数的滤波方法、信号处理装置及地面标记系统
CN107842713B (zh) * 2017-11-03 2019-04-05 东北大学 基于knn-svr的海底管道漏磁数据缺失插补方法
CN107842713A (zh) * 2017-11-03 2018-03-27 东北大学 基于knn‑svr的海底管道漏磁数据缺失插补方法
CN108181377A (zh) * 2017-12-12 2018-06-19 中国电波传播研究所(中国电子科技集团公司第二十二研究所) 一种pccp钢丝断丝智能判读系统及方法
US11488010B2 (en) 2018-12-29 2022-11-01 Northeastern University Intelligent analysis system using magnetic flux leakage data in pipeline inner inspection
CN109783906A (zh) * 2018-12-29 2019-05-21 东北大学 一种管道内检测漏磁数据智能分析系统及方法
WO2020133639A1 (zh) * 2018-12-29 2020-07-02 东北大学 一种管道内检测漏磁数据智能分析系统
CN109632942A (zh) * 2019-02-21 2019-04-16 东北大学 一种基于sl的管道缺陷尺寸的反演方法
CN111999377A (zh) * 2020-08-31 2020-11-27 河北工业大学 漏磁检测表征缺陷宽度的方法
CN112200037A (zh) * 2020-09-29 2021-01-08 中国科学院上海微系统与信息技术研究所 一种微弱信号检测方法、终端和计算机可读存储介质
CN112200037B (zh) * 2020-09-29 2023-12-26 中国科学院上海微系统与信息技术研究所 一种微弱信号检测方法、终端和计算机可读存储介质
CN113933382B (zh) * 2021-12-16 2022-03-11 国机传感科技有限公司 一种管道缺陷数据采集记录装置及方法
CN113933382A (zh) * 2021-12-16 2022-01-14 国机传感科技有限公司 一种管道缺陷数据采集记录装置及方法
CN114354740A (zh) * 2022-03-09 2022-04-15 成都熊谷油气科技有限公司 一种管道检测系统
CN114354741A (zh) * 2022-03-21 2022-04-15 广东海洋大学 一种管道缺陷检测方法及系统
CN115096987A (zh) * 2022-06-24 2022-09-23 合肥工业大学 一种基于漏磁信号特征的管道缺陷量化方法
CN115096987B (zh) * 2022-06-24 2024-04-26 合肥工业大学 一种基于漏磁信号特征的管道缺陷量化方法

Also Published As

Publication number Publication date
CN106870957B (zh) 2019-02-05

Similar Documents

Publication Publication Date Title
CN106870957B (zh) 一种管道缺陷漏磁信号的特征提取方法
CN106287240B (zh) 一种基于声发射的管道泄漏检测装置及单传感器定位方法
CN101300482B (zh) 管内面涡流探伤中的s/n比测量方法
CN105334269A (zh) 一种基于神经网络和导波特征数据库的管道缺陷类别判别方法
CN103336049A (zh) 一种消除提离效应的脉冲涡流检测方法及装置
CN108562639B (zh) 一种埋地钢质管道全生命周期缺陷外检测方法
CN105738837A (zh) 一种非缺陷钢质管道自漏磁场磁感应强度的计算方法
CN103399083B (zh) 一种脉冲涡流检测提离效应的抑制方法
CN107121501A (zh) 一种汽轮机叶轮缺陷分类方法
CN116953196B (zh) 一种钢制三通的缺陷检测与安全状态评估方法
CN1948961A (zh) 铁磁材料裂纹的金属磁记忆检测方法
CN117367688B (zh) 一种玻璃钢管气密性检测分析方法
CN107941900A (zh) 一种钢质弯管缺陷非接触式检测方法
CN112597642A (zh) 一种基于金属检验的高温集箱状态评估方法
CN102661996B (zh) 探头偏心状态下金属管件参数电涡流检测方法
Shen et al. Research on multi-target recognition algorithm of pipeline magnetic flux leakage signal based on improved cascade RCNN
CN114487103B (zh) 基于旧零件声发射信号混沌特征值的损伤检测分析方法
CN113155959B (zh) 一种基于相控阵检测的圆弧枞树型叶根图像识别方法
Udpa et al. Automated analysis of eddy current signals in steam generator tube inspection
CN113063844A (zh) 一种基于不同时间非接触检测对比管道磁场强度判断管道安全性的方法
CN109855578A (zh) 一种基于表面形貌粗糙度的工件内部缺陷检测方法
CN118330019B (zh) 基于迷你单体电子漏磁器的管线漏磁内检测方法及系统
CN110412120A (zh) 管道裂纹检测方法和装置
CN110174694A (zh) 一种超前地质预报数据采集及分析方法
CN113063845B (zh) 一种基于自漏磁场和人工神经网络的埋地管线埋深快速探测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant