CN117268299A - 一种基于电磁超声的脱硫管道壁厚检测方法及系统 - Google Patents

一种基于电磁超声的脱硫管道壁厚检测方法及系统 Download PDF

Info

Publication number
CN117268299A
CN117268299A CN202311536386.3A CN202311536386A CN117268299A CN 117268299 A CN117268299 A CN 117268299A CN 202311536386 A CN202311536386 A CN 202311536386A CN 117268299 A CN117268299 A CN 117268299A
Authority
CN
China
Prior art keywords
ultrasonic
wall thickness
echo signals
desulfurization pipeline
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
Application number
CN202311536386.3A
Other languages
English (en)
Other versions
CN117268299B (zh
Inventor
丁宇
丁秀成
刘家宝
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.)
Jiangsu Jingcheng Machinery Manufacturing Co ltd
Original Assignee
Jiangsu Jingcheng Machinery Manufacturing Co ltd
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 Jiangsu Jingcheng Machinery Manufacturing Co ltd filed Critical Jiangsu Jingcheng Machinery Manufacturing Co ltd
Priority to CN202311536386.3A priority Critical patent/CN117268299B/zh
Publication of CN117268299A publication Critical patent/CN117268299A/zh
Application granted granted Critical
Publication of CN117268299B publication Critical patent/CN117268299B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B17/00—Measuring arrangements characterised by the use of infrasonic, sonic or ultrasonic vibrations
    • G01B17/02—Measuring arrangements characterised by the use of infrasonic, sonic or ultrasonic vibrations for measuring thickness
    • 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
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
    • G01S7/539—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/10—Pre-processing; Data cleansing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • 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
    • G06F2218/04—Denoising
    • G06F2218/06—Denoising by applying a scale-space analysis, e.g. using wavelet analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/30—Assessment of water resources

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Biology (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Length Measuring Devices Characterised By Use Of Acoustic Means (AREA)
  • Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)

Abstract

本发明涉及超声波管道测量技术领域，公开了一种基于电磁超声的脱硫管道壁厚检测方法及系统。本发明首先通过向管道内射入超声探头，并控制超声探头启用超声检测的方式实现对脱硫管道壁厚的检测。本发明首先会基于n个超声探头第一次反射后回波信号的时间差和超声波的传播速度分别初步计算各段脱硫管道壁厚。其次，通过超声波在不同介质中的传播速度，通过接收m个回波信号的个数，提高电磁超声的脱硫管道壁厚检测精度。最后通过系统中数据分析模块对接收的回波信号进行分解、降噪并通过卷积神经网络对回波信号进行特征提取进一步提升电磁超声的脱硫管道壁厚检测的精度。

