CN118009946B - 一种泥浆管路磨损自动监测方法及系统 - Google Patents
一种泥浆管路磨损自动监测方法及系统 Download PDFInfo
- Publication number
- CN118009946B CN118009946B CN202410424281.7A CN202410424281A CN118009946B CN 118009946 B CN118009946 B CN 118009946B CN 202410424281 A CN202410424281 A CN 202410424281A CN 118009946 B CN118009946 B CN 118009946B
- Authority
- CN
- China
- Prior art keywords
- preset
- ultrasonic reflection
- reflection intensity
- parameter
- grading
- 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.)
- Active
Links
- 238000005299 abrasion Methods 0.000 title claims abstract description 100
- 239000002002 slurry Substances 0.000 title claims abstract description 89
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000012544 monitoring process Methods 0.000 title claims abstract description 45
- 239000011159 matrix material Substances 0.000 claims abstract description 67
- 230000000875 corresponding effect Effects 0.000 claims description 144
- 238000011156 evaluation Methods 0.000 claims description 53
- 238000009826 distribution Methods 0.000 claims description 25
- 238000004364 calculation method Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 8
- 230000002596 correlated effect Effects 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 7
- 238000005070 sampling Methods 0.000 description 7
- 239000002245 particle Substances 0.000 description 4
- 239000007788 liquid Substances 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 238000004220 aggregation Methods 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 230000002035 prolonged effect Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- -1 silt Substances 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Landscapes
