CN108344795A - 油气管道缺陷识别方法、装置及电子设备 - Google Patents
油气管道缺陷识别方法、装置及电子设备 Download PDFInfo
- Publication number
- CN108344795A CN108344795A CN201810068771.2A CN201810068771A CN108344795A CN 108344795 A CN108344795 A CN 108344795A CN 201810068771 A CN201810068771 A CN 201810068771A CN 108344795 A CN108344795 A CN 108344795A
- Authority
- CN
- China
- Prior art keywords
- signal
- defect type
- oil
- geomagnetic signal
- gas pipeline
- 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
Links
- 230000007547 defect Effects 0.000 title claims abstract description 169
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000005259 measurement Methods 0.000 claims abstract description 89
- 238000001914 filtration Methods 0.000 claims description 32
- 230000015654 memory Effects 0.000 claims description 22
- 238000004422 calculation algorithm Methods 0.000 claims description 17
- 230000006870 function Effects 0.000 claims description 14
- 230000005389 magnetism Effects 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 4
- 238000009499 grossing Methods 0.000 claims 1
- 239000007789 gas Substances 0.000 description 79
- 238000010586 diagram Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 8
- 229910009447 Y1-Yn Inorganic materials 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000009659 non-destructive testing Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 229910052751 metal Inorganic materials 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 208000037656 Respiratory Sounds Diseases 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 235000015170 shellfish Nutrition 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000032258 transport Effects 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 239000002023 wood Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/72—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/72—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables
- G01N27/82—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables for investigating the presence of flaws
Landscapes
- Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (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)
- Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
Abstract
本发明提供一种油气管道缺陷识别方法、装置及电子设备，方法及装置应用于电子设备，电子设备中存储有与油气管道的不同缺陷类型对应的样本地磁信号。方法包括：获取从待测的油气管道所在区域采集到的实测地磁信号及实测背景噪声信号；针对每个样本地磁信号，计算叠加实测背景噪声信号后的该样本地磁信号与实测地磁信号的相似度作为第一相似度，计算去噪后的实测地磁信号与该样本地磁信号的相似度作为第二相似度；当最大的第一相似度对应的缺陷类型与最大的第二相似度对应的缺陷类型相同时，将该缺陷类型作为待测的油气管道的缺陷类型。如此，可以又快又准地检测出油气管道的缺陷类型。
