CN114791460A - 一种基于数据融合的裂纹检测方法及检测装置、存储介质 - Google Patents

一种基于数据融合的裂纹检测方法及检测装置、存储介质 Download PDF

Info

Publication number
CN114791460A
CN114791460A CN202210370023.6A CN202210370023A CN114791460A CN 114791460 A CN114791460 A CN 114791460A CN 202210370023 A CN202210370023 A CN 202210370023A CN 114791460 A CN114791460 A CN 114791460A
Authority
CN
China
Prior art keywords
crack
detection
test statistic
translation
factor
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
CN202210370023.6A
Other languages
English (en)
Other versions
CN114791460B (zh
Inventor
郭静波
王艺钊
胡铁华
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.)
Tsinghua University
Sichuan Energy Internet Research Institute EIRI Tsinghua University
Original Assignee
Tsinghua University
Sichuan Energy Internet Research Institute EIRI Tsinghua University
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 Tsinghua University, Sichuan Energy Internet Research Institute EIRI Tsinghua University filed Critical Tsinghua University
Priority to CN202210370023.6A priority Critical patent/CN114791460B/zh
Priority to PCT/CN2022/087945 priority patent/WO2023193304A1/zh
Publication of CN114791460A publication Critical patent/CN114791460A/zh
Application granted granted Critical
Publication of CN114791460B publication Critical patent/CN114791460B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G01N27/90Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables for investigating the presence of flaws using eddy currents
    • G01N27/9046Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables for investigating the presence of flaws using eddy currents by analysing electrical signals
    • 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
    • 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
    • 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
    • G01N27/90Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables for investigating the presence of flaws using eddy currents
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/04Analysing solids
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/44Processing the detected response signal, e.g. electronic circuits specially adapted therefor
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/44Processing the detected response signal, e.g. electronic circuits specially adapted therefor
    • G01N29/4409Processing the detected response signal, e.g. electronic circuits specially adapted therefor by comparison
    • G01N29/4436Processing the detected response signal, e.g. electronic circuits specially adapted therefor by comparison with a reference signal

Landscapes

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

Abstract

一种基于数据融合的裂纹检测方法,包括:获取多种裂纹响应信号,对裂纹响应信号进行连续小波变换,每种裂纹响应信号包括至少一个通道;对每个通道中的多个平移量因子,根据小波变换系数分别计算在尺度因子范围内的最大裂纹检验统计量,并确定每个通道连续的第一平移量因子范围,第一平移量因子满足至少有一种检测原理对应的最大裂纹检验统计量大于检验阈值;选择最优裂纹检验统计量,并确定对应的裂纹位置。本公开能够对多种检测技术的优势进行互补,在较小的恒虚警概率条件下,使裂纹的检测概率得到较大提升。本裂纹检测方法及检测装置的适用对象包括但不限于油气管道环焊缝裂纹检测、储罐底板裂纹检测、钢轨裂纹检测等缺陷检测领域。