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明涉及利用超声波监测泥浆管路磨损技术领域，具体涉及一种泥浆管路磨损自动监测方法及系统。本发明首先获取泥浆管路的超声波反射强度的三维点云数据并转化为二维数据矩阵；根据预设分级方法对超声波反射强度进行分级；进一步获取每个分级结果的每个预设游程方向对应的整体磨损度；进一步获取每个超声波反射强度的重要程度参数；进一步获取最优分级结果；最后根据最优分级结果对泥浆管路磨损进行自动监测。本发明综合分级结果对管路磨损特征的表现程度、级别内部超声波反射强度的统一性以及相邻级别的对比度，对分级结果进行评价，从而基于最优分级结果对泥浆管路磨损进行准确自动监测，提升了监测准确性，保障作业安全。
Description
技术领域
本发明涉及利用超声波监测泥浆管路磨损技术领域，具体涉及一种泥浆管路磨损自动监测方法及系统。
背景技术
泥浆管路是指用于输送泥浆的管道，由于浇筑过程中的注剂主要是一种含有固体颗粒的液体，通常由水或其他液体和悬浮的固体颗粒如泥沙、粉末等组成。当管道内的液体压力较大时，体积较大的颗粒会对内壁管道产生磨损，利用传统光学手段获取管路内部清晰图像较为困难，而超声波对于不同厚度的管壁的反射强度不同，因此通常采用超声波检测技术检测管壁内部的磨损情况。
通过获取整个泥浆管路的超声波反射强度的三维点云数据，将三维点云数据按照超声波采集点之间的位置关系，可以平铺到二维矩阵中，从而可以视作利用超声波获取的，以管壁的超声波反射强度为数据值的图像，进而利用灰度游程矩阵（Gray-Level Run-Length Matrix，GLRLM）进行分析。
利用灰度游程矩阵对图像进行分析时，通常会对不同灰度进行压缩，作为灰度级别，即灰度游程矩阵中的横轴，以简化分析过程，但是不同超声波反射强度的重要性不同，不同的分级方式对泥浆管路的磨损表现程度也不同，最终影响到泥浆管路磨损自动监测的准确度。
发明内容
为了解决对超声波反射强度进行分级不准确，影响到泥浆管路磨损自动监测的准确度的技术问题，本发明的目的在于提供一种泥浆管路磨损自动监测方法及系统，所采用的技术方案具体如下：
一种泥浆管路磨损自动监测方法，所述方法包括：
获取泥浆管路的超声波反射强度的三维点云数据；将所述三维点云数据转化为二维数据矩阵；根据预设分级方法对所述超声波反射强度进行分级；
在每个分级结果中，以预设游程方向获取所述二维数据矩阵的灰度游程矩阵；根据所述灰度游程矩阵对应的预设游程方向与泥浆行进方向的差异特征，结合灰度游程矩阵中元素值的分布特征，获得每个分级结果的每个预设游程方向对应的整体磨损度；在所述二维数据矩阵中，根据每个相同超声波反射强度的数据点的分布特征，结合每个数据点与预设邻域内其他数据点的超声波反射强度的差异特征，获得每个超声波反射强度的重要程度参数；
在每个分级结果中，根据每个灰度级别内超声波反射强度的重要程度参数，结合对应的所述整体磨损度，获得每个分级结果的分级评价参数；根据所述分级评价参数获取最优分级结果；
根据所述最优分级结果对应的每个预设游程方向的所述整体磨损度，对泥浆管路磨损进行自动监测。
进一步地，所述根据预设分级方法对所述超声波反射强度进行分级的方法包括：
将超声波反射强度范围从小到大任意分割为预设灰度级别数量参数份，根据分割结果中每份超声波反射强度子范围的最小值，从小到大映射到灰度级别中；每次分割对应一个分级结果；所述预设灰度级别数量参数小于超声波反射强度范围。
进一步地，所述整体磨损度的获取方法包括：
设定泥浆管路内的泥浆行进方向为0°；
所述预设游程方向至少包括0°、45°、90°和135°；
根据每个所述预设游程方向与泥浆行进方向的差异特征，获得角度参考性权重；
获取每个所述预设游程方向下，每个所述超声波反射强度对应的每个游程长度出现的频率；根据每个所述预设游程方向下，每个所述超声波反射强度对应的每个游程长度出现的频率，结合对应的游程长度和灰度级别，获得每个所述预设游程方向的整体磨损参数；
在每个分级结果中，根据每个所述预设游程方向对应的所述角度参考性权重和所述整体磨损参数，获取每个所述预设游程方向的整体磨损度；所述整体磨损度与所述角度参考性权重负相关；所述整体磨损度与所述整体磨损参数正相关。
进一步地，所述整体磨损度的计算公式包括：