Description
技术领域
本发明涉及设备检测技术领域，具体而言，涉及一种油气管道缺陷识别方法、装置及电子设备。
背景技术
管道作为石油、天然气等战略资源运输大动脉的主要载体，安全问题一直是密切关注的重点。为保证管道的安全运行，通常会根据实际情况开展油气管道的无损检测。
目前，通常使用如下方式对油气管道的缺陷进行检测：第一，使用管道无损检测机器人的在线检测技术对管道的内腐蚀、裂纹、裂缝等缺陷进行检测；第二，采用超声、漏磁、涡流等其他检测技术进行管道外检测或管道内检测。
但是，经发明人研究发现，使用上述第一种方式进行油气管道的检查，需要对被测管道内壁进行清洗，需要铺设取放管道无损检测机器人的阀室和岔管，而且需要根据不同管径采用不同型号的设备，检测成本非常高。上述第二种方式主要用于探查和寻找已经形成的缺陷，对于管道早期应力集中损伤，特别是尚未成形的隐形不连续变化，难以实施有效评价。
发明内容
有鉴于此，本发明的目的在于提供一种油气管道缺陷识别方法、装置及电子终端，以改善上述问题。
为了达到上述目的，本发明实施例提供一种油气管道缺陷识别方法，应用于电子设备，该电子设备中存储有与油气管道的不同缺陷类型对应的样本地磁信号，所述方法包括：
获取从待测的油气管道所在区域采集到的实测地磁信号及实测背景噪声信号；
针对每个样本地磁信号，将该样本地磁信号与所述实测背景噪声信号进行叠加以得到第一地磁信号，并计算该第一噪声信号与所述实测地磁信号的相似度作为第一相似度，从而得到多个第一相似度；
获取所述多个第一相似度中的最大值所对应的样本地磁信号，将该样本地磁信号对应的油气管道的缺陷类型作为所述待测的油气管道的第一缺陷类型；
对所述实测地磁信号进行去噪处理，得到第二地磁信号，针对每个样本地磁信号，计算该样本地磁信号与所述第二地磁信号的相似度作为第二相似度，从而得到多个第二相似度；
获取所述多个第二相似度中的最大值所对应的样本地磁信号，将该样本地磁信号对应的油气管道的缺陷类型作为所述待测的油气管道的第二缺陷类型；
当所述第一缺陷类型与所述第二缺陷类型是相同的缺陷类型时，将该缺陷类型作为所述待测的油气管道的缺陷类型。
本发明实施例还提供一种油气管道缺陷识别装置，该电子设备中存储有与油气管道的不同缺陷类型对应的样本地磁信号，所述装置包括：
信号获取模块，用于获取从待测的油气管道所在区域采集到的实测地磁信号及实测背景噪声信号；
第一计算模块，用于针对每个样本地磁信号，将该样本地磁信号与所述实测背景噪声信号进行叠加以得到第一地磁信号，并计算该第一噪声信号与所述实测地磁信号的相似度作为第一相似度，从而得到多个第一相似度；
第一类型确定模块，用于获取所述多个第一相似度中的最大值所对应的样本地磁信号，将该样本地磁信号对应的油气管道的缺陷类型作为所述待测的油气管道的第一缺陷类型；
第二计算模块，用于对所述实测地磁信号进行去噪处理，得到第二地磁信号，针对每个样本地磁信号，计算该样本地磁信号与所述第二地磁信号的相似度作为第二相似度，从而得到多个第二相似度；
第二类型确定模块，用于获取所述多个第二相似度中的最大值所对应的样本地磁信号，将该样本地磁信号对应的油气管道类型作为所述待测的油气管道的第二缺陷类型；
识别模块，用于当所述第一缺陷类型与所述第二缺陷类型是相同的缺陷类型时，将该缺陷类型作为所述待测油气管道的缺陷类型。
本发明实施例还提供一种电子设备，包括：存储器；处理器；及本发明实施例提供的管道缺陷装置，该油气管道缺陷识别装置存储于所述存储器中，并由所述处理器控制执行。
本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被执行时实现本发明实施例提供的油气管道缺陷识别方法。
相较于现有技术，本发明实施例具有以下有益效果：
本发明实施例提供一种油气管道缺陷识别方法、装置及电子设备，电子设备获取从待测的油气管道所在区域采集到的实测地磁信号及实测背景噪声信号，针对每个样本地磁信号，将该样本地磁信号与实测背景噪声信号叠加得到第一地磁信号，并计算该第一地磁信号与实测地磁信号的相似度作为第一相似度，从而得到多个第一相似度。将多个第一相似度中的最大值对应的油气管道的缺陷类型作为待测的油气管道的第一缺陷类型。对实测地磁信号进行去噪，针对每个样本地磁信号，计算去噪后的实测地磁信号与该样本地磁信号的相似度作为第二相似度，从而得到多个第二相似度，并将多个第二相似度中的最大值所对应的油气管道的缺陷类型作为待测的油气管道的第二缺陷类型。当第一缺陷类型与第二缺陷类型是相同的缺陷类型时，将该缺陷类型作为待测的油气管道的缺陷类型。如此，可以又快又准地检测出油气管道的缺陷类型。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本发明实施例提供的一种电子设备的方框示意图；
图2为本发明实施例提供的一种采集平台的截面示意图；
图3为本发明实施例提供的一种油气管道缺陷识别方法的流程示意图；
图4为本发明实施例提供的油气管道缺陷识别方法的又一流程示意图；
图5为本发明实施例提供的油气管道缺陷识别装置的功能模块框图。
图标：100-电子设备；110-存储器；120-处理器；200-油气管道缺陷识别装置；210-信号获取模块；220-第一计算模块；230-第一类型确定模块；240-第二计算模块；250-第二类型确定模块；260-识别模块；270-提示模块；300-支撑结构；400-油气管道；500-传感器固定架。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