Description

一种基于数据融合的裂纹检测方法及检测装置、存储介质
技术领域
本公开实施例涉及但不限于缺陷检测技术领域,尤其涉及一种基于数据融合的裂纹检测方法及检测装置、存储介质,检测适用对象包括但不限于油气管道环焊缝裂纹检测、储罐底板裂纹检测、钢轨裂纹检测等。
背景技术
油气管道、石油储罐等铁磁性材料长期运营在复杂的自然环境中,在其内外壁表面会出现金属损失或者裂纹缺陷。金属损失相对裂纹而言由于体积较大而更容易被检测,目前已经有多种比较成熟的技术可以检测出金属损失缺陷。但是裂纹缺陷通常尺寸较小,尤其在高速检测条件下更难被检测到。因此,准确检测裂纹缺陷对油气管道、石油储罐的安全运营具有重要意义。
发明内容
本公开实施例提供了一种基于数据融合的裂纹检测方法,包括:
获取多种依据不同检测原理获得的裂纹响应信号,对获取的所述裂纹响应信号进行连续小波变换,得到小波变换系数,确定尺度因子和平移量因子范围,每种所述裂纹响应信号包括至少一个通道;
对每个通道中的多个平移量因子,根据所述小波变换系数分别计算在尺度因子范围内的最大裂纹检验统计量,并根据计算结果确定每个通道连续的第一平移量因子范围,在所述第一平移量因子位置计算出的最大裂纹检验统计量满足至少有一种检测原理对应的最大裂纹检验统计量大于检验阈值;
从所述每个通道连续的第一平移量因子范围计算出的最大裂纹检验统计量中选择一个最优裂纹检验统计量,并确定所述最优裂纹检验统计量对应的裂纹位置。
本公开实施例还提供了一种裂纹检测装置,包括存储器;和连接至所述存储器的处理器,所述处理器被配置为基于存储在所述存储器中的指令,执行本公开任一实施例所述的基于数据融合的裂纹检测方法的步骤。
本公开实施例还提供了一种裂纹检测装置中的存储介质,其上存储有计算机程序,该程序被处理器执行时实现本公开任一实施例所述的基于数据融合的裂纹检测方法。
本公开实施例的基于数据融合的裂纹检测方法及检测装置、存储介质,通过依据多种检测原理的裂纹响应信号计算最优裂纹检验统计量,可以将同一检测器中的多种检测技术优势进行互补,通过最优裂纹检验统计量进行裂纹判决和定位,提升了裂纹的检测性能和定位精度,保证在虚警概率不变的条件下提高了裂纹检测概率;通过将小波基函数作为裂纹检测的参考信号,可以充分利用小波变换的时频分析优势,进而提升裂纹检测的灵敏度。本裂纹检测方法及检测装置的适用对象包括但不限于油气管道环焊缝裂纹检测、储罐底板裂纹检测、钢轨裂纹检测等缺陷检测领域。
本公开的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本公开而了解。本公开的其他优点可通过在说明书以及附图中所描述的方案来实现和获得。
附图说明
附图用来提供对本公开技术方案的理解,并且构成说明书的一部分,与本公开的实施例一起用于解释本公开的技术方案,并不构成对本公开技术方案的限制。
图1为本公开示例性实施例一种基于数据融合的裂纹检测方法的流程示意图;
图2为本公开示例性实施例一种漏磁径向分量的曲线图;
图3为本公开示例性实施例一种动磁信号的曲线图;
图4为本公开示例性实施例另一种基于数据融合的裂纹检测方法的流程示意图;
图5a为图2中峰值最大通道的裂纹检验统计量分布图;
图5b为图3中峰值最大通道的裂纹检验统计量分布图;
图6为本公开示例性实施例一种裂纹检测装置的结构示意图。
具体实施方式
为使本公开的目的、技术方案和优点更加清楚明白,下文中将结合附图对本公开的实施例进行详细说明。需要说明的是,在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互任意组合。
除非另外定义,本公开实施例公开使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本公开实施例中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性,而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出该词前面的元件或物件涵盖出现在该词后面列举的元件或者物件及其等同,而不排除其他元件或者物件。
目前在油气管道、石油储罐等场景中,裂纹检测通常采用漏磁、涡流或超声、电磁超声等单一检测技术,检测效果具有局限性。例如,漏磁检测对平行励磁方向的裂纹检测效果不佳、响应信号的信噪比较低;普通涡流检测和脉冲涡流检测只能检测表面缺陷;超声检测仅适用于油管道而不适用于天然气管道、且速度低于2m/s;电磁超声适用于油气管道,但换能效率低、检测速度通常低于2m/s。如果在同一检测器中实现多种检测技术、并将获取的测量数据进行融合处理,可以达到优势互补的目的,进而有助于提升裂纹检测的性能。
如图1所示,本公开实施例提供了一种基于数据融合的裂纹检测方法,包括以下步骤:
步骤101:获取多种依据不同检测原理获得的裂纹响应信号,对获取的裂纹响应信号进行连续小波变换,得到小波变换系数,确定尺度因子和平移量因子范围,每种裂纹响应信号包括至少一个通道;
步骤102:对每个通道中的多个平移量因子,根据小波变换系数分别计算在尺度因子范围内的最大裂纹检验统计量,并根据计算结果确定每个通道连续的第一平移量因子范围,在第一平移量因子位置计算出的最大裂纹检验统计量满足至少有一种检测原理对应的最大裂纹检验统计量大于检验阈值;
步骤103:从每个通道连续的第一平移量因子范围计算出的最大裂纹检验统计量中选择一个最优裂纹检验统计量,并确定最优裂纹检验统计量对应的裂纹位置。
本公开实施例的基于数据融合的裂纹检测方法,通过依据多种检测原理的裂纹响应信号计算最优裂纹检验统计量,可以将同一检测器中的多种检测技术优势进行互补,通过最优裂纹检验统计量进行裂纹判决和定位,提升了裂纹的检测性能和定位精度,保证在虚警概率不变的条件下提高了裂纹检测概率;通过将小波基函数作为裂纹检测的参考信号,可以充分利用小波变换的时频分析优势,进而提升裂纹检测的灵敏度。
本公开实施例的基于数据融合的裂纹检测方法,可以将由多种检测技术获取的测量数据进行数据融合处理,多种检测技术包括但不限于漏磁检测技术、动磁检测技术、普通涡流检测技术、脉冲涡流检测技术等等,由多种检测技术获取的测量数据可以由一个检测器获得,也可以由多个检测器获得,本公开实施例对此不作限制。示例性的,针对同一片被测区域,同一个检测器至少包含2种检测原理的阵列信号,这些阵列信号相互之间不发生耦合计算,但在检测裂纹过程中会被联合考虑,通过联合多组阵列信号矩阵,共同完成对裂纹缺陷的检测。
在一些示例性实施方式中,在步骤101中,所述方法还可以包括:根据不同检测原理,选择与裂纹响应信号形状相似的小波基函数。
本公开实施例中,可以通过人工选择与裂纹响应信号形状相似的小波基函数,也可以通过计算机程序选择与裂纹响应信号形状相似的小波基函数,本公开实施例对此不作限制。
示例性的,当通过人工选择与裂纹响应信号形状相似的小波基函数时,我们通过理论分析知道裂纹响应信号的波形是类似正弦波的波形,那么,选择小波基函数时,就选择形状更像正弦波波形的小波基函数。
示例性的,当由计算机程序选择与裂纹响应信号形状相似的小波基函数时,可以预先人工加工1个标准裂纹缺陷,并获得其裂纹响应信号,然后将该裂纹响应信号与小波基函数集合中的每一个小波基函数进行裂纹检验统计量计算,轮询定义域[a1,amax1]和[b1,bmax2]内所有的a和b后,每个小波基函数得到了一个最大裂纹检验统计量,选择使最大裂纹检验统计量计算值最大的小波基函数作为与裂纹响应信号的形状最相似的小波基函数。