；其中，/>表示预设游程方向的序号；/>表示分级结果的序号；/>表示第/>种分级结果中，第/>个预设游程方向的整体磨损度；表示第/>个预设游程方向所在直线与泥浆行进方向所在直线的夹角值；/>表示预设第一除零常数，/>0.1；/>表示第/>个预设游程方向对应的角度参考性权重；/>表示预设分级方法对应的灰度级别的总数；/>表示预设分级方法对应的灰度级别的序号；/>表示游程矩阵中游程长度种类的序号；/>表示第/>个预设游程方向对应的灰度游程矩阵中，第/>个灰度级别对应的游程长度的种类的数量；/>表示第/>种分级结果中，第/>个预设游程方向对应的灰度游程矩阵中，第/>个灰度级别对应的第/>种游程长度出现的频率；/>表示第/>种分级结果中，第/>个预设游程方向对应的灰度游程矩阵中，第/>个灰度级别对应的第/>种游程长度对应的游程长度值；/>表示第/>种分级结果中，第个预设游程方向对应的整体磨损参数。
进一步地，所述重要程度参数的获取方法包括：
在所述二维数据矩阵中，根据相同超声波反射强度的数据点之间的距离特征，获得离散分布参数；
在所述二维数据矩阵中，以每个数据点为中心，以预设邻域尺寸构建每个数据点的预设邻域；根据每个数据点与对应预设邻域内其他数据点的超声波反射强度的差异，结合预设邻域内中心处的数据点的超声波反射强度，获取第一重要性参数；根据每个数据点与对应预设邻域内其他数据点之间的连线与泥浆行进方向的角度差异，获取第二重要性参数；
根据每个数据点对应的所述第一重要性参数和所述第二重要性参数，结合所述离散分布参数，获取每个超声波反射强度的重要程度参数；所述第一重要性参数和所述离散分布参数均与所述重要程度参数正相关；所述第二重要性参数与所述重要程度参数负相关。
进一步地，所述重要程度参数的获取方法包括：
在所述二维数据矩阵中，获取每个相同超声波反射强度的任意两个数据点之间的平均欧氏距离，将平均欧氏距离归一化后的结果值作为每个超声波反射强度的离散分布参数；
利用重要程度参数的计算公式获取每个超声波反射强度的重要程度参数；所述重要程度参数的计算公式包括：
；其中，/>为超声波反射强度的序号；/>表示第/>个超声波反射强度对应的重要程度参数；/>表示第/>个超声波反射强度对应的离散分布参数，/>，/>表示标准归一化函数，/>表示第/>个超声波反射强度下，任意两个数据点构成的组合的数量，/>表示任意两个数据点构成的组合的序号，/>表示第/>个超声波反射强度下，第/>组的两个数据点之间的欧氏距离，/>，/>表示第/>个超声波反射强度对应的数据点的数量，/>表示从/>个不同数据中取出2个数据的所有组合的个数；/>表示每个超声波反射强度对应的数据点的序号；/>表示每个数据点对应的预设邻域内其他数据点的序号；/>表示第/>个超声波反射强度对应的第/>个数据点的预设邻域内其他数据点的数量；/>表示第/>个超声波反射强度对应的第/>个数据点的超声波反射强度值；表示第/>个超声波反射强度对应的第/>个数据点的，预设邻域内第/>个其他数据点的超声波反射强度值；/>表示第/>个超声波反射强度对应的第/>个数据点，与预设邻域内第/>个其他数据点的连线，与泥浆行进方向所在直线的夹角值；/>表示第/>个超声波反射强度对应的第/>个数据点的第一重要性参数；/>表示预设第二除零常数，/>0.1；/>表示预设第三除零常数，/>0.1。
进一步地，所述分级评价参数的获取方法包括：
将每个分级结果对应的所有预设游程方向的整体磨损度的和值，作为每个分级结果的磨损突显参数；
在每个分级结果中，根据每个灰度级别内超声波反射强度的重要程度参数的相似特征，结合相邻灰度级别之间的超声波反射强度的重要程度参数的差异特征，获得初始评价参数；
在每个分级结果中，根据对应的所述磨损突显参数和所述初始评价参数，获取每个分级结果的分级评价参数；所述磨损突显参数和所述初始评价参数均与所述分级评价参数正相关。
进一步地，所述分级评价参数的计算公式包括：
；其中，/>表示分级结果的序号；/>表示第/>种分级结果的分级评价参数；/>表示第/>种分级结果中，第/>个预设游程方向的整体磨损度；/>表示预设游程方向的数量；/>表示预设分级方法对应的灰度级别的总数；/>表示预设分级方法对应的灰度级别的序号；/>表示第/>种分级结果中，第/>个灰度级别对应的所有超声波反射强度的重要程度参数的均值；/>表示第/>种分级结果中，第/>个灰度级别对应的所有超声波反射强度的重要程度参数的均值；/>表示第/>种分级结果中，第/>个灰度级别对应的所有超声波反射强度中，任意两个超声波反射强度的重要程度参数差值绝对值的均值；表示第/>种分级结果中，第/>个灰度级别对应的所有超声波反射强度中，任意两个超声波反射强度的重要程度参数差值绝对值的均值；/>表示第/>种分级结果的初始评价参数。