Description

一种基于电磁超声的脱硫管道壁厚检测方法及系统
技术领域
本发明涉及超声波管道测量技术领域，具体为一种基于电磁超声的脱硫管道壁厚检测方法及系统。
背景技术
管道运输在化工原料、石油、天然气等能源运输发挥着至关重要的作用。科技进步和社会发展的需要使得管道运输的应用范围不断扩大，但相应的问题也随之产生，比如随着管道使用时间增长，外部环境变化，使管道出现老化，变形或腐蚀等，导致管道壁厚指标无法再满足安全需求，因此对管道进行实时健康检测尤为重要，其中管道壁厚的检测是管道健康检测的关键参数之一。
现有的管道壁厚检测方法包括涡流测厚法、射线测厚法，超声脉冲反射测厚法等。其中涡流测厚法在实际应用中成本低，容易制造，检测线路简单，但是其稳定程度不够高，难以长期使用，另外该方法主要应用于涂层厚度测量，适用范围比较局限。射线测厚法精度高，不会对被测物造成损害和污染，但射线会对人体健康造成损害，且设备成本高，不适合长期应用并且不满足节约成本的需求。超声脉冲反射测厚法是利用超声波在不同介质之间传播时，各介质之间的声阻抗不同，在一种介质到另一种介质的表面会发生反射的原理进行测量，具有易实现，成本低、精度高、适用范围广等优势。
在中国专利申请CN115638751A中通过测量超声波在不同介质传播过程中的反射以及传播速度，进而测量管道壁厚。但由于现场管道尺寸、材料、温度这些因素都会直接影响超声传播速度，从而降低管道壁厚测量精度，存在很大的局限性。
发明内容
针对现有技术的不足，本发明提供了一种基于电磁超声的脱硫管道壁厚检测方法及系统，具备易实现，成本低、精度高、适用范围广等优点，解决了管道测量精度低的问题。
为解决上述管道测量精度低的技术问题，本发明提供如下技术方案：
本实施例公开一种基于电磁超声的脱硫管道壁厚检测方法，具体步骤包括：
S1、基于超声波反射原理，将n个超声探头通过耦合剂透过管道外壁射入管壁；
S2、启用超声检测，记录超声波在进入管壁后在管壁内反射时的回波信号；
S3、通过接收不断反射的回波信号，对接收到的m个回波信号进行处理，所述处理包括基于超声回波信号处理算法对超声回波信号进行处理；
所述基于超声回波信号处理算法对超声回波信号进行处理包括以下步骤：
S31、对回波信号进行降噪处理；
S32、对降噪后回波信号进行特征提取；
S33、基于特征数据提取后的回波信号，根据相邻周期回波信号横坐标的差值计算该回波信号之间的时间间隔△T；
S4、通过提取经过处理后的m个回波信号之间的时间间隔和超声波的传播速度计算管道壁厚；
S5、基于n个不同位置的超声探头测算不同位置的脱硫管道壁厚并判断当前测算脱硫管道中是否存在缺陷。
优选地，所述所述对回波信号进行降噪处理包括以下步骤：
通过采用小波阈值算法，通过设定阈值对回波信号进行降噪处理；
将回波信号通过小波变换函数进行变换获得对应的小波系数；
小波变换函数：
其中，a为缩放变量，τ为平移变量，r表示为波形的时频；
通过阈值函数对小波系数进行划分，将小于阈值的小波系数调整为0；
阈值函数：
其中，λ为设定的阈值，Ψ(r)j，k为回波信号小波系数的幅值，j表示幅值的横坐标，k表示幅值的纵坐标，sign为符号函数，为量化后的小波系数；
优选地，所述对降噪后回波信号进行特征提取包括以下步骤：
S321、通过使用小波包分解算法将降噪后回波信号分解成一组具有不同频带的子带；
小波包分解公式为：
小波函数：
正交尺度函数：
其中，y=表示量化后的小波系数，h(q)为低通滤波器，g(q)为高通滤波器，且满足g(q)=(-1)qh(1-q);
S322、通过小波包分解公式将降噪后回波信号进行分解，将得到的小波包系数进行运算得到新的回波信号信息矩阵；
小波包系数： ；
运算方式为：通过将小波包系数分别与低通滤波器系数和高通滤波器系数进行点乘后相加，得到新的回波信号信息矩阵；
S323、通过卷积神经网络对新的回波信号信息矩阵进行特征提取。
