CN111062286A - 清管器的跟踪定位方法及系统 - Google Patents
清管器的跟踪定位方法及系统 Download PDFInfo
- Publication number
- CN111062286A CN111062286A CN201911250588.5A CN201911250588A CN111062286A CN 111062286 A CN111062286 A CN 111062286A CN 201911250588 A CN201911250588 A CN 201911250588A CN 111062286 A CN111062286 A CN 111062286A
- Authority
- CN
- China
- Prior art keywords
- signal
- noise ratio
- original
- calculating
- original signal
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S11/00—Systems for determining distance or velocity not using reflection or reradiation
- G01S11/14—Systems for determining distance or velocity not using reflection or reradiation using ultrasonic, sonic, or infrasonic waves
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Signal Processing (AREA)
- General Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种清管器的跟踪定位方法,包括以下步骤:S1、采集沿油气管道方向铺设的传感光纤中的原始信号;S2、将原始信号中的m个监测点在n个时间片段内的原始信号拼接成n×m的原始信号二维数组,并根据该原始信号二维数组绘制原始信号波形图;其中,每个监测点对应等长度的一段传感光纤;S3、滤除所述原始信号波形图中的低频信号;S4、计算低频滤波后各监测点的信噪比,得到信噪比二维数组;S5、根据信噪比二维数组生成二维图像,该二维图像中两条斜线的交点处为某一时刻的清管器位置。本发明高效的数据处理方法,消耗的计算机资源少、处理速度快、处理后的数据质量好、容易使用。
Description
技术领域
本发明涉及光纤测振领域,尤其涉及一种清管器的跟踪定位方法及系统。
背景技术
石油管道、天然气管道,分布广、数量多、长度长,由于长时间输送油气,内部会聚集一些杂质垃圾,这些杂质垃圾会影响油气的输送,所以有时需要用清管器清理管道,另外有时需要检测管道的运行健康状况,也需要先用清管器清理管道。但在清理过程中,可能出现清管器堵塞现象,为了知道堵塞的位置和工作进度,都有必要跟踪清管器的位置。另外,当前多会沿管线方向铺设有光缆,当清管器沿管线运动时,会引起这些光缆的振动,所以利用光纤测振系统中的数据,来分析跟踪清管器的位置是一个较好的方案。但目前此类系统中,常有两大弊端:
1.监测的光纤长度长(几十甚至上百公里)、采样频率高(几百至几千Hz),致使数据量大;同时,常规数据处理方法的计算量大,要想实现实时运行,就要求采用高性能计算机或另外架设高性能服务器,这样一来,硬件成本明显提高、系统组成结构变复杂。
2.光的衰减特性,致使数据在空间轴上对比度低。振动强度不一定小但原始信号数值小的,被振动强度不一定大但原始信号数值大的淹没,从而此部分信号丢失,导致处理效果差。
而本发明的特点是简化滤波方法,减小计算量,从而用性能较低的计算机就可实现实时运行;同时用时间轴上的信噪比表示强度,避开了空间轴对比度低的因素,从而处理效果提高。
发明内容
本发明要解决的技术问题在于针对现有技术中的上述缺陷,提供一种结构简单、硬件成本低、数据处理高效的清管器的跟踪定位方法及系统。
本发明解决其技术问题所采用的技术方案是:
提供一种清管器的跟踪定位方法,包括以下步骤:
S1、采集沿油气管道方向铺设的传感光纤中的原始信号;
S2、将原始信号中的m个监测点在n个时间片段内的原始信号拼接成n×m的原始信号二维数组,并根据该原始信号二维数组绘制原始信号波形图;其中,每个监测点对应等长度的一段传感光纤;
S3、滤除所述原始信号波形图中的低频信号;
S4、计算低频滤波后各监测点的信噪比,得到信噪比二维数组;