进一步地，所述对泥浆管路磨损进行自动监测的方法包括：
将所述最优分级结果对应的每个预设游程方向的所述整体磨损度的和值进行归一化后，作为泥浆管路的磨损评价参数；当泥浆管路的所述磨损评价参数大于预设磨损临界参数时，判定泥浆管路发生严重磨损。
本发明还提出了一种泥浆管路磨损自动监测系统，所述系统包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现任意一项所述一种泥浆管路磨损自动监测方法的步骤。
本发明具有如下有益效果：
本发明首先获取泥浆管路的超声波反射强度的三维点云数据并转化为二维数据矩阵；为后续泥浆管路磨损自动监测提供数据基础；进一步根据预设分级方法对超声波反射强度进行分级，延长游程长度，更有利于后续采用灰度游程矩阵分析泥浆管路内壁的纹理特征；进一步在每个分级结果中，以预设游程方向获取二维数据矩阵的灰度游程矩阵；根据灰度游程矩阵对应的预设游程方向与泥浆行进方向的差异特征，结合灰度游程矩阵中元素值的分布特征，获得泥浆管路的磨损特征的表现参数，为后续评价分级结果提供依据；进一步在二维数据矩阵中，根据每个相同超声波反射强度的数据点的分布特征，结合每个数据点与预设邻域内其他数据点的超声波反射强度的差异特征，获得每个超声波反射强度的特征参数，更有利于后续基于超声波反射强度的特征参数分析每个分级结果的分级效果，为后续评价分级结果提供更多依据；在每个分级结果中，根据每个灰度级别内超声波反射强度的重要程度参数，结合对应的整体磨损度，获得每个分级结果的分级评价参数，为每种分级结果提供评价依据，从而根据分级评价参数获取最优分级结果；最后根据最优分级结果对应的每个预设游程方向的整体磨损度，对泥浆管路磨损进行自动监测。本发明综合分级结果对管路磨损特征的表现程度、级别内部超声波反射强度的统一性以及相邻级别的对比度，对分级结果进行评价，从而基于最优分级结果对泥浆管路磨损进行准确自动监测，提升了监测准确性，保障作业安全。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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它附图。
图1为本发明一个实施例所提供的一种泥浆管路磨损自动监测方法的流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种泥浆管路磨损自动监测方法及系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种泥浆管路磨损自动监测方法及系统的具体方案。
本发明实施例基于超声波采样和灰度游程矩阵，通过超声波采样技术获取泥浆管路的超声波反射强度的三维点云数据，然后根据采样点之间的位置关系，平铺到二维平面上，构成二维数据矩阵，将二维数据矩阵视为利用超声波获取的，以管壁的超声波反射强度为数据值的图像；然后尝试不同的灰度分级方案，对超声波反射强度进行分级；接着对每个分级结果中，对不同超声波反射强度的分割效果以及磨损程度的突显效果进行分析，获得最优分级结果；进而利用最优分级结果，获取灰度游程矩阵，借助灰度游程矩阵对泥浆管路磨损进行自动监测。
请参阅图1，其示出了本发明一个实施例提供的一种泥浆管路磨损自动监测方法的流程图，具体包括：
步骤S1：获取泥浆管路的超声波反射强度的三维点云数据；将三维点云数据转化为二维数据矩阵；根据预设分级方法对超声波反射强度进行分级。
在本发明实施例中，首先利用超声波测厚仪装置在泥浆管路的检测点处采集整个泥浆管路的超声波反射强度数据，为后续泥浆管路磨损自动监测提供数据基础；进一步根据采样点之间的位置关系，平铺到二维平面上，将三维点云数据转化为二维数据矩阵，并考虑到直接基于原始的超声波反射强度获取灰度游程矩阵，会导致整体游程长度较小，对于管壁内部的磨损情况判别不准确，所以对超声波反射强度进行分级，便于后续采用灰度游程矩阵进行分析。