优选地，所述通过卷积神经网络对新的回波信号信息矩阵进行特征提取包括以下步骤：
卷积神经网络中卷积层将接收到的回波信号信息矩阵数据基于卷积核按照设置的步长在回波信号信息矩阵数据中移动，并在每一步的相应区域上与该区域的特征值进行乘积累加，以此实现对每个回波信号信息矩阵的特征提取；
卷积计算公式如下所述：f(x)=I(x) w+b
其中，I(x)表示输入特征，w表示对应卷积核的权值，b表示偏置值；
对于提取的回波信号信息矩阵特征，通过池化层对其进行特征降维；
在神经网络中，上一层的输出会作为下一层的输入，通过不断堆叠形成卷积神经网络；
在将数据输入到下层的过程中经过激活函数的处理；
假设该输入值为x i(i=1,2,...,n)，每个输出值x i相对应的输入权值为w i，b为偏移量，将这些输入值输入到该神经元后得到的输出结果为：
其中，为对应的激活函数；
通过不断堆叠的卷积和池化后将数据传入全连接层；
通过全连接层将数据进行展开组合，得到特征数据；
基于特征数据提取后的回波信号，识别坐标系中的回波信号，根据相邻周期回波信号横坐标的差值计算该回波信号之间的时间间隔△T；
优选地，所述通过提取经过处理后的m个回波信号之间的时间间隔和超声波的传播速度计算管道壁厚包括以下步骤：
根据超声波在不同介质中传播速度不同的物理性质，通过对超声波波形进行速度对比来测算管道壁厚；
具体步骤如下：
超声波在理想材料中传播时，纵波的传播速度表示为：
横波的传播速度表示为：
横波与纵波传播速度的比值为：
其中，E表示介质的弹性性能，ρ表示介质的密度，σ表示泊松比；
进一步地，由于超声波传输过程中，超声探头会接收到横波和纵波两种超声波，根据在同一介质中横波与纵波传播速度的比值，选择传播速度较慢的横波，来延长超声传播的时间，提高提取相邻回波信号对应时间差的精确度；
选择超声探头接收的横波计算；
计算公式如下：d =c△T ∕ 2(m-1)
其中，c表示超声波在管壁内部的传播速度，m表示提取回波信号的个数，△T表示m个回波信号之间的时间间隔；
优选地，所述基于n个不同位置的超声探头测算不同位置的脱硫管道壁厚并判断当前测算脱硫管道中是否存在缺陷包括以下步骤：
S51、基于n个不同位置的超声探头测算对应位置脱硫管道壁厚；
S52、将测算后的不同位置脱硫管道壁厚进行汇总；
S53、若存在某一段脱硫管道的壁厚不在设定阈值范围内，则判断该段脱硫管道存在缺陷；否则，不存在缺陷；
脱硫管道其出厂时设定的壁厚±（1%~5%）为设定阈值范围；
优选地，脱硫管道其出厂时设定的壁厚±3%为设定阈值范围。
基于n个超声探头第一次反射后回波信号的时间差和超声波的传播速度分别初步计算各段脱硫管道壁厚；
初步计算各段脱硫管道壁厚包括以下步骤：
基于超声波进入管壁后在管壁内反射的一次回波信号的时间t减去已知超声波在探头内部飞行的时间t0，可求得超声波在管壁内的飞行时差△t；△t = t -t0
进一步地，根据室温下已知超声波在管壁内部的传播速度c，计算可得管壁厚度；d = 0.5 c△T
其中，d为初步计算的管壁厚度；
若存在某一段脱硫管道的初步计算的管壁厚度不在设定阈值范围内，则初步判断该段脱硫管道存在缺陷；否则，不存在缺陷；
再将初步判断该段脱硫管道存在缺陷的管段，采用S53进行判断是否存在缺陷；
并将低于脱硫管道壁厚阈值的该段脱硫管道设定为存在缺陷，安排相关人员进行处理；
本实施例还公开一种基于电磁超声的脱硫管道壁厚检测系统包括：系统界面、控制模块、超声探头、数据分析模块以及数据接收模块；
所述系统界面用于提供一个可视化界面与用户进行交互；
所述控制模块用于实时控制超声探头对脱硫管道进行检测；
所述超声探头包括发射晶片和接收晶片；
所述发射晶片用于发射超声波；
所述接收晶片用于接收反射后的超声波；
所述数据接收模块用于实时接收来自超声探头的超声波数据信号，并将来自超声探头的超声波数据信号实时传输至数据分析模块；