如图1所示，是本发明实施例提供的一种电子设备100的方框示意图，电子设备100包括油气管道缺陷识别装置200、存储器110及处理器120。
存储器110及处理器120各元件之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可以通过一条或多条通讯总线或信号线实现电性连接。油气管道缺陷识别装置200包括至少一个可以以软件或固件Firmware)的形式存储于存储器110中或固化在电子设备100的操作系统(Operating System，OS)中的软件功能模块。处理器120用于执行存储器110中存储的可执行模块，例如，油气管道缺陷识别装置200所包括的软件功能模块及计算机程序等。
所述存储器110中还存储有与油气管道的不同缺陷类型对应的样本地磁信号。所述样本地磁信号可以通过如下方式采集获得，具体描述如下。
请结合参阅图2，其中，图2是用于采集样本地磁信号的采集平台的截面示意图。实施时，通过纯木质的支撑结构300将油气管道400架空于地表，并在油气管道400的上方法搭建纯木质材料制成的传感器固定架500。对所述油气管道400制造多种类型的缺陷，包括裂纹、孔洞、腐蚀、形变等，并将地磁传感器安装在所述传感器固定架500上，以对所述油气管道400的地磁信号进行采集，并将采集到的地磁信号及该地磁信号对应的缺陷类型保存到所述存储器110中。其中，所述采集到的地磁信号即为所述样本地磁信号。
在本实施例中，存储器110可以是，但不限于，随机存取存储器(Random AccessMemory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(ProgrammableRead-Only Memory，PROM)，可擦除只读存储器(Erasable Programmable Read-OnlyMemory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-OnlyMemory，EEPROM)等。
处理器120可以是一种集成电路芯片，具有信号处理能力。所述处理器120也可以是通用处理器，如中央处理器(Central Processing Unit，CPU)、网络处理器(NetworkProcessor，NP)、微处理器等；还可以是数字信号处理器(DSP))、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件；处理器120还可以是任何常规的处理器，可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。
应当理解，图1所示的结构仅为示意，电子设备100可以具有比图1所示更多、更少或者完全不同的配置。值得说明的是，图1所示的各组件可以软件、硬件或其组合实现。
如图3所示，是本发明实施例提供的一种油气管道缺陷识别方法的流程示意图，该方法应用于图1所示的电子设备100。下面结合图3对油气管道缺陷识别方法的具体流程及步骤做详细阐述。
步骤S301，获取从待测的油气管道400所在区域采集到的实测地磁信号及实测背景噪声信号。
在本实施例中，采集实测地磁信号与采集样本地磁信号所用的地磁传感器相同。实施时，通过前述的传感器固定架500将地磁传感器固定于待测的油气管道400上方，并对金属、电池、主板等部件采取电磁屏蔽措施，再采集所述实测地磁信号，以免影响到所采集的实测地磁信号的准确性。
然后，在距离待测的油气管道400至少20米的地方，利用所述地磁传感器采集地磁信号，并将采集到的地磁信号作为所述待测的油气管道400所在区域的实测背景噪声信号。其中，在采集所述实测背景噪声信号时，同样需要对金属、电池、主板等部件进行电磁屏蔽。并且，采集所述实测背景噪声信号与采集所述实测地磁信号所用的地磁传感器相同，如此，可以避免不必要的误差。
进一步地，在采集实测背景噪声信号时，可以在多个距离所述待测的油气管道400至少20米的地方采集地磁信号，从而得到多个背景噪声信号，再对所述多个背景噪声信号求平均，并将得到的平均信号作为所述实测背景噪声信号。
步骤S302，针对每个样本地磁信号，将该样本地磁信号与所述实测背景噪声信号进行叠加以得到第一地磁信号，并计算该第一噪声信号与所述实测地磁信号的相似度作为第一相似度，从而得到多个第一相似度。
在本实施例中，首先通过第一种方式确定获取到的实测地磁信号所属的缺陷类型，详细描述如下。
针对获取到的每一个样本地磁信号，在该样本地磁信号上叠加所述实测背景噪声信号，得到第一地磁信号。由于对每个样本地磁信号都会进行这一操作，因此，在实施过程中，实际会得到多个第一地磁信号。
以其中一个样本地磁信号Ai(i∈[1,n])为例，在Ai上叠加实测背景噪声信号B1，得到第一地磁信号Ci。然后，计算Ci与所述实测地磁信号D1的相似度作为第一相似度Xi，其中，第一相似度Xi是指Ci和D1的相似度。
在实施时，针对A1-An中的每一个样本地磁信号，均执行上述操作，即可得到对应的多个第一相似度，即X1-Xn。
步骤S303，获取所述多个第一相似度中的最大值所对应的样本地磁信号，将该样本地磁信号对应的缺陷类型作为所述待测的油气管道400的第一缺陷类型。
仍旧以上述的X1-Xn这多个第一相似度为例，实施时，通过排序(从大到小或从小到大的方式)获取X1-Xn中的最大值，并获取所述最大值所对应的第一缺陷类型。