需要说明的是，采集数据时，应当保证管路内尽量不存在泥浆，保障采集数据的准确性，提升监测结果的准确性；在本发明其他实施例中，实施者也可以将管壁的侧面等分，类比于圆柱体利用上表面与下表面平行的直径，沿着高将侧面两等分，对应的将三维点云数据转化为两个二维数据矩阵，对两个二维数据矩阵进行分别分析，获取最优分级结果。
优选地，在本发明一个实施例中，考虑到不同超声波反射强度的重要性不同，不同的分级方式对泥浆管路的磨损表现程度也不同，所以采用任意分级的方式，以寻找到最优分级方案，基于此，将超声波反射强度范围从小到大任意分割为预设灰度级别数量参数份，根据分割结果中每份超声波反射强度子范围的最小值，从小到大映射到灰度级别中；每次分割对应一个分级结果。
其中，每个灰度级别对应一个超声波反射强度子范围，并且每个灰度级别对应的超声波反射强度子范围至少包括一个超声波反射强度，不同灰度级别对应的超声波反射强度子范围没有交集，同时所有灰度级别对应的超声波反射强度子范围的并集包含所有超声波反射强度。
例如，假设超声波反射强度范围为0到9，预设灰度级别数量参数为3，即需要将0到9分成3份，那么分级方式可以是（0）、（1）、（2-9），可以是（0-1）、（2）、（3-9），可以是（0-1）、（2-3）、（4-9），可以是（0-1）、（2-5）、（6-9），可以是（0-5）、（6-8）、（9）等等，类似于将一个线段分成3份，每份都具有一定的长度，每份子线段都是连续的，没有交集，同时并集与原始线段一致。
需要说明的是，在本发明一个实施例中，预设灰度级别数量参数为16，超声波反射强度范围为[0,49]，以空气对超声波的反射强度为0，以完好的泥浆管路管壁对超声波的反射强度为49，将超声波反射数据等分为50个强度等级；在本发明其他实施例中，实施者可以设置其他预设灰度级别数量参数，设置其他超声波反射强度范围，在此不再进行赘述。
根据泥浆管路管壁上超声波上采样点之间的位置关系，平铺到二维平面上，以泥浆管路管壁上超声波采样点的位置类比于像素点的坐标，以超声波反射强度类比于像素点的灰度值，构建出以管壁的超声波反射强度为数据值的图像，从而便于后续利用灰度游程方法进行分析。
步骤S2：在每个分级结果中，以预设游程方向获取二维数据矩阵的灰度游程矩阵；根据灰度游程矩阵对应的预设游程方向与泥浆行进方向的差异特征，结合灰度游程矩阵中元素值的分布特征，获得每个分级结果的每个预设游程方向对应的整体磨损度；在二维数据矩阵中，根据每个相同超声波反射强度的数据点的分布特征，结合每个数据点与预设邻域内其他数据点的超声波反射强度的差异特征，获得每个超声波反射强度的重要程度参数。
在本发明实施例中，考虑到不同的分级方案获得的灰度游程矩阵有所不同，所表现出的泥浆管路的磨损特征也有所差异，并且灰度游程矩阵构建时，还需要考虑到游程方向，不同游程方向所表现的磨损特征也不同，而为了保证分级方案能够较好地表现出泥浆管路的磨损程度，所以需要对每个分级结果的每个预设游程方向对应的磨损程度进行分析，便于后续获取最优分级方案；考虑到游程方向与泥浆行进方向的差异越小，说明游程特征越可能是划痕特征，可信度越高，同时考虑到灰度游程矩阵中元素值的分布位置，代表了游程长度、灰度分级等特征，游程长度越长，说明划痕越长，灰度分级越小，说明划痕越深，泥浆管路管壁越薄，磨损程度越大，所以根据灰度游程矩阵对应的预设游程方向与泥浆行进方向的差异特征，结合灰度游程矩阵中元素值的分布特征，获得每个分级结果的每个预设游程方向对应的整体磨损度。
优选地，在本发明实施例中，考虑到游程方向所在直线与泥浆行进方向所在直线之间的夹角越小，说明游程方向与泥浆行进方向的差异越小，划痕特征越可能是泥浆传输造成的，磨损特征可信度越高，权重越大；考虑到每种游程长度出现的频率越高，长度越长，同时灰度级别越低，说明泥浆管路中存在越多的划痕，同时划痕越长、划痕越深，说明管路的磨损程度越大，整体磨损度就越大；
基于此，设定泥浆管路内的泥浆行进方向为0°；预设游程方向至少包括0°、45°、90°和135°；
根据每个预设游程方向与泥浆行进方向的差异特征，获得角度参考性权重；
获取每个预设游程方向下，每个超声波反射强度对应的每个游程长度出现的频率；根据每个预设游程方向下，每个超声波反射强度对应的每个游程长度出现的频率，结合对应的游程长度和灰度级别，获得每个预设游程方向的整体磨损参数；
利用整体磨损度的计算公式获取每个预设游程方向的整体磨损度；整体磨损度的计算公式包括：
；