所述数据分析模块用于分析来自数据传输模块的超声波数据信号，并基于超声波数据信号测算脱硫管道壁厚。
与现有技术相比，本发明提供了一种基于电磁超声的脱硫管道壁厚检测方法及系统，具备以下有益效果：
1、该发明通过向脱硫管道射入超声探头并由控制模块控制超声探头启用超声探测的方式，通过超声波在管道内部的反射原理实时测量脱硫管道的壁厚，并且通过超声波精确测量超声波在被测物体中的飞行时间，可以间接得到被测物体的厚度。
2、该发明通过对反射后的回波信号进行降噪处理，去除超声探头在接收回波信号时的带内噪声，通过设定对应的阈值算法将小于阈值的信号调整为零，提高了回波信号中有用信号的比重，极大程度上去除了回波信号中的噪声。
3、该发明通过对回波信号进行小波包分解，分解出其中高频和低频的分量，减少了回波信号中不规则，不稳定的信号，提高了回波信号的特征性。
4、该发明通过卷积神经网络的方式对回波信号进行特征提取，将回波信号的特征进行量化，提高了回波信号之间的差异性，减少了回波信号的分析难度，提高了回波信号的判别准确度。
附图说明
图1为本发明的电磁超声的脱硫管道壁厚检测方法流程结构示意图；
图2为本发明的回波信号进行处理方法流程结构示意图。
具体实施方式
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，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做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。
本实施例公开一种基于电磁超声的脱硫管道壁厚检测方法，具体步骤包括：
S1、基于超声波反射原理，将n个超声探头通过耦合剂透过管道外壁射入管壁；
S2、启用超声检测，记录超声波在进入管壁后在管壁内反射时的回波信号；
S3、通过接收不断反射的回波信号，对接收到的m个回波信号进行处理，所述处理包括基于超声回波信号处理算法对超声回波信号进行处理；
所述基于超声回波信号处理算法对超声回波信号进行处理包括以下步骤：
S31、对回波信号进行降噪处理；
S32、对降噪后回波信号进行特征提取；
S33、基于特征数据提取后的回波信号，根据相邻周期回波信号横坐标的差值计算该回波信号之间的时间间隔△T；
S4、通过提取经过处理后的m个回波信号之间的时间间隔和超声波的传播速度计算管道壁厚；
S5、基于n个不同位置的超声探头测算不同位置的脱硫管道壁厚并判断当前测算脱硫管道中是否存在缺陷；
优选地，所述所述对回波信号进行降噪处理包括以下步骤：
通过采用小波阈值算法，通过设定阈值对回波信号进行降噪处理；
将回波信号通过小波变换函数进行变换获得对应的小波系数；
S321、通过使用小波包分解算法将降噪后回波信号分解成一组具有不同频带的子带；
小波包分解公式为：
小波函数：
正交尺度函数：
其中，y=表示量化后的小波系数，h(q)为低通滤波器，g(q)为高通滤波器，且满足g(q)=(-1)qh(1-q);
S322、通过小波包分解公式将降噪后回波信号进行分解，将得到的小波包系数进行运算得到新的回波信号信息矩阵；
小波包系数： ；
运算方式为：通过将小波包系数分别与低通滤波器系数和高通滤波器系数进行点乘后相加，得到新的回波信号信息矩阵；
S323、通过卷积神经网络对新的回波信号信息矩阵进行特征提取。
优选地，通过小波包分解公式将降噪后回波信号进行三重分解，即对降噪后回波信号进行三次分解；
每一次小波包分解是用一个低通滤波器和一个高通滤波器对本次回波信号做一次低通滤波和一次高通滤波；
如设一维状态下：低通滤波器A:[0.5,0.5],高通滤波器B:[0.5,-0.5]，
设离散数据（即小波包系数）为C:[2,5,8];A×C+B×C
优选地，通过卷积神经网络对新的回波信号信息矩阵进行特征提取包括以下步骤：