S5、根据信噪比二维数组生成二维图像,该二维图像中两条斜线的交点处为清管器位置。
接上述技术方案,步骤S3具体为:
S31、建立一条逼近原始信号W0的波形曲线的折线W1;
S32、将原始信号W0分成j个小段S1、S2、…Sj:W0=S1|S2|…|Sj,其中|表示合并,j为整数;
S33、求得每一小段Si纵轴坐标值的中值Mi;i∈[1,2,3…j];
S34、计算差值得到折线W1:W1=(S1–M1)|(S2–M2)|…|(Sj–Mj);
S35、将原始信号W0与折线W1作差值计算,得到经低频滤波后的信号W2:
W2=W0-W1。
接上述技术方案,步骤S4具体为:
S41、将经低频滤波后的信号W2分成q段L1、L2、…Lq,W2=L1|L2|…|Lq,其中|表示合并,q为整数;
S42、对于每一段Li,计算Li的纵坐标的最大值,记为Ki,i∈[1,2,3…q];
S43、最大值集合为K,K=K1|K2|…|Kq,计算该最大值集合的均值为N,该均值作为噪声值;
S43、根据所述噪声值计算信噪比SNR:当N大于0时,SNR=abs(W2)/N,否则SNR=1。
接上述技术方案,步骤S5中生成二维图像的具体步骤为:
(1)设定二维图像的颜色位以及有效颜色种类数n(2<=n<=256);
(3)设定信噪比阈值范围为[Sm,Sx];
(4)计算各个信噪比所对应像素的颜色在颜色表中的索引C:
当Sm=Sx、n=2时,上式中的第2种情况无效,图像为二值图像。
接上述技术方案,该方法还包括步骤:
将所述二维图像上下翻转,使图像呈现向下移动的效果。
接上述技术方案,步骤S5中还包括步骤:将信噪比进行放大。
本发明还提供了一种清管器的跟踪定位系统,包括:
原始信号采集模块,采集沿油气管道方向铺设的传感光纤中的原始信号;
拼接模块,用于将原始信号中的m个监测点在n个时间片段内的原始信号拼接成n×m的原始信号二维数组;并根据该原始信号二维数组绘制原始信号波形图;其中,每个监测点对应等长度的一段传感光纤;
低频滤波模块,用于滤除所述原始信号波形图中的低频信号;
信噪比计算模块,用于计算低频滤波后各监测点的信噪比,得到信噪比二维数组;
清管器位置定位模块,用于根据信噪比二维数组生成二维图像,该二维图像中两条斜线的交点处为清管器位置。
接上述技术方案,低频滤波模块具体用于:
建立一条逼近原始信号W0的波形曲线的折线W1;
将原始信号W0分成j个小段S1、S2、…Sj:W0=S1|S2|…|Sj,其中|表示合并,j为整数;
求得每一小段Si纵轴坐标值的中值Mi;i∈[1,2,3…j];
计算差值得到折线W1:W1=(S1–M1)|(S2–M2)|…|(Sj–Mj);
将原始信号W0与折线W1作差值计算,得到经低频滤波后的信号W2,W2=W0-W1;
接上述技术方案,信噪比计算模块具体用于:
将经低频滤波后的信号W2分成q段L1、L2、…Lq,W2=L1|L2|…|Lq,其中|表示合并,q为整数;
对于每一段Li,计算每一Li的纵轴坐标值的最大值,记为Ki,i∈[1,2,3…q];
最大值集合为K,K=K1|K2|…|Kq,计算该最大值集合的均值为N,该均值作为噪声值;
根据所述噪声值计算信噪比SNR:当N大于0时,SNR=abs(W2)/N,否则SNR=1。
接上述技术方案,清管器位置定位模块中生成二维图像的具体为:
(1)设定二维图像的颜色位以及有效颜色种类数n(2<=n<=256);
(3)设定信噪比阈值范围为[Sm,Sx];
(4)计算各个信噪比所对应像素的颜色在颜色表中的索引C:
当Sm=Sx、n=2时,上式中的第2种情况无效,图像为二值图像。
本发明产生的有益效果是:本发明通过采集沿油气管道方向铺设的传感光纤中的原始一维信号,然后缓冲一段时间的信号,然后拼接缓冲的数据得到二维数据,将二维数据中的每一列(时间轴)波形拉直,并在拉直波形中计算信噪比,将信噪比变换成颜色,从而形成二维图像,从图像中直接可以看出清管器的位置。本发明提供的高效数据处理方法,消耗的计算机资源少、处理速度快、处理后的数据质量好、容易使用。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1是本发明实施例清管器的跟踪定位方法的流程图;
图2是本发明实施例某一个监测点一段时间原始数据图像;
图3是图2中数据滤掉低频飘移拉直后的数据图像;
图4是本发明实施例某一时刻探测的一根光纤中各个监测点的数据图像;
图5是本发明实施例最终生成的二维图像;
图6是本发明实施例清管器的跟踪定位系统一;
图7是本发明实施例清管器的跟踪定位系统二。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