详细地，假设X3为X1-Xn中的最大值，而X3是第一地磁信号C3与实测地磁信号D1的相似度，因此，可以将第一地磁信号C3作为与实测地磁信号D1最相似的信号。而第一地磁信号C3是由样本地磁信号A3与实测背景噪声信号B1叠加得到的，因此，样本地磁信号A3对应的缺陷类型即为所述实测地磁信号D1的缺陷类型，即所述待测的油气管道400的第一缺陷类型。
步骤S304，对所述实测地磁信号进行去噪处理，得到第二地磁信号，针对每个样本地磁信号，计算该样本地磁信号与所述第二地磁信号的相似度作为第二相似度，从而得到多个第二相似度。
在本实施例中，为了确保所确定的缺陷类型的准确性，还需通过第二种方式确定所述待测的油气管道400的缺陷类型。
实测地磁信号是携带有噪声信号的地磁信号，因此，可以对实测地磁信号进行去噪，再将去噪后的实测地磁信号与每一个样本地磁信号进行比对，如此，可以更加准确地查找出与所述实测地磁信号最匹配的样本地磁信号，进而确定所述实测地磁信号对应的缺陷类型。
在本实施例中，采用单通道自适应滤波系统对所述实测地磁信号进行滤波，即根据不同地磁信号的特点采取相应的滤波算法进行线滤波和面滤波。详细地，步骤S304中，对所述实测地磁信号进行去噪处理的步骤可以通过如下子步骤实现。
第一，针对所述实测地磁信号中幅度变化小于第一预设值的区域，通过快速傅里叶变换对该区域的信号进行粗滤波，通过中值滤波算法对该区域的信号幅度进行削减，再通过均值滤波平滑曲线对该区域的信号进行线性滤波。
也即，对于信号较平坦区域，尽可能削弱信号幅度，平滑地滤除此区域信号，使其幅值接近基值的平坦信号。详细地，先通过快速傅里叶变换进行粗滤波，直接剔除异频噪声，再通过中值滤波算法对幅值进一步削减，最后通过均值滤波平滑曲线完成线滤波。
第二，针对所述实测地磁信号中的频率波动小于第二预设值的区域，先通过等纹滤波算法对该区域的信号进行滤波，通过小波对该区域的信号幅度进行平滑，以完成对该区域的信号的线滤波。再通过高斯滤波算法对该区域的信号进行滤波，通过巴特沃兹滤波器对该区域的信号进行增强，从而完成对该区域的信号的面滤波。
即，经发明人研究发现，实测地磁信号中的小波动信号，既可能是所述待测的油气管道400的小缺陷造成的，也可能是大幅度噪声造成的。针对小缺陷和大幅度噪声，所采用的具体滤波方式有所不同。然而，在实际应用中这两种情形很难区分，考虑到重大安全性需求，在本实施例中，直接将小波动信号认定为小缺陷。在此情形下，可以通过上述第二步的方式，先通过等纹低通滤波算法对所述实测地磁信号进行滤波，再通过小波幅值进一步平滑，完成线滤波。再利用高斯滤波对所述小波动信号(小缺陷)进行滤波，在保证缺陷信号最大限度不失真的情况下实现去噪。再通过巴特沃兹滤波器实现缺陷信号的增强，并通过混合滤波算法对小波动区域完成面滤波。
第三，针对所述实测地磁信号中的频率大于第三预设值的区域，通过窗函数滤波算法对该区域的信号进行滤波，通过小波对该区域的信号幅度进行平滑，以完成对该区域的信号的线滤波，再通过高斯滤波算法对该区域的信号进行滤波，通过小波对该区域的信号幅度进行平滑处理，从而完成对该区域的信号的面滤波。
其中，所述频率大于第三预设值的区域，是指所述实测地磁信号中含有较大波动的信号。针对此种信号，应保证在不失真的情况下，即保证缺陷信号的峰谷差(波峰与波谷之差)尽量不变的情况下，使其更加平滑。如此，可以通过窗函数法滤波算法对该信号进行滤波，再通过小波对幅值进行进一步的平滑，从而完成线滤波。通过高斯滤波对信号进行滤波，再通过小波对其幅值进一步平滑。最后通过混合滤波算法实现对大波动区域的面滤波。
在通过上述第一步-第三步对所述实测地磁信号进行去噪处理之后，即可得到第二地磁信号。
仍旧以D1表示所述实测地磁信号，假设D1去噪后得到第二地磁信号E1，假设Ai(i∈[1,n])分别表示采集到的多个样本地磁信号，则实施时，计算所述第二地磁信号E1与A1-An中每个样本地磁信号Ai的相似度，即可得到E1与Ai的相似度Yi(第二相似度)，从而得到Y1-Yn多个第二相似度。
步骤S305，获取所述多个第二相似度中的最大值所对应的样本地磁信号，将该样本地磁信号对应的缺陷类型作为所述待测的油气管道400的第二缺陷类型。
实施时，通过排序确定Y1-Yn中的最大值。假设Y6为Y1-Yn中的最大值，由于Yn是E1与样本地磁信号A6的相似度，因此，样本地磁信号A6是与E1(去噪后的实测地磁信号)最相似的信号，因此，可以将A6对应的缺陷类型作为所述实测地磁信号的缺陷类型，即第二缺陷类型。
应当理解，在本实施例中，第一缺陷类型和第二缺陷类型仅用于区分通过不同方式确定的所述待测的油气管道400的缺陷类型。所述待测的油气管道400的第一缺陷类型和第二缺陷类型可以相同，也可以不同，具体由实际情况确定。
步骤S306，判断所述第一缺陷类型与所述第二缺陷类型是否相同。若是，则执行步骤S307，若否，则可以执行步骤S308。
步骤S307，将该缺陷类型作为所述待测的油气管道400的缺陷类型。
在本实施例中，当通过不同方式确定的缺陷类型相同时，直接将该缺陷类型作为识别结果，即作为所述待测的油气管道400的缺陷类型。
步骤S308，输出提示信息，以提示用户通过其他方式检测。即，提示用户进一步识别，以重新确定所述待测的油气管道400的缺陷类型。
经发明人研究发现，当所述第一缺陷类型与所述第二缺陷类型不同时，可能是因为在执行步骤S304时，将实际是大幅度噪声的小波动信号误判为小缺陷信号，从而采用了不恰当的滤波方法所导致的。基于此，可以采用对大幅度噪声信号进行滤波的方式重新进行一次计算。
为了解决上述问题，可选地，如图4所示，当步骤S306的判断结果为否时，在执行步骤S308之前，可以执行步骤S409-步骤S412。