卷积神经网络中卷积层将接收到的回波信号信息矩阵数据基于卷积核按照设置的步长在回波信号信息矩阵数据中移动，并在每一步的相应区域上与该区域的特征值进行乘积累加，以此实现对每个回波信号信息矩阵的特征提取；
卷积计算公式如下所述：f(x)=I(x) w+b
其中，I(x)表示输入特征，w表示对应卷积核的权值，b表示偏置值；
对于提取的回波信号信息矩阵特征，通过池化层对其进行特征降维；
在神经网络中，上一层的输出会作为下一层的输入，通过不断堆叠形成卷积神经网络；
在将数据输入到下层的过程中经过激活函数的处理；
假设该输入值为x i(i=1,2,...,n)，每个输出值x i相对应的输入权值为w i，b为偏移量，将这些输入值输入到该神经元后得到的输出结果为：
其中，s为对应的激活函数；
通过不断堆叠的卷积和池化后将数据传入全连接层；
通过全连接层将数据进行展开组合，得到特征数据；
基于特征数据提取后的回波信号，识别坐标系中的回波信号，根据相邻周期回波信号横坐标的差值计算该回波信号之间的时间间隔△T；
优选地，所述通过提取经过处理后的m个回波信号之间的时间间隔和超声波的传播速度计算管道壁厚包括以下步骤：
根据超声波在不同介质中传播速度不同的物理性质，通过对超声波波形进行速度对比来测算管道壁厚；
具体步骤如下：
超声波在理想材料中传播时，纵波的传播速度表示为：
横波的传播速度表示为：
横波与纵波传播速度的比值为：
其中，E表示介质的弹性性能，ρ表示介质的密度，σ表示泊松比；
进一步地，由于超声波传输过程中，超声探头会接收到横波和纵波两种超声波，根据在同一介质中横波与纵波传播速度的比值，选择传播速度较慢的横波，来延长超声传播的时间，提高提取相邻回波信号对应时间差的精确度；
选择超声探头接收的横波计算；
计算公式如下：d =c△T ∕ 2(m-1)
其中，c表示超声波在管壁内部的传播速度，m表示提取回波信号的个数，△T表示m个回波信号之间的时间间隔；
优选地，所述基于n个不同位置的超声探头测算不同位置的脱硫管道壁厚并判断当前测算脱硫管道中是否存在缺陷包括以下步骤：
S51、基于n个不同位置的超声探头测算对应位置脱硫管道壁厚；
S52、将测算后的不同位置脱硫管道壁厚进行汇总；
S53、若存在某一段脱硫管道的壁厚不在设定阈值范围内，则判断该段脱硫管道存在缺陷；否则，不存在缺陷；
脱硫管道其出厂时设定的壁厚±（1%~5%）为设定阈值范围；
基于n个超声探头第一次反射后回波信号的时间差和超声波的传播速度分别初步计算各段脱硫管道壁厚；
初步计算各段脱硫管道壁厚包括以下步骤：
基于超声波进入管壁后在管壁内反射的一次回波信号的时间t减去已知超声波在探头内部飞行的时间t0，可求得超声波在管壁内的飞行时差△t；△t = t -t0
进一步地，根据室温下已知超声波在管壁内部的传播速度c，计算可得管壁厚度；d = 0.5 c△T
其中，d为初步计算的管壁厚度；
若存在某一段脱硫管道的初步计算的管壁厚度不在设定阈值范围内，则初步判断该段脱硫管道存在缺陷；否则，不存在缺陷；
再将初步判断该段脱硫管道存在缺陷的管段，采用S53进行判断是否存在缺陷；
并将低于脱硫管道壁厚阈值的该段脱硫管道设定为存在缺陷，安排相关人员进行处理；
本实施例还公开一种基于电磁超声的脱硫管道壁厚检测系统包括：系统界面、控制模块、超声探头、数据分析模块以及数据接收模块；
所述系统界面用于提供一个可视化界面与用户进行交互；
所述控制模块用于实时控制超声探头对脱硫管道进行检测；
所述超声探头包括发射晶片和接收晶片；
所述发射晶片用于发射超声波；
所述接收晶片用于接收反射后的超声波；
所述数据接收模块用于实时接收来自超声探头的超声波数据信号，并将来自超声探头的超声波数据信号实时传输至数据分析模块；
所述数据分析模块用于分析来自数据传输模块的超声波数据信号，并基于超声波数据信号测算脱硫管道壁厚。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (10)