假设共有N种检测原理对同一片被测区域进行裂纹检测,根据不同检测原理,选择与裂纹响应信号形状相似的小波基函数。这些检测原理对应的小波基函数分别为
Figure BDA0003587905930000051
其中,a和b均为ψ[n]的自变量,a为实数,且a∈[a1,amax1],称为尺度因子,它表征检测对象的尺度认定范围;b为实数,且b∈[b1,bmax2],称为平移量因子,它表征检测区域的轴向长度。对不同的小波基函数,可以选择相同的定义域[a1,amax1]与[b1,bmax2],也可以选择不同的定义域[a1,amax1]、相同的定义域与[b1,bmax2],本公开实施例对此不作限制。
尺度因子a通常取决于裂纹信号的周期(或频率),示例性的,a可取0.5到2.0。实际使用时,最小值a1对不同的小波基函数通常有确定的值,例如,假设一个检测原理对应的小波基函数选择为1号高斯小波,一个检测原理对应的小波基函数选择为5号高斯小波,由于1号高斯小波对应的最小值a1为0.2,5号高斯小波对应的最小值a1为0.5,那么当对不同的小波基函数选择相同的定义域[a1,amax1]时,a1可以取0.5。而amax1通常可以根据工程经验来取值,例如,amax1为2表示,当amax1小于等于2时,对应缺陷为裂纹,当amax1大于2时,对应的缺陷则可能是比裂纹更宽的金属损失,例如腐蚀缺陷,因此,amax1的取值限定了所研究缺陷的类型。
平移量因子b相当于时域区间,示例性的,b可取0到100、70到80等,本公开实施例对此不作限制。例如,当目标信号出现在70到80这个区间时,b1到bmax2可以取65到85。又如,对于示波器而言,单屏显示长度是0到10的话,b1到bmax2可以取0到10。
在一些示例性实施方式中,在步骤101中,所述方法还可以包括:
对一种或多种裂纹响应信号进行插值处理,使得依据不同检测原理获得的裂纹响应信号的通道数相等。
图2为本公开示例性实施例一种漏磁径向分量的曲线图;图3为本公开示例性实施例一种动磁信号的曲线图;图2和图3中每一条横向的曲线可以表示一条通道的信号,横轴表示平移量因子,纵轴表示磁场分布,图2的通道数为图3的通道数的两倍,因此,在对获取的裂纹响应信号进行连续小波变换之前,可以对图3中的动磁信号进行插值处理,以使得两种检测原理的裂纹响应信号的通道数相同,进一步简化后续的计算。然而,本公开实施例对此不作限制,对于图2和图3的裂纹响应信号,也可以不对图3中的动磁信号进行插值处理,此时,图3中的一个通道可以与图2中的两个通道对应。
在一些示例性实施方式中,在步骤101中,连续小波变换可以为离散连续小波变换,可以依据下式对获取的裂纹响应信号进行离散连续小波变换:
Figure BDA0003587905930000061
其中,xi,k[n]为第i检测原理第k通道的观测信号,i∈[1,N],N为大于或等于2的自然数,k∈[1,m],m为大于或等于1的自然数,ψ[n]为小波基函数,
Figure BDA0003587905930000062
为小波变换系数,ψ*[n]表示对ψ[n]进行共轭运算,当ψ为实小波时,由于实数的共轭就是其本身,因此,
Figure BDA0003587905930000063
当ψ为复小波时,需要对其进行共轭运算。尺度因子a为实数,且a∈[a1,amax1],平移量因子b为实数,且b∈[b1,bmax2],*为乘号,Δ为小波半宽度,Δ为实数,dj为采样步长,dj可以为整数也可以为小数,例如,当观测信号xi,k[n]的采样点为1、2、3……这样的序列时,dj=1。
本公开实施例的连续小波变换可以是离散连续小波变换,也可以不是离散连续小波变换,本公开实施例对此不作限制。
实际使用时,可以根据选取的小波基函数来确定Δ的值。例如,仍以前述的1号高斯小波与5号高斯小波为例,1号高斯小波较窄,只有
Figure BDA0003587905930000064
之内的积分结果不为0,5号高斯小波较宽,基本上
Figure BDA0003587905930000065
之内的积分结果不为0,因此,可以取两者的补集,即
Figure BDA0003587905930000071
即Δ=5。
在一些示例性实施方式中,在步骤101之后,所述方法还可以包括:依据下式建立第i检测原理对应的裂纹检验统计量矩阵:
Figure BDA0003587905930000072
其中,
Figure BDA0003587905930000073
表示对
Figure BDA0003587905930000074
取绝对值,Ti为m×max2×max1的三维矩阵,一个子二维矩阵表示一个通道的max1×max2的裂纹检验统计量矩阵。
本公开实施例的裂纹检测方法中,假设第i个检测原理在第k通道的背景噪声标准差为σi,k,标准正态分布的互补累积分布函数的逆函数为Q-1(·),虚警概率为PFA,则裂纹检验统计量和存在裂纹的检测判据可以定义为:
Figure BDA0003587905930000075
其中,
Figure BDA0003587905930000076
表示对
Figure BDA0003587905930000077
取绝对值,i∈[1,N];k∈[1,m];
Figure BDA0003587905930000078
为检测阈值;如果Ti(a,b,k)超过检测阈值,则在(a,b,k)位置存在裂纹,否则在(a,b,k)位置不存在裂纹。
本实施例中,背景噪声标准差σi,k的获取方法可以为:取一段明知只有背景信号、没有裂纹信号的含噪裂纹响应信号,减去均值之后求标准差,即可以得到σi,k。虚警概率PFA可以是预先指定的值,示例性的,虚警概率PFA可以预先指定为0.05。一般来说,设定较低的恒虚警概率PFA,优化检测器参数,使检测概率越高越好。
在一些示例性实施方式中,在步骤102中,根据计算结果确定每个通道连续的第一平移量因子范围,可以包括:
针对当前计算的平移量因子,确定每个检测原理对应的最大裂纹检验统计量是否大于检验阈值;
当存在任一检测原理对应的最大裂纹检验统计量大于检验阈值时,将该检测原理对应的最大裂纹检验统计量、以及最大裂纹检验统计量对应的平移量因子及尺度因子保存在缓存中,并检测当前通道的平移量因子是否计算完毕;
当当前通道的平移量因子没有计算完毕时,对当前计算的平移量因子按步长自增,并对自增后的平移量因子循环计算在尺度因子范围内的最大裂纹检验统计量,直到当前通道的平移量因子计算完毕或者所有检测原理对应的最大裂纹检验统计量均小于或等于检验阈值,缓存中的平移量因子的范围组成每个通道连续的第一平移量因子范围。
本公开实施例的裂纹检测方法,在每个检测原理的三维矩阵中,在数据通道方向(m维方向)以及平移量因子方向(b维方向)逐行逐列遍历搜索,示例性的,可以对图2和图3中的平移量因子从左到右、通道从上到下逐行逐列遍历搜索,然而本公开实施例对此不作限制,例如,平移量因子方向也可以从右到左进行搜索,通道方向也可以按任意顺序进行搜索。
在每个检测原理对应的裂纹响应信号中,在第一通道数据中,对每个平移量因子b位置找到尺度因子a变化范围中的最大裂纹检验统计量值;在第二通道数据中,对每个平移量因子b位置找到尺度因子a变化范围中的最大裂纹检验统计量值,……,即对每个(i,k,b),都对应一个最大裂纹检验统计量值。最大裂纹检验统计量值对应着最大的检测概率。