其中，表示预设游程方向的序号；/>表示分级结果的序号；/>表示第/>种分级结果中，第/>个预设游程方向的整体磨损度；/>表示第/>个预设游程方向所在直线与泥浆行进方向所在直线的夹角值；/>表示预设第一除零常数，/>0.1；/>表示第/>个预设游程方向对应的角度参考性权重；/>表示预设分级方法对应的灰度级别的总数；/>表示预设分级方法对应的灰度级别的序号；/>表示游程矩阵中游程长度种类的序号；/>表示第/>个预设游程方向对应的灰度游程矩阵中，第/>个灰度级别对应的游程长度的种类的数量；表示第/>种分级结果中，第/>个预设游程方向对应的灰度游程矩阵中，第/>个灰度级别对应的第/>种游程长度出现的频率；/>表示第/>种分级结果中，第/>个预设游程方向对应的灰度游程矩阵中，第/>个灰度级别对应的第/>种游程长度对应的游程长度值；表示第/>种分级结果中，第/>个预设游程方向对应的整体磨损参数。
整体磨损度的计算公式中，越小，游程方向所在直线与泥浆行进方向所在直线之间的夹角越小，说明游程方向与泥浆行进方向的差异越小，磨损特征可信度越高，权重越大；/>越大，说明划痕长度越长，磨损程度越大，整体磨损度就越大；/>越小，说明划痕对应的灰度分级越小，反映出超声波反射强度越小，管壁越薄，划痕越深，整体磨损度就越大；越大，说明游程值出现的概率越高，反映出划痕出现的次数越多，整体磨损度就越大，在本发明一个实施例中，/>。
需要说明的是，在本发明其他实施例中，也可选用其他基础数学运算或者函数映射实现相关映射，其均为本领域技术人员熟知的技术手段，在此不做赘述。
需要说明的是，灰度游程矩阵中，矩阵的行表示灰度级别，列表示游程长度，游程方向表示计算游程时的方向，灰度游程矩阵已是本领域技术人员所熟知的技术手段，在此不再进行赘述。
在本发明实施例中，考虑到对超声波反射强度进行分级时，将表示划痕特征相似的超声波反射强度分到一个级别，可以延长灰度游程长度，更有利于分析泥浆管路中连续的纹理特征，更加突显出管路的磨损特征，所以需要对超声波反射强度的特征进行分析；考虑到泥浆在管道中传输时，泥浆由于其不断流动的状态，其包裹的固体颗粒与管壁随机碰撞，所以管路内壁的受损状态随机，对应的超声波反射强度就具有随机性，而没有受损的内壁位置的超声波反射强度相同，表现出相同超声波反射强度的数据点具有聚集特征或者局部相似特征，所以不同超声波反射强度数据点的分布特征不同，对泥浆管路磨损特征的表现程度不同，所以，在二维数据矩阵中，根据每个相同超声波反射强度的数据点的分布特征，结合每个数据点与预设邻域内其他数据点的超声波反射强度的差异特征，获得每个超声波反射强度的重要程度参数，便于后续对分级结果进行评价。
优选地，在本发明一个实施例中，考虑到相同超声波反射强度的数据点之间的平均距离越远，说明数据点分布的越分散，离散特征越强，随机特征越强，越符合泥浆管路的磨损特征，重要程度就越大；考虑到数据点与其邻域数据点的超声波反射强度差异越大，说明聚集特征越差，越符合泥浆管路的磨损特征，重要程度就越大；又考虑到数据点的超声波反射强度越小，说明管壁厚度越薄，对应超声波反射强度表现的对于泥浆管路的磨损特征越重要，重要程度就越大；同时考虑到数据点与其邻域数据点之间的连线，与泥浆行进方向所在直线的夹角越小，说明对应两个数据点分布在泥浆行进方向的直线上，超声波反射强度的差异特征的参考性越强，权重越大；
基于此，在二维数据矩阵中，以每个数据点为中心，以预设邻域尺寸构建每个数据点的预设邻域；根据每个数据点与对应预设邻域内其他数据点的超声波反射强度的差异，结合预设邻域内中心处的数据点的超声波反射强度，获取第一重要性参数；根据每个数据点与对应预设邻域内其他数据点之间的连线与泥浆行进方向的角度差异，获取第二重要性参数；
在二维数据矩阵中，获取每个相同超声波反射强度的任意两个数据点之间的平均欧氏距离，将平均欧氏距离归一化后的结果值作为每个超声波反射强度的离散分布参数；
利用重要程度参数的计算公式获取每个超声波反射强度的重要程度参数；重要程度参数的计算公式包括：
；