1.一种基于电磁超声的脱硫管道壁厚检测方法，其特征在于，包括以下步骤：
S1、基于超声波反射原理，将n个超声探头通过耦合剂透过管道外壁射入管壁；
S2、启用超声检测，记录超声波在进入管壁后在管壁内反射时的回波信号；
S3、通过接收不断反射的回波信号，对接收到的m个回波信号进行处理，所述处理包括基于超声回波信号处理算法对超声回波信号进行处理；
所述基于超声回波信号处理算法对超声回波信号进行处理包括以下步骤：
S31、对回波信号进行降噪处理；
S32、对降噪后回波信号进行特征提取；
S33、基于特征数据提取后的回波信号，根据相邻周期回波信号横坐标的差值计算该回波信号之间的时间间隔△T；
S4、通过提取经过处理后的m个回波信号之间的时间间隔和超声波的传播速度计算管道壁厚；
S5、基于n个不同位置的超声探头测算不同位置的脱硫管道壁厚并判断当前测算脱硫管道中是否存在缺陷。
2.根据权利要求1所述的一种基于电磁超声的脱硫管道壁厚检测方法，其特征在于：所述对回波信号进行降噪处理包括以下步骤：
通过采用小波阈值算法，通过设定阈值对回波信号进行降噪处理；
将回波信号通过小波变换函数进行变换获得对应的小波系数；
小波变换函数：；
其中，a为缩放变量，τ为平移变量，r表示为波形的时频；
通过阈值函数对小波系数进行划分，将小于阈值的小波系数调整为0；
阈值函数：；
其中，λ为设定的阈值，Ψ(r)j，k为回波信号小波系数的幅值，j表示幅值的横坐标，k表示幅值的纵坐标，sign为符号函数，为量化后的小波系数。
3.根据权利要求2所述的一种基于电磁超声的脱硫管道壁厚检测方法，其特征在于：所述对降噪后回波信号进行特征提取包括以下步骤：
S321、通过使用小波包分解算法将降噪后回波信号分解成一组具有不同频带的子带；
小波包分解公式为：
小波函数：；
正交尺度函数：；
其中，y=表示量化后的小波系数，h(q)为低通滤波器，g(q)为高通滤波器，且满足g(q)=(-1)qh(1-q);
S322、通过小波包分解公式将降噪后回波信号进行分解，将得到的小波包系数进行运算得到新的回波信号信息矩阵；
小波包系数：；；
运算方式为：通过将小波包系数分别与低通滤波器系数和高通滤波器系数进行点乘后相加，得到新的回波信号信息矩阵；
S323、通过卷积神经网络对新的回波信号信息矩阵进行特征提取。
4.根据权利要求3所述的一种基于电磁超声的脱硫管道壁厚检测方法，其特征在于：所述通过卷积神经网络对新的回波信号信息矩阵进行特征提取包括以下步骤：
卷积神经网络中卷积层将接收到的回波信号信息矩阵数据基于卷积核按照设置的步长在回波信号信息矩阵数据中移动，并在每一步的相应区域上与该区域的特征值进行乘积累加，以此实现对每个回波信号信息矩阵的特征提取；
卷积计算公式如下所述：f(x)=I(x) w+b；
其中，I(x)表示输入特征，w表示对应卷积核的权值，b表示偏置值；
对于提取的回波信号信息矩阵特征，通过池化层对其进行特征降维；
在神经网络中，上一层的输出会作为下一层的输入，通过不断堆叠形成卷积神经网络；
在将数据输入到下层的过程中经过激活函数的处理；
假设该输入值为x i(i=1,2,...,n)，每个输出值x i相对应的输入权值为w i，b为偏移量，将这些输入值输入到该神经元后得到的输出结果为：；
其中，s为对应的激活函数；
通过不断堆叠的卷积和池化后将数据传入全连接层；
通过全连接层将数据进行展开组合，得到特征数据；
基于特征数据提取后的回波信号，识别坐标系中的回波信号，根据相邻周期回波信号横坐标的差值计算该回波信号之间的时间间隔△T。
5.根据权利要求1所述的一种基于电磁超声的脱硫管道壁厚检测方法，其特征在于：所述通过提取经过处理后的m个回波信号之间的时间间隔和超声波的传播速度计算管道壁厚包括以下步骤：
选择超声探头接收的横波计算；
计算公式如下：d = c△T ∕ 2(m-1)；
其中，c表示超声波在管壁内部的传播速度，m表示提取回波信号的个数，△T表示m个回波信号之间的时间间隔。
6.根据权利要求1所述的一种基于电磁超声的脱硫管道壁厚检测方法，其特征在于：
所述基于n个不同位置的超声探头测算不同位置的脱硫管道壁厚并判断当前测算脱硫管道中是否存在缺陷包括以下步骤：
S51、基于n个不同位置的超声探头测算对应位置脱硫管道壁厚；
S52、将测算后的不同位置脱硫管道壁厚进行汇总；
S53、若存在某一段脱硫管道的壁厚不在设定阈值范围内，则判断该段脱硫管道存在缺陷；否则，不存在缺陷。
7.根据权利要求6所述的一种基于电磁超声的脱硫管道壁厚检测方法其特征在于：
脱硫管道其出厂时设定的壁厚±（1%~5%）为设定阈值范围。
8.根据权利要求6所述的一种基于电磁超声的脱硫管道壁厚检测方法其特征在于：
基于n个超声探头第一次反射后回波信号的时间差和超声波的传播速度分别初步计算各段脱硫管道壁厚；
初步计算各段脱硫管道壁厚包括以下步骤：
基于超声波进入管壁后在管壁内反射的一次回波信号的时间t减去已知超声波在探头内部飞行的时间t0，求得超声波在管壁内的飞行时差△t；△t = t -t0；
根据室温下已知超声波在管壁内部的传播速度c，计算可得管壁厚度；d = 0.5 c△T；
其中，d为初步计算的管壁厚度；
若存在某一段脱硫管道的初步计算的管壁厚度不在设定阈值范围内，则初步判断该段脱硫管道存在缺陷；否则，不存在缺陷；
再将初步判断该段脱硫管道存在缺陷的管段，采用S53进行判断是否存在缺陷。
9.一种实现权利要求1-8任一项所述的基于电磁超声的脱硫管道壁厚检测方法的检测系统，其特征在于，包括：控制模块、超声探头、数据分析模块以及数据接收模块；
所述控制模块用于实时控制超声探头对脱硫管道进行检测；
所述超声探头包括发射晶片和接收晶片；
所述发射晶片用于发射超声波；
所述接收晶片用于接收反射后的超声波；
所述数据接收模块用于实时接收来自超声探头的超声波数据信号，并将来自超声探头的超声波数据信号实时传输至数据分析模块；
所述数据分析模块用于分析来自数据传输模块的超声波数据信号，并基于超声波数据信号测算脱硫管道壁厚。
10.根据权利要求9所述的基于电磁超声的脱硫管道壁厚检测系统，其特征在于，还包括系统界面，所述系统界面用于提供一个可视化界面与用户进行交互。
CN202311536386.3A 2023-11-17 2023-11-17 一种基于电磁超声的脱硫管道壁厚检测方法及系统 Active CN117268299B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311536386.3A CN117268299B (zh) 2023-11-17 2023-11-17 一种基于电磁超声的脱硫管道壁厚检测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311536386.3A CN117268299B (zh) 2023-11-17 2023-11-17 一种基于电磁超声的脱硫管道壁厚检测方法及系统