本公开实施例中,在[ai,L,ai,R]范围内可以运用一种基于动态搜索域的黄金分割算法计算位置点(bq,k)的最大裂纹检验统计量maxTi(bq,k),其中,[ai,L,ai,R]是第i个检测原理在本步骤中尺度因子的搜索范围,i∈[1,N],bq∈[b1,bmax2],k∈[1,m]。本公开实施例的裂纹检测方法,通过该基于动态搜索域的黄金分割算法,可以加快在三维矩阵中检测裂纹的整体速度,利于本公开实施例的裂纹检测方法在实际工程中应用。
在一些示例性实施方式中,在步骤102中,对每个通道中的多个平移量因子,根据小波变换系数分别计算在尺度因子范围内的最大裂纹检验统计量,可以包括:
对当前计算的平移量因子bq,设置搜索边界初始值ai,L=a1,ai,R=amax1
依据下式分别计算黄金分割点x1和x2的裂纹检验统计量y1和y2:x1=ai,L+0.382(ai,R-ai,L),
Figure BDA0003587905930000091
x2=ai,L+0.618(ai,R-ai,L),
Figure BDA0003587905930000092
依据下式更新黄金分割点,并循环计算更新后的黄金分割点的裂纹检验统计量的值,直到ai,R-ai,L≤ε为止,ε为预设值,示例性的,ε=0.01:当y1≥y2时,ai,R=x2;x2=x1;y2=y1;x1=ai,L+0.382(ai,R-ai,L);
Figure BDA0003587905930000093
当y1<y2时,设置ai,L=x1;x1=x2;y1=y2;x2=ai,L+0.618(ai,R-ai,L);
Figure BDA0003587905930000094
确定当前计算的平移量因子b对应的最优尺度因子为x1或x2,当前计算的平移量因子b对应的最大裂纹检验统计量为y1或y2
在一些示例性实施方式中,在步骤102中,对每个通道中的多个平移量因子,根据小波变换系数分别计算在尺度因子范围内的最大裂纹检验统计量,还可以包括:
当当前计算的平移量因子bq对应的最大裂纹检验统计量大于检验阈值时,对当前通道的下一平移量因子bq+1,设置搜索边界初始值ai,Lmax{a1,aq-δ};ai,R=min{amax1,aq+δ},其中,δ为搜索域的调节量;
当当前计算的平移量因子bq对应的最大裂纹检验统计量小于或等于检验阈值时,对当前通道的下一平移量因子bq+1,设置搜索边界初始值ai,L=a1;ai,R=amax1
示例性的,δ=0.15(amax1-amin),δ也可以设置为其他值,本公开实施例对此不作限制。
在一些示例性实施方式中,在步骤103中,从每个通道连续的第一平移量因子范围计算出的最大裂纹检验统计量中选择一个最优裂纹检验统计量,可以包括:
确定每个检测原理对应的局部最优裂纹检验统计量,局部最优裂纹检验统计量为每个检测原理对应的一个最大裂纹检验统计量,或每个检测原理对应的多个最大裂纹检验统计量中最大的一个最大裂纹检验统计量;
检测局部最优裂纹检验统计量的个数;
当局部最优裂纹检验统计量的个数为1时,将局部最优裂纹检验统计量作为最优裂纹检验统计量;
当局部最优裂纹检验统计量的个数大于1时,计算每个局部最优裂纹检验统计量对应的信噪比,选择信噪比最高的局部最优裂纹检验统计量作为最优裂纹检验统计量。
本公开实施例中,多个检测原理同步逐点检测,每计算到一个位置点(b,k),每个检测原理都可能会找到一个大于检测阈值的最大裂纹检测统计量或多个大于检测阈值的最大裂纹检验统计量值。局部最优裂纹检验统计量Ti_max指的是每个检测原理对应的缓存中最大的那个最大裂纹检验统计量。例如:当走到某个位置点(b,k)的时候,第一个检测原理对应的缓存ROM1里存了10个maxT1(b,k)以及对应的10个a和10个b;第二个检测原理对应的缓存ROM2里存了5个maxT2(b,k)以及对应的5个a和5个b,那么,在本步骤里,分别在ROM1里找到一个局部最优裂纹检验统计量T1_max以及对应的a1_best和b1_best,在ROM2里找到一个局部最优裂纹检验统计量T2_max以及对应的a2_best和b2_best。然后根据信噪比大小选择多个局部最优裂纹检验统计量中的一个作为最终的最优裂纹检验统计量,当局部最优裂纹检验统计量只有一个时,该局部最优裂纹检验统计量就为最终的最优裂纹检验统计量。
在一些示例性实施方式中,可以依据下式计算每个局部最优裂纹检验统计量对应的信噪比SNRi
Figure BDA0003587905930000111
其中,
Figure BDA0003587905930000112
在一些示例性实施方式中,在步骤103中,确定的最优裂纹检验统计量对应的裂纹位置为[bbest-Δ*abest,bbest+Δ*abest],bbest为最优裂纹检验统计量对应的平移量因子,abest为最优裂纹检验统计量对应的尺度因子。
每个通道k可能有一个或多个最优裂纹检验统计量(对应一个或多个局部区域裂纹),不同的通道k包括各自的局部区域裂纹的空间位置,相邻通道k的局部区域裂纹的空间位置联立画出裂纹整体的二维空间的范围。
相邻通道k的局部区域裂纹的空间位置联立画出的裂纹整体的二维空间可能为一不规则图形,围绕该不规则图形的外边缘画一个外切矩形,用该外切矩形标识裂纹整体的二维空间的范围,如图2和图3中的矩形框所示。
在一些示例性实施方式中,如图4所示,本公开实施例提供了一种裂纹检测方法,包括如下步骤:
1)根据不同检测原理,选择与裂纹响应信号形状相似的小波基函数;这里的裂纹响应信号包括但不限于漏磁检测信号、动磁检测信号、普通涡流检测信号、脉冲涡流检测信号等等;
假设共有N种检测原理对同一片被测区域进行裂纹检测,这些检测原理对应的小波基函数分别为
Figure BDA0003587905930000113
其中,a和b是ψ的自变量,a为实数,且a∈[a1,amax1],称为尺度因子,它表征检测对象的尺度认定范围;b为实数,且b∈[b1,bmax2],称为平移量因子,它表征检测区域的轴向长度,对不同的小波基函数,分别选择相同的定义域[a1,amax1]与[b1,bmax2]来衡量。
2)将连续小波变换公式离散化;
假设不同检测原理在检测区域中都具有m个数据通道;第i个检测原理在第k通道的观测信号xi,k[n]的连续小波变换离散化公式定义为:
Figure BDA0003587905930000114
其中,ψ[n]为基本小波或母小波,ψ*[n]表示对ψ[n]进行共轭运算,Δ为小波半宽度,Δ为实数,dj为采样步长。
3)定义裂纹检验统计量和检测判据;
假设第i个检测原理在第k通道的背景噪声标准差为σi,k,标准正态分布的互补累积分布函数的逆函数为Q-1(·),虚警概率为PFA,则裂纹检验统计量和存在裂纹的检测判据被定义为:
Figure BDA0003587905930000121
其中,
Figure BDA0003587905930000122
表示对
Figure BDA0003587905930000123
取绝对值,i∈[1,N];k∈[1,m];
Figure BDA0003587905930000124
为检测阈值;如果Ti(a,b,k)超过检测阈值,则在(a,b,k)位置存在裂纹,否则在(a,b,k)位置不存在裂纹。
定义在检测区域内第i个检测原理的检验统计量矩阵为:
Figure BDA0003587905930000125
Ti为m×max2×max1的三维矩阵,每个子二维矩阵表示一个通道的检验统计量矩阵,在a维方向包括从a1到amax1一共max1行,在b维方向包括从b1到bmax2一共max2列。
4)计算每个位置点的裂纹最大检验统计量。在每个检测原理的三维矩阵中,在数据通道方向(m维方向)以及平移量因子方向(b维方向)逐行逐列遍历搜索,如果行列搜索未结束,则在确定行列的条件下,在[a1,amax1]范围内计算该位置点(b,k)的最大检验统计量maxTi(b,k),i∈[1,N];如果行列搜索全部结束,则跳转步骤10);
5)判断每个位置点的裂纹最大检验统计量是否超过检测阈值。如果对于任意的i∈[1,N],都满足
Figure BDA0003587905930000131
则跳转步骤6);否则如果存在i∈[1,N],满足
Figure BDA0003587905930000132
则将对应的a,b,maxTi(b,k)保存在缓存ROMi中;如果本列(b维方向)搜索未结束,则跳转步骤4),否则跳转步骤6);
6)计算非空缓存中的裂纹最大检验统计量。如果所有的ROMi为空,则跳转步骤4),否则对于所有非空的ROMi,在其中计算局部最大的检验统计量Ti_max以及对应的ai_best和bi_best和信噪比
Figure BDA0003587905930000133
其中
Figure BDA0003587905930000134
7)筛选局部区域最优的尺度因子和平移量因子。如果局部区域只有1个非空缓存ROMi,则局部区域最优的尺度因子abest=ai_best,最优的平移量因子bbest=bi_best;如果局部区域有多个非空缓存,则取该区域信噪比最高的非空缓存对应的尺度因子和平移量因子作为abest和bbest
8)确定局部区域裂纹的空间位置。局部区域裂纹的空间位置为[bbest-Δ*abest,bbest+Δ*abest];
9)清空所有临时缓存ROMi。对于任意的i∈[1,N],清空ROMi,并跳转步骤4);
10)检测流程正式结束。
在步骤4)中,为了提高计算某个位置点(bq,k)的最大检验统计量maxTi(bq,k)的速度,可以采用一种基于动态搜索域的黄金分割算法,其计算体过程如下:
S1、每当新切换一个数据通道(更新k),设置初始值ai,L=a1,ai,R=amax,,清空临时缓存ROMi
S2)计算x1+ai,L+0.382(ai,R-ai,L),
Figure BDA0003587905930000135
x2=ai,L+0.618(ai,R-ai,L),
Figure BDA0003587905930000136
S3)重复步骤S4直到ai,R-ai,L≤ε,此处例如ε=0.01;然后跳转步骤S5;
S4)如果y1≥y2,设置ai,R=x2;x2=x1;y2=y1;x1=ai,L+0.382(ai,R-ai,L);
Figure BDA0003587905930000141
否则,设置ai,L=x1;x1=x2;y1=y2;x2=ai,L+0.618(ai,R-ai,L);
Figure BDA0003587905930000142
S5)当前最优尺度因子为aq=x1,位置点(bq,k)的最大检验统计量maxTi(bq,k)=y1
S6)如果
Figure BDA0003587905930000143
设置ai,L=max{a1,aq-δ};ai,R=min{amax,aq+δ}作为下一位置点(bq+1,k)的搜索域边界,其中δ是搜索域的调节量;例如可以设置δ=0.15(amax-amin);
否则,设置ai,L=a1;ai,R=amax作为下一位置点(bq+1,k)的搜索域边界。
下面结合油气管道无损检测对本公开实施例的技术方案做进一步说明。
油气管道无损检测通常采用漏磁内检测的原理,因为漏磁检测技术相比其他电磁无损检测技术具有原理简单、工程易实现、检测效率高等诸多优点。但是,漏磁检测原理对裂纹等细小缺陷的灵敏度不够高,尤其针对平行励磁方向的细小缺陷的检测能力有限。因此希望通过融合其他检测技术来弥补单一漏磁检测的不足。本实施例列举一项基于漏磁与动磁数据融合的裂纹检测方法,动磁检测技术对检测任意方向的裂纹缺陷具有很高的灵敏度,可以弥补漏磁检测技术的不足。下面对方法的实施步骤进行详细介绍。
首先我们使用漏磁与动磁融合的油气管道内检测传感器,针对同一片被测区域同时实现漏磁检测与动磁检测,同时获得漏磁检测数据和动磁检测数据。
示例性的,我们选择漏磁径向分量信号(MFLY)和动磁信号(DM)进行数据融合。在某次管道内检测过程中,针对同一片被测区域获得的MFLY信号如图2所示,DM信号如图3所示。本实施例中漏磁通道数目是动磁通道数目的2倍,在实施下面步骤之前,可以通过三次样条插值方法将动磁通道的数目扩充与漏磁通道数目相等。
按照步骤1),选择1号高斯实小波gaus1作为MFLY信号的小波基函数,选择5号高斯实小波gaus5作为DM信号的小波基函数。
按照步骤2),依据下式将MFLY信号的连续小波变换离散化,其中
Figure BDA0003587905930000151
假设采样步长等于1;
Figure BDA0003587905930000152
按照步骤2),依据下式将DM信号的连续小波变换离散化,其中
Figure BDA0003587905930000153
假设采样步长等于1;
Figure BDA0003587905930000154
按照步骤3),假设MFLY信号在第k通道的背景噪声标准差为σMFLY,k,标准正态分布的互补累积分布函数的逆函数为Q-1(·),虚警概率为PFA,则裂纹的漏磁检验统计量和存在裂纹的检测判据被定义为:
Figure BDA0003587905930000155
按照步骤3),假设DM信号在第k通道的背景噪声标准差为σDM,k,标准正态分布的互补累积分布函数的逆函数为Q-1(·),虚警概率为PFA,则裂纹的动磁检验统计量和存在裂纹的检测判据被定义为:
Figure BDA0003587905930000156
按照步骤4),分别计算图2漏磁信号和图3动磁信号每个位置点的最大裂纹检验统计量。在漏磁信号和动磁信号的三维矩阵中,在数据通道方向(m维方向)以及平移量因子方向(b维方向)逐行逐列遍历搜索,如果行列搜索未结束,则在确定行列的条件下,在[a1,amax1]范围内计算该位置点(b,k)的最大检验统计量maxTMFLY(b,k)和maxTDM(b,k);如果行列搜索全部结束,则跳转步骤10);
按照步骤5),如果
Figure BDA0003587905930000161
Figure BDA0003587905930000162
Figure BDA0003587905930000163
则跳转步骤6);否则如果
Figure BDA0003587905930000164
Figure BDA0003587905930000165
则将对应的aMFLY,bMFLY,maxTMFLY(b,k)保存在缓存ROMMFLY中,或者将对应的aDM,bDM,maxTDM(b,k)保存在缓存ROMDM中;如果本列(b维方向)搜索未结束,则跳转步骤4),否则跳转步骤6);