步骤S409，重新对所述实测地磁信号进行去噪处理，得到第三地磁信号。其中，在去噪处理过程中，针对所述实测地磁信号中的频率小于所述第二预设值的区域，通过贝塞尔线性相位滤波器对该区域进行滤波处理。
步骤S410，针对每个样本地磁信号，计算该样本地磁信号与所述第三地磁信号的相似度作为第三相似度，从而得到多个第三相似度。
步骤S411，获取所述多个第三相似度中的最大值所对应的样本地磁信号，将该地磁信号对应的缺陷类型作为所述待测的油气管道400的第三缺陷类型。
步骤S412，判断所述第三缺陷类型与所述第一缺陷类型是否是相同的缺陷类型，若是，则执行步骤S307，若否，再执行步骤S308。
应当理解，上述的步骤S409-S412，其具体实现原理与上述的步骤S304-S306大致相似，其区别在于，对实测地磁信号采取了不同的滤波方式，在此不再赘述。
在本实施例中，上述的相似度均可通过最大信息系数法计算得到，在最大信息系数法中定义有一目标信号和匹配信号，现假设目标信号为X，匹配信号为Y，则X和Y的平均互信息为：
实施时，将随机变量X和Y画成散点图，然后不断地用小方格子去分割，得到一个网格，然后计算随机变量的采样点在每个格子的落入概率。其中，n为信号X包括的采样点，m为信号Y包括的采样点。
对于X和Y构成的集合及正整数k、l，I(Gk×l)表示采样点落入第k行第l列的格子的概率。
特征矩阵M满足如下条件：
即：
其中，最大信息系数MIC＝max{mk,l}。
基于上述的最大信息算法，以上述的第一地磁信号Ci(样本地磁信号Ai叠加实测背景噪声信号B1)及实测地磁信号D1为例，第一地磁信号Ci相当于目标信号，实测地磁信号D1相当于匹配信号，如此即可求得每个第一地磁信号Ci与实测地磁信号D1是最大信息系数MICi作为所述第一相似度Xi。针对Ci-Cn中的每个第一地磁信号，均执行上述的操作，即可得到多个最大信息系数(第一相似度)MIC1-MICn。
计算第二相似度、第三相似度的具体过程及原理与上述计算第一相似度的过程及原理类似，在此不再赘述。
如图5所示，是本发明实施例提供的一种油气管道缺陷识别装置200的功能模块框图，该油气管道缺陷识别装置200应用于图1所示的电子设备100。
油气管道缺陷识别装置200包括信号获取模块210、第一计算模块220、第一类型确定模块230、第二计算模块240、第二类型确定模块250及识别模块260。
其中，信号获取模块210用于获取从待测的油气管道400所在区域采集到的实测地磁信号及实测背景噪声信号。
在本实施例中，关于信号获取模块210的描述具体可参考对图3所示步骤S301的详细描述，即步骤S301可以由信号获取模块210执行。
第一计算模块220用于针对每个样本地磁信号，将该样本地磁信号与所述实测背景噪声信号进行叠加以得到第一地磁信号，并计算该第一噪声信号与所述实测地磁信号的相似度作为第一相似度，从而得到多个第一相似度。
在本实施例中，关于第一计算模块220的描述具体可参考对图3所示步骤S302的详细描述，即步骤S302可以由第一计算模块220执行。
第一类型确定模块230用于获取所述多个第一相似度中的最大值所对应的样本地磁信号，将该样本地磁信号对应的缺陷类型作为所述待测的油气管道400的第一缺陷类型。
在本实施例中，关于第一类型确定模块230的描述具体可参考对图3所示步骤S303的详细描述，即步骤S303可以由第一类型确定模块230执行。
第二计算模块240用于对所述实测地磁信号进行去噪处理，得到第二地磁信号，针对每个样本地磁信号，计算该样本地磁信号与所述第二地磁信号的相似度作为第二相似度，从而得到多个第二相似度。
在本实施例中，关于第二计算模块240的描述具体可参考对图3所示步骤S304的详细描述，即步骤S304可以由第二计算模块240执行。
第二类型确定模块250用于获取所述多个第二相似度中的最大值所对应的样本地磁信号，将该样本地磁信号对应的缺陷类型作为所述待测的油气管道400的第二缺陷类型。
在本实施例中，关于第二类型确定模块250的描述具体可参考对图3所示步骤S305的详细描述，即步骤S305可以由第二类型确定模块250执行。
识别模块260用于当所述第一缺陷类型与所述第二缺陷类型是相同的缺陷类型时，将该缺陷类型作为所述待测的油气管道400的缺陷类型。
在本实施例中，关于识别模块260的描述具体可参考对图3所示步骤S306及步骤S307的详细描述，即步骤S306及步骤S307可以由识别模块260执行。
可选地，油气管道缺陷识别装置200还可以包括提示模块270。
其中，提示模块270用于当所述第一缺陷类型与所述第二缺陷类型是不同的缺陷类型时，输出提示信息，以提示用户通过其他方式检测。
其中，关于提示模块270的描述具体可参考对图3所示步骤S308的详细描述，即步骤S308可以由提示模块270执行。
此外，本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被执行时实现本发明实施例提供的油气管道缺陷识别方法。
综上所述，本发明实施例提供一种油气管道缺陷识别方法、装置及电子设备100，电子设备100获取从待测的油气管道400所在区域采集到的实测地磁信号及实测背景噪声信号，针对每个样本地磁信号，将该样本地磁信号与实测背景噪声信号叠加得到第一地磁信号，并计算该第一地磁信号与实测地磁信号的相似度作为第一相似度，从而得到多个第一相似度。将多个第一相似度中的最大值对应的油气管道400的缺陷类型作为待测的油气管道400的第一缺陷类型。对实测地磁信号进行去噪，针对每个样本地磁信号，计算去噪后的实测地磁信号与该样本地磁信号的相似度作为第二相似度，从而得到多个第二相似度，并将多个第二相似度中的最大值所对应的油气管道400的缺陷类型作为待测的油气管道400的第二缺陷类型。当第一缺陷类型与第二缺陷类型是相同的缺陷类型时，将该缺陷类型作为待测的油气管道400的缺陷类型。如此，可以又快又准地检测出油气管道400的缺陷类型。