Publications (2)

Publication Number Publication Date
CN117268299A true CN117268299A (zh) 2023-12-22
CN117268299B CN117268299B (zh) 2024-02-06

Family

ID=89206641

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311536386.3A Active CN117268299B (zh) 2023-11-17 2023-11-17 一种基于电磁超声的脱硫管道壁厚检测方法及系统

Country Status (1)

Country Link
CN (1) CN117268299B (zh)

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103075981A (zh) * 2012-12-31 2013-05-01 汕头市超声仪器研究所有限公司 一种超声波测厚方法
CN105651504A (zh) * 2016-01-15 2016-06-08 北京工业大学 基于自适应小波能量的旋转机械故障特征提取方法
CN208076016U (zh) * 2017-12-22 2018-11-09 中国南方电网有限责任公司超高压输电公司曲靖局 一种基于振动信号支持向量机的gil故障在线监测系统
CN109580787A (zh) * 2018-12-08 2019-04-05 国网四川省电力公司广安供电公司 用于变压器高压套管引线超声检测的超声回波去噪方法
CN109738519A (zh) * 2019-01-04 2019-05-10 国网四川省电力公司广安供电公司 一种变压器高压套管引线超声检测的去噪方法
CN110933023A (zh) * 2019-10-16 2020-03-27 电子科技大学 一种面向多媒体医疗设备组网通信的网络流量异常检测方法
CN110967409A (zh) * 2018-09-29 2020-04-07 东莞灵虎智能科技有限公司 一种基于多通道超声波探伤原始数据特征提取与识别方法
CN112730623A (zh) * 2020-12-21 2021-04-30 电子科技大学 一种基于脉冲反射法的材料缺陷检测系统及其检测方法
CN113126489A (zh) * 2021-03-29 2021-07-16 华北电力大学 一种基于cnn-gru-binn的重型燃气轮机控制系统智能bit设计方法
CN114111657A (zh) * 2021-11-11 2022-03-01 国网辽宁省电力有限公司检修分公司 一种均压电极结垢厚度检测系统及操作方法
CN115540790A (zh) * 2022-10-30 2022-12-30 苏州爱思尔提科技有限公司 一种高精度超声厚度测量方法和装置
CN116008114A (zh) * 2023-01-17 2023-04-25 哈尔滨理工大学 一种基于传感器信号的骨材料钻削过程刀具磨损检测方法
JP2023105632A (ja) * 2022-01-19 2023-07-31 セイコーエプソン株式会社 厚み算出方法、厚み算出プログラム、記録媒体、及び厚み算出装置
CN116520186A (zh) * 2022-12-15 2023-08-01 国网安徽省电力有限公司 采用ssa-lstm神经网络的uhvdc输电线路接地故障区域识别方法及系统