按照步骤6),如果ROMMFLY和ROMDM为空,则跳转步骤4);否则如果ROMMFLY非空,则在其中计算局部最大的检验统计量TMFLY_max以及对应的aMFLY_best,bMFLY_best和SNRMFLY;如果ROMDM非空,则在其中计算局部最大的检验统计量TDM_max以及对应的aDM_best,bDM_best和SNRDM
按照步骤7),如果局部区域ROMMFLY非空而ROMDM为空,则abest=aMFLY_best,bbest=bMFLY_best;如果局部区域ROMDM非空而ROMMFLY为空,则abest=aDM_best,bbest=bDM_best;如果局部区域ROMMFLY非空且ROMDM非空,则进一步判断如果SNRMFLY≥SNRDM,则abest=aMFLY_best,bbest=bMFLY_best;而如果SNRDM>SNRMFLY,则abest=aDM_best,bbest=bDM_best
按照步骤8),局部区域裂纹的空间位置为[bbest-5abest,bbest+5abest];
按照步骤9),清空ROMMFLY和ROMDM,并跳转步骤4);
按照步骤10)检测流程正式结束。
图2和图3中的矩形框区域为通过上述方法实现的裂纹检测结果,在图2和图3中共检测到6个裂纹,用方框标出裂纹的具体位置,分别标号1-6。可见,1号裂纹和2号裂纹在图2中几乎无法被识别,但在图3中却有比较高的信噪比;6号裂纹在图3中几乎无法被识别,但在图2中却有比较高的信噪比;而基于漏磁与动磁数据融合的裂纹检测方法,却可以综合两种检测技术的优势,检测出区域内所有的裂纹。
图5a和图5b分别是上述4号裂纹的峰值最大通道的裂纹检验统计量三维分布图,纵轴为检验统计量,水平轴scale表示a,translation表示b,MFLY检验统计量最大值出现在第16通道,对应的坐标位置(a,b,T)为(26,7.80,1340.12),DM检验统计量最大值出现在第8通道,对应的坐标位置(a,b,T)为(36,7.60,214.33)。由于4号裂纹在图2和图3中都有比较高的信噪比,因此在图5a和图5b中,4号裂纹的MFLY检验统计量和DM检验统计量都有比较明显的峰值,分别是1340.12和214.33。通过观察图5a和图5b的裂纹检验统计量分布情况,可以辅助判断检测出的缺陷是否是裂纹,进而降低裂纹的虚警概率。图5a和图5b的MFLY信号和DM信号的裂纹检验统计量的正视图都近似服从高斯分布,右视图都近似服从瑞利分布,因此可以确认该缺陷是裂纹缺陷。
本公开实施例还提供了一种裂纹检测装置,包括存储器;和连接至所述存储器的处理器,所述处理器执行基于存储在所述存储器中的指令,执行如前任一项所述的基于数据融合的裂纹检测方法的步骤。
在一个示例中,如图6所示,裂纹检测装置可包括:处理器610、存储器620、总线系统630和传感器640,其中,该处理器610、该存储器620和该传感器640通过该总线系统630相连,该存储器620用于存储指令及所述的最优裂纹检验统计量、最优尺度因子、最优平移量因子等,该处理器610用于执行该存储器620存储的指令,一方面用以控制该传感器640接收信号,另一方面执行所述的裂纹检测程序。具体地,传感器640可在处理器610的控制下获取多种依据不同检测原理获得的裂纹响应信号,处理器610对获取的所述裂纹响应信号进行连续小波变换,得到小波变换系数,确定尺度因子和平移量因子范围,每种所述裂纹响应信号包括至少一个通道;对每个通道中的多个平移量因子,根据所述小波变换系数分别计算在尺度因子范围内的最大裂纹检验统计量,并根据计算结果确定每个通道连续的第一平移量因子范围,在所述第一平移量因子位置计算出的最大裂纹检验统计量满足至少有一种检测原理对应的最大裂纹检验统计量大于检验阈值;从所述每个通道连续的第一平移量因子范围计算出的最大裂纹检验统计量中选择一个最优裂纹检验统计量,并确定所述最优裂纹检验统计量对应的裂纹位置。
应理解,处理器610可以是中央处理单元(Central Processing Unit,CPU),处理器610还可以是其他通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器610也可以是任何常规的处理器等。
存储器620可以包括只读存储器和随机存取存储器,并向处理器610提供指令和数据,包括所述的最优裂纹检验统计量、最优尺度因子、最优平移量因子等。存储器620的一部分还可以包括非易失性随机存取存储器。例如,存储器620还可以存储设备类型的信息。
总线系统630除包括数据总线之外,还可以包括电源总线、控制总线和状态信号总线等。
在实现过程中,该裂纹检测装置所执行的处理可以通过处理器610中的硬件的集成逻辑电路或者软件形式的指令完成。即本公开实施例的裂纹检测方法步骤可以由硬件处理器执行完成,或者用处理器610中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等存储介质中。该存储介质位于存储器620,处理器610读取存储器620中的信息,结合其硬件完成上述方法的步骤。为避免重复,这里不再详细描述。
本公开实施例还提供了一种裂纹检测装置中的存储介质,该裂纹检测装置中的存储介质存储有可执行指令,该可执行指令被处理器执行时可以实现本公开上述任一实施例提供的基于数据融合的裂纹检测方法,该裂纹检测方法可以获取多种依据不同检测原理获得的裂纹响应信号,对获取的所述裂纹响应信号进行连续小波变换,得到小波变换系数,确定尺度因子和平移量因子范围,每种所述裂纹响应信号包括至少一个通道;对每个通道中的多个平移量因子,根据所述小波变换系数分别计算在尺度因子范围内的最大裂纹检验统计量,并根据计算结果确定每个通道连续的第一平移量因子范围,在所述第一平移量因子位置计算出的最大裂纹检验统计量满足至少有一种检测原理对应的最大裂纹检验统计量大于检验阈值;从所述每个通道连续的第一平移量因子范围计算出的最大裂纹检验统计量中选择一个最优裂纹检验统计量,并确定所述最优裂纹检验统计量对应的裂纹位置。通过执行可执行指令实现裂纹检测的方法与本公开上述实施例提供的基于数据融合的裂纹检测方法基本相同,在此不做赘述。
本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中,在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分;例如,一个物理组件可以具有多个功能,或者一个功能或步骤可以由若干物理组件合作执行。某些组件或所有组件可以被实施为由处理器,如数字信号处理器或微处理器执行的软件,或者被实施为硬件,或者被实施为集成电路,如专用集成电路。这样的软件可以分布在计算机可读介质上,计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的,术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外,本领域普通技术人员公知的是,通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据,并且可包括任何信息递送介质。
虽然本公开所揭露的实施方式如上,但所述的内容仅为便于理解本公开而采用的实施方式,并非用以限定本公开。任何本公开所属领域内的技术人员,在不脱离本公开所揭露的精神和范围的前提下,可以在实施的形式及细节上进行任何的修改与变化,但本公开的保护范围,仍须以所附的权利要求书所界定的范围为准。