在本发明实施例所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置和方法实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，电子设备，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种油气管道缺陷识别方法，其特征在于，应用于电子设备，该电子设备中存储有与油气管道的不同缺陷类型对应的样本地磁信号，所述方法包括：
获取从待测的油气管道所在区域采集到的实测地磁信号及实测背景噪声信号；
针对每个样本地磁信号，将该样本地磁信号与所述实测背景噪声信号进行叠加以得到第一地磁信号，并计算该第一噪声信号与所述实测地磁信号的相似度作为第一相似度，从而得到多个第一相似度；
获取所述多个第一相似度中的最大值所对应的样本地磁信号，将该样本地磁信号对应的缺陷类型作为所述待测的油气管道的第一缺陷类型；
对所述实测地磁信号进行去噪处理，得到第二地磁信号，针对每个样本地磁信号，计算该样本地磁信号与所述第二地磁信号的相似度作为第二相似度，从而得到多个第二相似度；
获取所述多个第二相似度中的最大值所对应的样本地磁信号，将该样本地磁信号对应的缺陷类型作为所述待测的油气管道的第二缺陷类型；
当所述第一缺陷类型与所述第二缺陷类型是相同的缺陷类型时，将该缺陷类型作为所述待测的油气管道的缺陷类型。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
当所述第一缺陷类型与所述第二缺陷类型是不同的缺陷类型时，输出提示信息，以提示用户通过其他方式检测。
3.根据权利要求2所述的方法，其特征在于，所述对所述实测地磁信号进行去噪处理，包括：
针对所述实测地磁信号中幅度变化小于第一预设值的区域，通过快速傅里叶变换对该区域的信号进行粗滤波，通过中值滤波算法对该区域的信号幅度进行削减，再通过均值滤波平滑曲线对该区域的信号进行线滤波；
针对所述实测地磁信号中的频率波动小于第二预设值的区域，先通过等纹滤波算法对该区域的信号进行滤波，通过小波对该区域的信号幅度进行平滑，以完成对该区域的信号的线滤波，再通过高斯滤波算法对该区域的信号进行滤波，通过巴特沃兹滤波器对该区域的信号进行增强，从而完成对该区域的信号的面滤波；
针对所述实测地磁信号中的频率大于第三预设值的区域，通过窗函数滤波算法对该区域的信号进行滤波，通过小波对该区域的信号幅度进行平滑，以完成对该区域的信号的线滤波，再通过高斯滤波算法对该区域的信号进行滤波，通过小波对该区域的信号幅度进行平滑处理，从而完成对该区域的信号的面滤波。
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
当所述第一缺陷类型与所述第二缺陷类型是不同的缺陷类型时，重新对所述实测地磁信号进行去噪处理，得到第三地磁信号；其中，在去噪处理过程中，针对所述实测地磁信号中的频率小于所述第二预设值的区域，通过贝塞尔线性相位滤波器对该区域进行滤波处理；
针对每个样本地磁信号，计算该样本地磁信号与所述第三地磁信号的相似度作为第三相似度，从而得到多个第三相似度；
获取所述多个第三相似度中的最大值所对应的样本地磁信号，将该地磁信号对应的缺陷类型作为所述待测的油气管道的第三缺陷类型；
当所述第三缺陷类型与所述第一缺陷类型是相同的缺陷类型时，将该缺陷类型作为所述待测的油气管道的缺陷类型；
当所述第三缺陷类型与所述第一缺陷类型是不同的缺陷类型时，再执行所述输出提示信息的步骤。
5.根据权利要求1-4任一项所述的方法，其特征在于，所述第一相似度和所述第二相似度通过最大信息系数法计算得到。
6.根据权利要求1-4任一项所述的方法，其特征在于，所述实测背景噪声信号在与所述待测的油气管道相隔预设距离的位置采集获得，所述实测地磁信号在所述待测的油气管道的上方采集获得。
7.一种油气管道缺陷识别装置，其特征在于，应用于电子设备，该电子设备中存储有与油气管道的不同缺陷类型对应的样本地磁信号，所述装置包括：
信号获取模块，用于获取从待测的油气管道所在区域采集到的实测地磁信号及实测背景噪声信号；
第一计算模块，用于针对每个样本地磁信号，将该样本地磁信号与所述实测背景噪声信号进行叠加以得到第一地磁信号，并计算该第一噪声信号与所述实测地磁信号的相似度作为第一相似度，从而得到多个第一相似度；
第一类型确定模块，用于获取所述多个第一相似度中的最大值所对应的样本地磁信号，将该样本地磁信号对应的缺陷类型作为所述待测的油气管道的第一缺陷类型；
第二计算模块，用于对所述实测地磁信号进行去噪处理，得到第二地磁信号，针对每个样本地磁信号，计算该样本地磁信号与所述第二地磁信号的相似度作为第二相似度，从而得到多个第二相似度；
第二类型确定模块，用于获取所述多个第二相似度中的最大值所对应的样本地磁信号，将该样本地磁信号对应的缺陷类型作为所述待测的油气管道的第二缺陷类型；
识别模块，用于当所述第一缺陷类型与所述第二缺陷类型是相同的缺陷类型时，将该缺陷类型作为所述待测的油气管道的缺陷类型。
8.根据权利要求7所述的装置，其特征在于，所述装置还包括：
提示模块，用于当所述第一缺陷类型与所述第二缺陷类型是不同的缺陷类型时，输出提示信息，以提示用户通过其他方式检测。
9.一种电子设备，其特征在于，包括：
存储器；
处理器；及