本发明实施例清管器的跟踪定位方法,如图1所示,包括以下步骤:
S1、采集沿油气管道方向铺设的传感光纤中的原始信号;传感光纤沿管道铺设,可铺设在管道附近。
S2、将原始信号中的m个监测点在n个时间片段内的原始信号拼接成n×m的原始信号二维数组,并根据该原始信号二维数组绘制原始信号波形图;其中,每个监测点对应等长度的一段传感光纤;
S3、滤除所述原始信号波形图中的低频信号;
S4、计算低频滤波后各监测点的信噪比,得到信噪比二维数组;
S5、根据信噪比二维数组生成二维图像,该二维图像中两条斜线的交点处为某一时刻的清管器位置。
本发明的一个具体实施例中,步骤S1读取一维原始信号流,每一个光脉冲,设备(采集卡或解调仪)可采样一次一根光纤中各小段(称为监测点)的数据。一次采样数据对应下表中的一行,每一行就是一维原始信号数据;每一列表示一个监测点连续若干次的原始信号数据。
步骤S2缓冲拼接得到二维数据,缓冲连续若干次的原始数据,即可形成下表1。
表1:二维数组
表1的数据可用2维数组A[n*m]表示。由此数组的物理含义可得探测的光纤长度L=m*r,其中r表示系统原始数据的空间分辨率;每一行数据的时间间隔t=1/f,其中f为系统中的监测点的数据采样率。
步骤S3中,滤掉低频漂移,将时间轴波形拉直。
附图2是A的某一列数据的图像,图中横轴表示是相对时间序号(行序号),纵轴表示数据的值。3个突变处(圆圈标记),有较强振动。注意:此波形有较明显的低频漂移,滤掉此低频漂移,如果采用小波滤波方法,计算量会很大,因为小波滤波中有多次三角函数运算。
本发明滤掉低频漂移的基本思想是:用折线逼近图中曲线的大致样式,记原始波形为W0,逼近的折线波形为W1,滤掉低频漂移后的拉直波形为W2。W1的计算方法过程:
(1)将W0分成若干个小段S1、S2、…,也就是下式
S1|S2|…=W0,这里"|"表示合并。
(2)对于每一段Si,去掉其中少量的大值和小值,然后求中值Mi。
(3)然后按下式合并,即可得到W1
W1=(S1–M1)|(S2–M2)|…
W2的计算方法:W2=W1-W0
附图3就是拉直后的波形(W2)的图像。
步骤S4计算信噪比。附图4是数组A某一行(Ri)数据的图像,也就是某一时刻各个监测点的数据,横坐标表示监测点序号,纵坐标是数据值。由于离光源越远,光强度越弱,所以图4中,从左到右,数值大体上逐步减小,但数值小的监测点,其振动信号强度不一定小。也就是说,数组A空间轴的上对比度低。常见的差分方法(计算Ri+k-Ri),由于没有避开这一因素,也就只能找出变化值大的振动监测点,变化值小的将会被淹没。本方法采用时间轴上的信噪比表示振动强度,这是一个相对值,各个监测点之间相互影响较小,所以效果提高,同时阈值设置也变简单。
时间轴上的信噪比计算方法过程如下:
(1)记附图3的数据为W,将W分成若干个小段S1、S2、…
(2)对于每一个小段Si,先求绝对值,然后求最大值,记此最大值为Mi,
(3)令M=M1|M2|...,去掉M中少量的大值和小值,然后求均值,记此均值为N,此均值即可表示噪声。
(4)那么信噪比SNR的计算公式
SNR=N>0?abs(W)/N:1
步骤S5中,将信噪比转换为二维图像中的像素值,生成二维图像。此过程的目的是生成2维图像,便于人眼查看分析。从第4步中可知,一个SNR数据刚好可以对应一个像素,此像素的颜色计算方法过程如下:
(1)记上述2维图像为P,P颜色位为8,令颜色表中的有效颜色种类数为n;
(2)令S=100*SNR;
(3)人为设定一个阈值范围[Sm,Sx];
(4)那么像素的颜色在颜色表中的索引C的计算公式为
特别地,当Sm=Sx、n=2时,上式中的第2种情况无效,图像就是二值图像。
为了使图像呈现向下移动的效果,还可将图像上下翻转,也就是说信噪比数组上面的行对应图像中下面的行;为了得到较长时间的图像,还可将上面的图像进行拼接。
经过上述过程后,生成的图像类似附图5,图中两条斜线的交叉点处(也就是角的顶点)的坐标,就对应某一时刻清管器的位置。
本发明的一个实施例中,光纤探测长度50km,空间分辨率10m,采样频率400Hz,可选择缓冲1段时间(如1秒钟)的信号数据,将这1秒钟的数据拼接成二维数组A。A中每一行表示1次采样的整根光纤中各个监测点的数据,A中每一列也就表示1个监测点这一段时间(1秒钟)的数据。对于A中的每一列(图像如附图2),分成若干小段(本实施例中分成10段,也就是每段0.1秒的数据,也就是40行),去掉各个段Si中少量的大值和小值(本实施例中去掉4个大值和4个小值),然后求余下部分(本实施例还余下32个值)的中值,记此中值为Mi。那么就有拉直后的波形数据W=(S1-M1)|(S2-M2)|...,W的图像如附图3。记上一步得到的波形为W,将W分成若干小段(本例中分成10段),令Mi=abs(max(Si)),记M=M1|M2|...去掉M中少量的大值和小值(本实施例中去掉2个大值和2个小值),然后求余下部分(本实施例还余下6个值)的平均值,记此平均值为N,则有信噪比SNR的计算公式SNR=N>0?abs(W)/N:1。