Claims (10)

1.一种基于数据融合的裂纹检测方法,其特征在于,包括:
获取多种依据不同检测原理获得的裂纹响应信号,对获取的所述裂纹响应信号进行连续小波变换,得到小波变换系数,确定尺度因子和平移量因子范围,每种所述裂纹响应信号包括至少一个通道;
对每个通道中的多个平移量因子,根据所述小波变换系数分别计算在尺度因子范围内的最大裂纹检验统计量,并根据计算结果确定每个通道连续的第一平移量因子范围,在所述第一平移量因子位置计算出的最大裂纹检验统计量满足至少有一种检测原理对应的最大裂纹检验统计量大于检验阈值;
从所述每个通道连续的第一平移量因子范围计算出的最大裂纹检验统计量中选择一个最优裂纹检验统计量,并确定所述最优裂纹检验统计量对应的裂纹位置。
2.根据权利要求1所述的裂纹检测方法,其特征在于,所述根据计算结果确定每个通道连续的第一平移量因子范围,包括:
针对当前计算的平移量因子,确定每个检测原理对应的最大裂纹检验统计量是否大于检验阈值;
当存在任一检测原理对应的最大裂纹检验统计量大于检验阈值时,将该检测原理对应的最大裂纹检验统计量、以及最大裂纹检验统计量对应的尺度因子和平移量因子保存在缓存中,并检测当前通道的平移量因子是否计算完毕;
当当前通道的平移量因子没有计算完毕时,对当前计算的平移量因子按步长自增,并对自增后的平移量因子循环计算在所述尺度因子范围内的最大裂纹检验统计量,直到当前通道的平移量因子计算完毕或者所有检测原理对应的最大裂纹检验统计量均小于或等于检验阈值,所述缓存中的平移量因子的范围组成所述每个通道连续的第一平移量因子范围。
3.根据权利要求1所述的裂纹检测方法,其特征在于,从所述每个通道连续的第一平移量因子范围计算出的最大裂纹检验统计量中选择一个最优裂纹检验统计量,包括:
确定每个检测原理对应的局部最优裂纹检验统计量,所述局部最优裂纹检验统计量为所述每个检测原理对应的一个最大裂纹检验统计量,或所述每个检测原理对应的多个最大裂纹检验统计量中最大的一个最大裂纹检验统计量;
检测局部最优裂纹检验统计量的个数;
当所述局部最优裂纹检验统计量的个数为1时,将所述局部最优裂纹检验统计量作为所述最优裂纹检验统计量;
当所述局部最优裂纹检验统计量的个数大于1时,计算每个所述局部最优裂纹检验统计量对应的信噪比,选择信噪比最高的所述局部最优裂纹检验统计量作为所述最优裂纹检验统计量。
4.根据权利要求1所述的裂纹检测方法,其特征在于,所述连续小波变换为离散连续小波变换,依据下式对获取的所述裂纹响应信号进行离散连续小波变换:
Figure FDA0003587905920000021
其中,xi,k[n]为第i检测原理第k通道的观测信号,i∈[1,N],N为大于或等于2的自然数,k∈[1,m],m为大于或等于1的自然数,ψ[n]为基本小波,
Figure FDA0003587905920000022
为小波变换系数,ψ*[n]表示对ψ[n]进行共轭运算,尺度因子a为实数,且a∈[a1,amax1],平移量因子b为实数,且b∈[b1,bmax2],max1和max2均为大于1的自然数,Δ为ψ[n]的半宽度,Δ为实数,dj为采样步长,dj为实数。
5.根据权利要求4所述的裂纹检测方法,其特征在于,所述方法还包括:依据下式建立第i检测原理对应的裂纹检验统计量矩阵:
Figure FDA0003587905920000023
Figure FDA0003587905920000031
其中,
Figure FDA0003587905920000032
表示对
Figure FDA0003587905920000033
取绝对值,Ti为m×max2×max1的三维矩阵,一个子二维矩阵表示一个通道的max1×max2的裂纹检验统计量矩阵。
6.根据权利要求4所述的裂纹检测方法,其特征在于,所述对每个通道中的多个平移量因子,根据所述小波变换系数分别计算在尺度因子范围内的最大裂纹检验统计量,包括:
对当前计算的平移量因子bq,设置搜索边界初始值ai,L=a1,ai,R=amax1
依据下式分别计算黄金分割点x1和x2的裂纹检验统计量y1和y2:x1=ai,L+0.382(ai,R-ai,L),
Figure FDA0003587905920000034
x2=ai,L+0.618(ai,R-ai,L),
Figure FDA0003587905920000035
依据下式更新黄金分割点,并循环计算更新后的黄金分割点的裂纹检验统计量的值,直到ai,R-ai,L≤ε为止,ε为预设值:当y1≥y2时,ai,R=x2;x2=x1;y2=y1;x1=ai,L+0.382(ai,R-ai,L);
Figure FDA0003587905920000036
当y1<y2时,设置ai,L=x1;x1=x2;y1=y2;x2=ai,L+0.618(ai,R-ai,L);
Figure FDA0003587905920000037
确定当前计算的平移量因子bq对应的最优尺度因子为x1或x2,当前计算的平移量因子bq对应的最大裂纹检验统计量为y1或y2
7.根据权利要求6所述的裂纹检测方法,其特征在于,所述对每个通道中的多个平移量因子,根据所述小波变换系数分别计算在尺度因子范围内的最大裂纹检验统计量,还包括:
当当前计算的平移量因子bq对应的最大裂纹检验统计量大于检验阈值时,对当前通道的下一平移量因子bq+1,设置搜索边界初始值ai,L=max{a1,aq-δ};ai,R=min{amax1,aq+δ},其中,δ为搜索域的调节量;
当当前计算的平移量因子bq对应的最大裂纹检验统计量小于或等于检验阈值时,对当前通道的下一平移量因子bq+1,设置搜索边界初始值ai,L=a1;ai,R=amax1
8.根据权利要求1所述的裂纹检测方法,其特征在于,所述检验阈值为:
Figure FDA0003587905920000041
其中,dj为采样步长,σi,k为第i个检测原理在第k通道的背景噪声标准差,i∈[1,N],N为大于或等于2的自然数,k∈[1,m],m为大于或等于1的自然数,Q-1(·)为标准正态分布的互补累积分布函数的逆函数,PFA为虚警概率;
确定的所述最优裂纹检验统计量对应的裂纹位置为[bbest-Δ*abest,bbest+Δ*abest],bbest为所述最优裂纹检验统计量对应的平移量因子,abest为所述最优裂纹检验统计量对应的尺度因子。
9.一种裂纹检测装置,其特征在于,包括检测裂纹响应信号的传感器,存储指令的存储器;和连接至所述存储器的处理器,所述处理器可以执行基于存储在所述存储器中的指令,执行如权利要求1至8中任一项所述的基于数据融合的裂纹检测方法的步骤。
10.一种裂纹检测装置中的存储介质,其特征在于,其上存储有裂纹检测程序,该程序被处理器执行时实现如权利要求1至8中任一项所述的基于数据融合的裂纹检测方法。
CN202210370023.6A 2022-04-08 2022-04-08 一种基于数据融合的裂纹检测方法及检测装置、存储介质 Active CN114791460B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202210370023.6A CN114791460B (zh) 2022-04-08 2022-04-08 一种基于数据融合的裂纹检测方法及检测装置、存储介质
PCT/CN2022/087945 WO2023193304A1 (zh) 2022-04-08 2022-04-20 基于数据融合的裂纹检测方法及检测装置、存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210370023.6A CN114791460B (zh) 2022-04-08 2022-04-08 一种基于数据融合的裂纹检测方法及检测装置、存储介质