权利要求7或8所述的油气管道缺陷识别装置，该油气管道缺陷识别装置存储于所述存储器中，并由所述处理器控制执行。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被执行时实现权利要求1-6任一项所述的油气管道缺陷识别方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810068771.2A CN108344795B (zh) | 2018-01-24 | 2018-01-24 | 油气管道缺陷识别方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810068771.2A CN108344795B (zh) | 2018-01-24 | 2018-01-24 | 油气管道缺陷识别方法、装置及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108344795A true CN108344795A (zh) | 2018-07-31 |
| CN108344795B CN108344795B (zh) | 2021-10-22 |
Family
ID=62961609
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810068771.2A Expired - Fee Related CN108344795B (zh) | 2018-01-24 | 2018-01-24 | 油气管道缺陷识别方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108344795B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109142507A (zh) * | 2018-08-07 | 2019-01-04 | 四川钜莘信合科技有限公司 | 管道缺陷检测方法及装置 |
| CN110231111A (zh) * | 2019-06-21 | 2019-09-13 | 西南石油大学 | 一种埋地管道非接触式应力实时监测方法 |
| CN110489721A (zh) * | 2019-08-09 | 2019-11-22 | 国网山西省电力公司 | 电力设备典型缺陷预测方法、终端设备和存储介质 |
| CN113032380A (zh) * | 2021-03-25 | 2021-06-25 | 中国石油管道局工程有限公司 | 管道内外检测数据对齐方法、系统及设备 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4794336A (en) * | 1986-09-04 | 1988-12-27 | Nl Sperry-Sun, Inc. | Apparatus for surveying a borehole comprising a magnetic measurement probe to be moved within a drill pipe to a measurment position within a non-magnetic collar |
| CN101694478A (zh) * | 2009-11-05 | 2010-04-14 | 陈斯文 | 一种探测钢铁管道内腐蚀的方法 |
| CN106404891A (zh) * | 2016-08-29 | 2017-02-15 | 中国石油大学(北京) | 一种埋地管道管体缺陷非开挖检测方法及装置 |
| CN106680362A (zh) * | 2017-03-14 | 2017-05-17 | 中国工程物理研究院总体工程研究所 | 埋地铁磁质金属管道磁层析检测虚拟实验平台及使用方法 |
| CN106970143A (zh) * | 2017-04-20 | 2017-07-21 | 武汉地大华睿地学技术有限公司 | 一种非接触式双源磁场综合检测金属管道缺陷的方法 |
-
2018
- 2018-01-24 CN CN201810068771.2A patent/CN108344795B/zh not_active Expired - Fee Related
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4794336A (en) * | 1986-09-04 | 1988-12-27 | Nl Sperry-Sun, Inc. | Apparatus for surveying a borehole comprising a magnetic measurement probe to be moved within a drill pipe to a measurment position within a non-magnetic collar |
| CN101694478A (zh) * | 2009-11-05 | 2010-04-14 | 陈斯文 | 一种探测钢铁管道内腐蚀的方法 |
| CN106404891A (zh) * | 2016-08-29 | 2017-02-15 | 中国石油大学(北京) | 一种埋地管道管体缺陷非开挖检测方法及装置 |
| CN106680362A (zh) * | 2017-03-14 | 2017-05-17 | 中国工程物理研究院总体工程研究所 | 埋地铁磁质金属管道磁层析检测虚拟实验平台及使用方法 |
| CN106970143A (zh) * | 2017-04-20 | 2017-07-21 | 武汉地大华睿地学技术有限公司 | 一种非接触式双源磁场综合检测金属管道缺陷的方法 |