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103075981A (zh) * 2012-12-31 2013-05-01 汕头市超声仪器研究所有限公司 一种超声波测厚方法
CN105651504A (zh) * 2016-01-15 2016-06-08 北京工业大学 基于自适应小波能量的旋转机械故障特征提取方法
CN208076016U (zh) * 2017-12-22 2018-11-09 中国南方电网有限责任公司超高压输电公司曲靖局 一种基于振动信号支持向量机的gil故障在线监测系统
CN110967409A (zh) * 2018-09-29 2020-04-07 东莞灵虎智能科技有限公司 一种基于多通道超声波探伤原始数据特征提取与识别方法
CN109580787A (zh) * 2018-12-08 2019-04-05 国网四川省电力公司广安供电公司 用于变压器高压套管引线超声检测的超声回波去噪方法
CN109738519A (zh) * 2019-01-04 2019-05-10 国网四川省电力公司广安供电公司 一种变压器高压套管引线超声检测的去噪方法
CN110933023A (zh) * 2019-10-16 2020-03-27 电子科技大学 一种面向多媒体医疗设备组网通信的网络流量异常检测方法
CN112730623A (zh) * 2020-12-21 2021-04-30 电子科技大学 一种基于脉冲反射法的材料缺陷检测系统及其检测方法
CN113126489A (zh) * 2021-03-29 2021-07-16 华北电力大学 一种基于cnn-gru-binn的重型燃气轮机控制系统智能bit设计方法
CN114111657A (zh) * 2021-11-11 2022-03-01 国网辽宁省电力有限公司检修分公司 一种均压电极结垢厚度检测系统及操作方法
JP2023105632A (ja) * 2022-01-19 2023-07-31 セイコーエプソン株式会社 厚み算出方法、厚み算出プログラム、記録媒体、及び厚み算出装置
CN115540790A (zh) * 2022-10-30 2022-12-30 苏州爱思尔提科技有限公司 一种高精度超声厚度测量方法和装置
CN116520186A (zh) * 2022-12-15 2023-08-01 国网安徽省电力有限公司 采用ssa-lstm神经网络的uhvdc输电线路接地故障区域识别方法及系统
CN116008114A (zh) * 2023-01-17 2023-04-25 哈尔滨理工大学 一种基于传感器信号的骨材料钻削过程刀具磨损检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
强彦: "《人工智能算法实例集锦 Python语言》", 西安电子科学技术大学出版社, pages: 145 - 152 *

Also Published As

Publication number Publication date
CN117268299B (zh) 2024-02-06

Similar Documents

Publication Publication Date Title
US5600073A (en) Method and system for analyzing a two phase flow
Zhang et al. Deep convolutional neural network probability imaging for plate structural health monitoring using guided waves
Quy et al. Leak localization in industrial-fluid pipelines based on acoustic emission burst monitoring
CN109827082B (zh) 一种管道多点泄漏精确定位方法
Davoodi et al. Gas leak locating in steel pipe using wavelet transform and cross-correlation method
CN110564905B (zh) 一种对高炉炉衬冲击回波检测的信号处理方法及系统
Cao et al. An ultrasonic signal processing method to improve defect depth estimation in composites based on empirical mode decomposition
CN117213569A (zh) 一种超声波流量检测方法
Ma et al. Applications of digital signal processing methods in TOF calculation of ultrasonic gas flowmeter
CN115031906A (zh) 基于次声波的管道泄漏在线监测方法
CN117268299B (zh) 一种基于电磁超声的脱硫管道壁厚检测方法及系统
CN104913873B (zh) 一种改善多因素影响的超声波液压测量方法及其系统
CN112857730B (zh) 一种高超声速脉动压力试验数据分析处理方法
Wang et al. Full waveform inversion guided wave tomography with a recurrent neural network
CN117309079A (zh) 基于时差法的超声飞渡时间测量方法、装置、设备及介质
CN117214294A (zh) 管道损伤超声导波检测装置及其损伤信号三维重构方法
CN111007153B (zh) 一种射流鼓泡反应器气液分散状态的检测方法
Gong et al. Ultrasonic method for measuring the gas holdup of gas-liquid bubbly flow in a small-diameter pipe
CN115077661A (zh) 一种多路超声透射液位测量方法及测量装置
Wang et al. Measuring solid particles in sand-carrying gas flow using multiscale vibration response statistics and deep learning algorithms
Zhang Flow measurement of natural gas in pipeline based on 1d-convolutional neural network
Chen et al. High precision ultrasonic measurement method for thin-walled parts
Li et al. Study on transit-Time ultrasonic flow meter with waveform analysis
Afandi et al. The development of the ultrasonic flowmeter sensors for mass flow rate measurement: A comprehensive review
Chen et al. Hybrid Entropy in the Time-Frequency Domain for Grading Electrode Sediment Identification

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