经过上述步骤处理后,就得到了一个行列数和A相同的信噪比数据数组B。将B中的每个值变换成颜色,就可得到二维图像。变换方法过程如下:
(1)选择一种颜色表(本实施例中,采用128种颜色的jet颜色表);
(2)令S=100*SNR;
(3)人为设定一个阈值范围[Sm,Sx],此范围通常是用户可以调整的,本实施例中Sm=120,Sx=400;
(4)一个信噪比值SNR对应的颜色索引C计算方法如下(本实施例中n=128)
为了使图像呈现向下移动的效果,还应该将图像上下翻转,也就是数组B中上面的行对应图像中下面的行;为了得到较长时间的图像,还应该将多个上面这段时间(本实施例中是1秒)的图像进行拼接。
经过上述步骤后,人眼可在图像(如附图5)中,看到斜线(如图5中的斜线),两条斜线的交点的坐标,可表示某一个时刻(对应交点的纵坐标)清管器的位置(对应交点的横坐标,也就算监测点序号)。
本发明还提供了一种清管器的跟踪定位系统,如图6所示,包括:
原始信号采集模块,采集沿油气管道方向铺设的传感光纤中的原始信号;
拼接模块,用于将原始信号中的m个监测点在n个时间片段内的原始信号拼接成n×m的原始信号二维数组;并根据该原始信号二维数组绘制原始信号波形图;其中,每个监测点对应等长度的一段传感光纤;
低频滤波模块,用于滤除所述原始信号波形图中的低频信号;
信噪比计算模块,用于计算低频滤波后各监测点的信噪比,得到信噪比二维数组;
清管器位置定位模块,用于根据信噪比二维数组生成二维图像,该二维图像中两条斜线的交点处为清管器位置。
接上述技术方案,低频滤波模块具体用于:
建立一条逼近原始信号W0的波形曲线的折线W1;
将原始信号W0分成j个小段S1、S2、…Sj:W0=S1|S2|…|Sj,其中|表示合并,j为整数;
求得每一小段Si纵轴坐标值的中值Mi;i∈[1,2,3…j];
计算差值得到折线W1:W1=(S1–M1)|(S2–M2)|…|(Sj–Mj);
将原始信号W0与折线W1作差值计算,得到经低频滤波后的信号W2,W2=W0-W1;
接上述技术方案,信噪比计算模块具体用于:
将经低频滤波后的信号W2分成q段L1、L2、…Lq,W2=L1|L2|…|Lq,其中|表示合并,q为整数;
对于每一段Li,计算每一Li的纵轴坐标值的最大值,记为Ki,i∈[1,2,3…q];
最大值集合为K,K=K1|K2|…|Kq,计算该最大值集合的均值为N,该均值作为噪声值;
根据所述噪声值计算信噪比SNR:当N大于0时,SNR=abs(W2)/N,否则SNR=1。
接上述技术方案,清管器位置定位模块中生成二维图像的具体为:
(1)设定二维图像的颜色位以及有效颜色种类数n(2<=n<=256);
(3)设定信噪比阈值范围为[Sm,Sx];
(4)计算各个信噪比所对应像素的颜色在颜色表中的索引C:
当Sm=Sx、n=2时,上式中的第2种情况无效,图像为二值图像。
该系统还可包括一图像翻转模块,用于将所述二维图像上下翻转,使图像呈现向下移动的效果。
进一步地,如图7所示,该系统还可包括一信噪比放大模块,用于将信噪比计算模块计算的信噪比进行放大,然后清管器位置定位模块根据该放大后的信噪比二维数组生成二维图像。
应当理解的是,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (10)
1.一种清管器的跟踪定位方法,其特征在于,包括以下步骤:
S1、采集沿油气管道方向铺设的传感光纤中的原始信号;
S2、将原始信号中的m个监测点在n个时间片段内的原始信号拼接成n×m的原始信号二维数组,并根据该原始信号二维数组绘制原始信号波形图;其中,每个监测点对应等长度的一段传感光纤;
S3、滤除所述原始信号波形图中的低频信号;
S4、计算低频滤波后各监测点的信噪比,得到信噪比二维数组;
S5、根据信噪比二维数组生成二维图像,该二维图像中两条斜线的交点处为某一时刻的清管器位置。
2.根据权利要求1所述的方法,其特征在于,步骤S3具体为:
S31、建立一条逼近原始信号W0的波形曲线的折线W1;
S32、将原始信号W0分成j个小段S1、S2、…Sj:W0=S1|S2|…|Sj,其中|表示合并,j为整数;
S33、求得每一小段Si纵轴坐标值的中值Mi;i∈[1,2,3…j]