Non-Patent Citations (2)
| Title |
|---|
| LI CHANGJUN ET AL.: "The Effect of Motion-Induced Eddy Current on Circumferential Magnetization in MFL Testing for a Steel Pipe", 《INSIGHT》 * |
| 饶晓龙 等: "金属埋地管道被动式弱磁检测技术研究", 《失效分析与预防》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109142507A (zh) * | 2018-08-07 | 2019-01-04 | 四川钜莘信合科技有限公司 | 管道缺陷检测方法及装置 |
| CN110231111A (zh) * | 2019-06-21 | 2019-09-13 | 西南石油大学 | 一种埋地管道非接触式应力实时监测方法 |
| CN110489721A (zh) * | 2019-08-09 | 2019-11-22 | 国网山西省电力公司 | 电力设备典型缺陷预测方法、终端设备和存储介质 |
| CN113032380A (zh) * | 2021-03-25 | 2021-06-25 | 中国石油管道局工程有限公司 | 管道内外检测数据对齐方法、系统及设备 |
| CN113032380B (zh) * | 2021-03-25 | 2022-09-30 | 中国石油管道局工程有限公司 | 管道内外检测数据对齐方法、系统及设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108344795B (zh) | 2021-10-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108344795A (zh) | 油气管道缺陷识别方法、装置及电子设备 | |
| Yu et al. | A new statistical modeling and detection method for rolling element bearing faults based on alpha–stable distribution | |
| Chan et al. | Time-frequency sparsity map on automatic partial discharge sources separation for power transformer condition assessment | |
| US8102260B2 (en) | Methods, systems and devices for detecting threatening objects and for classifying magnetic data | |
| CN110823356B (zh) | 基于梅尔频谱的分布式光纤入侵检测方法 | |
| CN108444653A (zh) | 一种面阵型超声波气体泄漏点定位检测装置及方法 | |
| JP5468401B2 (ja) | 硬貨センサ、実効値算出方法および硬貨識別装置 | |
| CN103399083B (zh) | 一种脉冲涡流检测提离效应的抑制方法 | |
| CN108535354A (zh) | 一种钢丝绳漏磁检测和磁发射检测的损伤判定及定位方法 | |
| CN112487604A (zh) | 海洋重力仪输出数据长时间非线性漂移补偿方法 | |
| CN108345039A (zh) | 一种消除地面核磁共振数据中邻频谐波干扰的方法 | |
| CN109470135A (zh) | Csamt数据静态校正方法 | |
| CN105866234B (zh) | 电涡流和巴克豪森相融合的铁磁材料无损检测仪器和方法 | |
| CN109425894A (zh) | 一种地震异常道检测方法及装置 | |
| JP2018004286A (ja) | 信号処理装置、信号処理方法、信号処理プログラム、及び磁場計測システム | |
| CN115406959A (zh) | 一种涡流检测电路、方法、系统、存储介质及终端 | |
| CN110673208B (zh) | 一种机器学习框架下高维特征约束的初至拾取方法及系统 | |
| CN112083509A (zh) | 时频电磁法中激发极化异常的检测方法 | |
| CN111535796A (zh) | 一种测井参数的获取方法和装置 | |
| CN117783051A (zh) | 一种基于多传感器数据融合的甲烷气体泄漏检测方法 | |
| CN111694053A (zh) | 初至拾取方法及装置 | |
| CN108562936A (zh) | 一种裂缝预测方法、系统、存储介质及终端 | |
| CN104570118B (zh) | 一种基于双因素的自动识别与去除工业干扰的方法 | |
| CN109614714A (zh) | 一种发酵乳香气感官质量控制的模型建立方法 | |
| CN109856672A (zh) | 基于深度波数谱的瞬变波包提取方法、存储介质与终端 |
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 | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20211022 |