Publications (2)

Publication Number Publication Date
CN114791460A true CN114791460A (zh) 2022-07-26
CN114791460B CN114791460B (zh) 2023-12-29

Family

ID=82461589

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210370023.6A Active CN114791460B (zh) 2022-04-08 2022-04-08 一种基于数据融合的裂纹检测方法及检测装置、存储介质

Country Status (2)

Country Link
CN (1) CN114791460B (zh)
WO (1) WO2023193304A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115758084A (zh) * 2022-11-21 2023-03-07 清华大学 一种深度神经网络裂纹量化方法及装置、存储介质
CN118096771A (zh) * 2024-04-29 2024-05-28 红云红河烟草(集团)有限责任公司 基于深度学习的烟支外观缺陷特征分析与分布处理方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001272379A (ja) * 2000-03-24 2001-10-05 Kawasaki Steel Corp 管の非破壊検査方法及び装置
US20160349213A1 (en) * 2015-05-26 2016-12-01 The Boeing Company Real-Time Fusion of Ultrasound and Eddy Current Data During Non-Destructive Examination
CN107064315A (zh) * 2017-03-24 2017-08-18 北京工业大学 基于小波分析的叶片裂纹位置及深度识别方法
CN108152365A (zh) * 2017-11-20 2018-06-12 西安交通大学 基于小波分析的脉冲涡流电磁超声复合无损检测方法
CN108226277A (zh) * 2017-12-28 2018-06-29 哈尔滨工业大学 一种漏磁、电磁超声和涡流复合式管道外检测探头
CN113945333A (zh) * 2021-09-22 2022-01-18 深圳前海运通水务有限公司 一套综合运用多种设备对满水管道的检测方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9639637B2 (en) * 2012-10-08 2017-05-02 Siemens Aktiengesellschaft Construction of entropy-based prior and posterior probability distributions with partial information for fatigue damage prognostics
CN107818335A (zh) * 2017-10-09 2018-03-20 南京航空航天大学 一种基于多分类器自适应加权的钢轨裂纹识别方法
CN108709934A (zh) * 2018-05-25 2018-10-26 天津大学 基于小波的非线性超声异侧激励混频的微裂纹定位方法
CN109410178A (zh) * 2018-09-28 2019-03-01 武汉科技大学 一种工件裂纹检测方法及系统
CN114062490B (zh) * 2021-06-29 2023-12-08 北京交通大学 基于GAN的钢轨焊缝Lamb波模态分解与裂纹损伤监测方法
CN113640394B (zh) * 2021-07-02 2023-11-10 武汉工程大学 一种疲劳裂纹识别方法和系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001272379A (ja) * 2000-03-24 2001-10-05 Kawasaki Steel Corp 管の非破壊検査方法及び装置
US20160349213A1 (en) * 2015-05-26 2016-12-01 The Boeing Company Real-Time Fusion of Ultrasound and Eddy Current Data During Non-Destructive Examination
CN107064315A (zh) * 2017-03-24 2017-08-18 北京工业大学 基于小波分析的叶片裂纹位置及深度识别方法
CN108152365A (zh) * 2017-11-20 2018-06-12 西安交通大学 基于小波分析的脉冲涡流电磁超声复合无损检测方法
CN108226277A (zh) * 2017-12-28 2018-06-29 哈尔滨工业大学 一种漏磁、电磁超声和涡流复合式管道外检测探头
CN113945333A (zh) * 2021-09-22 2022-01-18 深圳前海运通水务有限公司 一套综合运用多种设备对满水管道的检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
胡甫: ""基于多传感器数据融合的输油管道检测技术研究"", 工程科技Ⅰ辑;信息科技 *
陈天璐: ""海底管道传感器阵列损伤信息的提取和融合研究"", 工程科技Ⅱ辑 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115758084A (zh) * 2022-11-21 2023-03-07 清华大学 一种深度神经网络裂纹量化方法及装置、存储介质
CN115758084B (zh) * 2022-11-21 2023-11-14 清华大学 一种深度神经网络裂纹量化方法及装置、存储介质
CN118096771A (zh) * 2024-04-29 2024-05-28 红云红河烟草(集团)有限责任公司 基于深度学习的烟支外观缺陷特征分析与分布处理方法

Also Published As

Publication number Publication date
WO2023193304A1 (zh) 2023-10-12
CN114791460B (zh) 2023-12-29

Similar Documents

Publication Publication Date Title
CN114791460A (zh) 一种基于数据融合的裂纹检测方法及检测装置、存储介质
Merazi-Meksen et al. Mathematical morphology for TOFD image analysis and automatic crack detection
US10539535B2 (en) Defect measurement method, defect measurement device, and testing probe
US7402999B2 (en) Pulsed eddy current pipeline inspection system and method
JP4263244B2 (ja) 渦電流検査技術
CN110208806B (zh) 一种航海雷达图像降雨识别方法
Amineh et al. Characterization of surface-breaking cracks using one tangential component of magnetic leakage field measurements
JP2017520005A (ja) 漏れ磁束検査のための方法および装置
KR20170124984A (ko) 지표 투과 레이더의 데이터 처리 방법
KR20120034111A (ko) 탐상 장치 및 탐상 방법
CN115758084B (zh) 一种深度神经网络裂纹量化方法及装置、存储介质
CN112684428A (zh) 一种基于信号代理的多目标恒虚警率检测方法
US10073063B2 (en) Ultrasonic pipeline inspection system and method
AU2016314771B2 (en) A method and system for detecting a material discontinuity in a magnetisable article
CN116848405A (zh) 通过超声波来检测材料中缺陷的方法、装置和程序
CN113984880A (zh) 对管道金属损失缺陷生成三维轮廓的方法及装置
JP2006208312A (ja) 内部欠陥測定方法および装置
JP5614312B2 (ja) 周期性欠陥検出方法および周期性欠陥検出装置
CN106404893B (zh) 一种轴向漏磁缺陷信号自动检测方法
Chady et al. Neural network models of eddy current multi-frequency system for nondestructive testing
Badics et al. Fast flaw reconstruction from 3D eddy current data
Joubert et al. Multi sensor probe and defect classification in eddy current tubing inspection
CN116626685A (zh) 基于机器学习的河道底泥实时监测方法及系统
Blanco et al. Simulation for magnetic flux leakage signal interpretation: A FE-approach to support in-line magnetic pipeline pigging
CN114460169A (zh) 基于新型弧形线圈的螺纹缺陷深度和长度检测方法

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