S34、计算差值得到折线W1:W1=(S1–M1)|(S2–M2)|…|(Sj–Mj);
S35、将原始信号W0与折线W1作差值计算,得到经低频滤波后的信号W2:W2=W0-W1。
3.根据权利要求1所述的方法,其特征在于,步骤S4具体为:
S41、将经低频滤波后的信号W2分成q段L1、L2、…Lq,W2=L1|L2|…|Lq,其中|表示合并,q为整数;
S42、对于每一段Li,计算Li的纵坐标的最大值,记为Ki,i∈[1,2,3…q];
S43、最大值集合为K,K=K1|K2|…|Kq,计算该最大值集合的均值为N,该均值作为噪声值;
S43、根据所述噪声值计算信噪比SNR:当N大于0时,SNR=abs(W2)/N,否则SNR=1。
5.根据权利要求1-4中任一项所述的方法,其特征在于,该方法还包括步骤:
将所述二维图像上下翻转,使图像呈现向下移动的效果。
6.根据权利要求4所述的方法,其特征在于,步骤S5中还包括步骤:
将信噪比进行放大。
7.一种清管器的跟踪定位系统,其特征在于,包括:
原始信号采集模块,采集沿油气管道方向铺设的传感光纤中的原始信号;
拼接模块,用于将原始信号中的m个监测点在n个时间片段内的原始信号拼接成n×m的原始信号二维数组;并根据该原始信号二维数组绘制原始信号波形图;其中,每个监测点对应等长度的一段传感光纤;
低频滤波模块,用于滤除所述原始信号波形图中的低频信号;
信噪比计算模块,用于计算低频滤波后各监测点的信噪比,得到信噪比二维数组;
清管器位置定位模块,用于根据信噪比二维数组生成二维图像,该二维图像中两条斜线的交点处为清管器位置。
8.根据权利要求7所述的系统,其特征在于,低频滤波模块具体用于:
建立一条逼近原始信号W0的波形曲线的折线W1;
将原始信号W0分成j个小段S1、S2、…Sj:W0=S1|S2|…|Sj,其中|表示合并,j为整数;
求得每一小段Si纵轴坐标值的中值Mi;i∈[1,2,3…j];
计算差值得到折线W1:W1=(S1–M1)|(S2–M2)|…|(Sj–Mj);
将原始信号W0与折线W1作差值计算,得到经低频滤波后的信号W2:
W2=W0-W1。
9.根据权利要求7所述的系统,其特征在于,信噪比计算模块具体用于:
将经低频滤波后的信号W2分成q段L1、L2、…Lq,W2=L1|L2|…|Lq,其中|表示合并,q为整数;
对于每一段Li,计算Li的纵坐标的最大值,记为Ki,i∈[1,2,3…q];
最大值集合为K,K=K1|K2|…|Kq,计算该最大值集合的均值为N,该均值作为噪声值;
根据所述噪声值计算信噪比SNR:当N大于0时,SNR=abs(W2)/N,否则SNR=1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911250588.5A CN111062286B (zh) | 2019-12-09 | 2019-12-09 | 清管器的跟踪定位方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911250588.5A CN111062286B (zh) | 2019-12-09 | 2019-12-09 | 清管器的跟踪定位方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111062286A true CN111062286A (zh) | 2020-04-24 |
CN111062286B CN111062286B (zh) | 2023-09-05 |
Family
ID=70300172
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911250588.5A Active CN111062286B (zh) | 2019-12-09 | 2019-12-09 | 清管器的跟踪定位方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111062286B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112329588A (zh) * | 2020-10-30 | 2021-02-05 | 中海石油(中国)有限公司 | 一种基于Faster R-CNN的管道故障检测方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6489771B1 (en) * | 2000-07-20 | 2002-12-03 | Farque Claude A. | Passive external noise-canceling dynamic magnetic flux sensor for detecting the presence and direction of movement of a pig in a pipe |
CN102169185A (zh) * | 2010-12-30 | 2011-08-31 | 中国石油大学(北京) | 一种清管器跟踪系统 |
CN102289824A (zh) * | 2011-07-06 | 2011-12-21 | 湖南大学 | 冷凝器管口图像的平面质心定位方法 |
US20150331007A1 (en) * | 2014-05-14 | 2015-11-19 | Eni S.P.A | Method and system for the continuous remote tracking of a pig device and detection of anomalies inside a pressurized pipeline |
US20160341803A1 (en) * | 2014-01-31 | 2016-11-24 | University Of South Australia | Sensor for detection of magnetic particles |
CN106287109A (zh) * | 2015-06-09 | 2017-01-04 | 汪纬斌 | 管路清洗后的检视方法及其检视装置 |
CN106499911A (zh) * | 2016-10-11 | 2017-03-15 | 西南石油大学 | 一种埋地油气输送管线清管器磁异常通球监测与卡堵定位方法 |
CN109268697A (zh) * | 2018-11-07 | 2019-01-25 | 廖庆斌 | 充水管道内部检测用机器人 |
CN109967833A (zh) * | 2019-05-21 | 2019-07-05 | 郑州轻工业学院 | 管道爬行焊接机器人 |
CN110375840A (zh) * | 2019-06-25 | 2019-10-25 | 武汉理工光科股份有限公司 | 基于分布式光纤传感的清管器跟踪定位方法 |
-
2019
- 2019-12-09 CN CN201911250588.5A patent/CN111062286B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6489771B1 (en) * | 2000-07-20 | 2002-12-03 | Farque Claude A. | Passive external noise-canceling dynamic magnetic flux sensor for detecting the presence and direction of movement of a pig in a pipe |
CN102169185A (zh) * | 2010-12-30 | 2011-08-31 | 中国石油大学(北京) | 一种清管器跟踪系统 |
CN102289824A (zh) * | 2011-07-06 | 2011-12-21 | 湖南大学 | 冷凝器管口图像的平面质心定位方法 |
US20160341803A1 (en) * | 2014-01-31 | 2016-11-24 | University Of South Australia | Sensor for detection of magnetic particles |
US20150331007A1 (en) * | 2014-05-14 | 2015-11-19 | Eni S.P.A | Method and system for the continuous remote tracking of a pig device and detection of anomalies inside a pressurized pipeline |
CN106287109A (zh) * | 2015-06-09 | 2017-01-04 | 汪纬斌 | 管路清洗后的检视方法及其检视装置 |
CN106499911A (zh) * | 2016-10-11 | 2017-03-15 | 西南石油大学 | 一种埋地油气输送管线清管器磁异常通球监测与卡堵定位方法 |
CN109268697A (zh) * | 2018-11-07 | 2019-01-25 | 廖庆斌 | 充水管道内部检测用机器人 |
CN109967833A (zh) * | 2019-05-21 | 2019-07-05 | 郑州轻工业学院 | 管道爬行焊接机器人 |
CN110375840A (zh) * | 2019-06-25 | 2019-10-25 | 武汉理工光科股份有限公司 | 基于分布式光纤传感的清管器跟踪定位方法 |
Non-Patent Citations (3)
Title |
---|
DANIELE INAUDI 等: "Long-Range Pipeline Monitoring by Distributed Fiber Optic Sensing" * |
何国玺 等: "基于无线通信基站的清管器实时三维定位方法" * |
李方敏 等: "基于速度差补偿的双频连续波雷达室内人体定位方法" * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112329588A (zh) * | 2020-10-30 | 2021-02-05 | 中海石油(中国)有限公司 | 一种基于Faster R-CNN的管道故障检测方法 |
CN112329588B (zh) * | 2020-10-30 | 2024-01-05 | 中海石油(中国)有限公司 | 一种基于Faster R-CNN的管道故障检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111062286B (zh) | 2023-09-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110108348B (zh) | 基于运动放大光流跟踪的薄壁件微幅振动测量方法及系统 | |
US11215700B2 (en) | Method and system for real-time motion artifact handling and noise removal for ToF sensor images | |
CN108564575B (zh) | 一种基于三维点云数据的非接触式接触网参数检测方法 | |
CN111277833B (zh) | 一种基于多通带滤波器的多目标微小振动视频放大方法 | |
CN103472256A (zh) | 基于面阵ccd空间滤波器的流动二维速度场测量方法及装置 | |
CN110969656B (zh) | 一种基于机载设备激光光束光斑大小的检测方法 | |
CN104897269A (zh) | 基于线扫描成像的架空电线振动频率测量系统 | |
CN109118453A (zh) | 一种背景抑制的图像处理方法 | |
CN109060820A (zh) | 基于激光检测的隧道病害检测方法及隧道病害检测装置 | |
CN114034288B (zh) | 海底微地形激光线扫描三维探测方法及系统 | |
CN112347992B (zh) | 一种荒漠地区时序agb遥感估算方法 | |
CN107330891B (zh) | 一种有效的图像质量评价系统 | |
CN115683431B (zh) | 基于直线跟踪算法的拉索索力确定方法、装置及设备 | |
CN107806824A (zh) | 一种低速状态下接触网几何参数的检测方法及装置 | |
CN114187330A (zh) | 一种基于光流法的结构微幅振动工作模态分析方法 | |
CN111062286A (zh) | 清管器的跟踪定位方法及系统 | |
CN114596525A (zh) | 一种基于计算机视觉的动态桥梁形态识别方法 | |
CN114972205A (zh) | 一种轨道螺栓松动检测方法及装置 | |
CN110210359B (zh) | 空间滤波测速技术中速度测量优化方法 | |
CN111833368B (zh) | 一种基于相位一致性边缘检测的语音还原方法 | |
CN116243242A (zh) | 基于ф-otdr的自适应滤波一体化降噪高精度3d定位方法 | |
CN115760720A (zh) | 基于移动设备与超分重建分割网络的裂缝在线检测方法及系统 | |
CN113589294A (zh) | 一种水下浅地层剖面数据的处理方法、系统、设备及介质 | |
CN112345542A (zh) | 一种隧道掌子面裂隙快速识别的方法 | |
CN113160063A (zh) | 一种基于小波及中值滤波对隧道图像去噪的方法 |
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 |