其中，为超声波反射强度的序号；/>表示第/>个超声波反射强度对应的重要程度参数；/>表示第/>个超声波反射强度对应的离散分布参数，/>，/>表示标准归一化函数，/>表示第/>个超声波反射强度下，任意两个数据点构成的组合的数量，表示任意两个数据点构成的组合的序号，/>表示第/>个超声波反射强度下，第/>组的两个数据点之间的欧氏距离，/>，/>表示第/>个超声波反射强度对应的数据点的数量，/>表示从/>个不同数据中取出2个数据的所有组合的个数；/>表示每个超声波反射强度对应的数据点的序号；/>表示每个数据点对应的预设邻域内其他数据点的序号；/>表示第/>个超声波反射强度对应的第/>个数据点的预设邻域内其他数据点的数量；/>表示第/>个超声波反射强度对应的第/>个数据点的超声波反射强度值；/>表示第/>个超声波反射强度对应的第/>个数据点的，预设邻域内第/>个其他数据点的超声波反射强度值；/>表示第/>个超声波反射强度对应的第/>个数据点，与预设邻域内第/>个其他数据点的连线，与泥浆行进方向所在直线的夹角值，即/>还为第/>个超声波反射强度对应的第/>个数据点的第二重要性参数；/>表示第/>个超声波反射强度对应的第/>个数据点的第一重要性参数；/>表示预设第二除零常数，/>0.1；/>表示预设第三除零常数，/>0.1。
需要说明的是，在本发明一个实施例中，，/>，预设邻域尺寸为，在本发明其他实施例中，也可选用其他基础数学运算或者函数映射实现相关映射，其均为本领域技术人员熟知的技术手段，在此不做赘述。
步骤S3：在每个分级结果中，根据每个灰度级别内超声波反射强度的重要程度参数，结合对应的整体磨损度，获得每个分级结果的分级评价参数；根据分级评价参数获取最优分级结果。
在本发明实施例中，考虑到每个分级结果对应的所有游程方向的整体磨损度表征了分级结果对应的管路的磨损特征，整体磨损度越大，说明管路的磨损特征越突出，越有利于对泥浆管路的磨损情况进行监测；而超声波反射强度的重要程度参数则表示了超声波反射强度对于磨损特征的重要性，将重要性相似的超声波反射强度纳入同一分级中，更有利于分析划痕特征，所以根据每个灰度级别内超声波反射强度的重要程度参数，结合对应的整体磨损度，获得每个分级结果的分级评价参数，为后续获取最优分级结果做准备。
优选地，在本发明一个实施例中，考虑到所有游程方向的整体磨损度的和值越大，说明分级结果越能突显出管路的磨损程度；考虑到每个分级内超声波反射强度的重要程度参数的差值绝对值越小，说明重要程度参数越相似，说明超声波反射强度越相似；同时相邻分级的整体重要程度参数差异越大，说明不同分级之间的对比度越强，分级效果越好；
基于此，将每个分级结果对应的所有预设游程方向的整体磨损度的和值，作为每个分级结果的磨损突显参数；
在每个分级结果中，根据每个灰度级别内超声波反射强度的重要程度参数的相似特征，结合相邻灰度级别之间的超声波反射强度的重要程度参数的差异特征，获得初始评价参数；
利用分级评价参数的计算公式获取每个分级结果的分级评价参数；分级评价参数的计算公式包括：
；
其中，表示分级结果的序号；/>表示第/>种分级结果的分级评价参数；/>表示第/>种分级结果中，第/>个预设游程方向的整体磨损度；/>表示预设游程方向的数量；/>表示预设分级方法对应的灰度级别的总数；/>表示预设分级方法对应的灰度级别的序号；/>表示第种分级结果中，第/>个灰度级别对应的所有超声波反射强度的重要程度参数的均值；/>表示第/>种分级结果中，第/>个灰度级别对应的所有超声波反射强度的重要程度参数的均值；/>表示第/>种分级结果中，第/>个灰度级别对应的所有超声波反射强度中，任意两个超声波反射强度的重要程度参数差值绝对值的均值；/>表示第/>种分级结果中，第/>个灰度级别对应的所有超声波反射强度中，任意两个超声波反射强度的重要程度参数差值绝对值的均值；/>表示第/>种分级结果的初始评价参数。
分级评价参数的计算公式中，越大，说明分级结果越能突显出管路的磨损程度，分级效果越好，分级评价参数就越大；/>越小的同时/>越大，说明对应级别内超声波反射强度的差异越小的同时级别内整体重要程度参数越大，用以表征对应级别的特征值，越大，说明相邻级别的特征值差异越大，对比度越强，分级效果越好，初始评价参数就越大。综合分级结果对管路磨损特征的表现程度、级别内部超声波反射强度的统一性以及相邻级别的对比度，对分级结果进行评价，获得可靠的分级评价参数，为后续筛选获得最优分级结果，对泥浆管路进行准确监测做准备。
在本发明实施例中，获得每个分级结果的评价依据之后，就可以获得最优分级结果，在本发明一个实施例中，考虑到分级评价参数越大，分级效果越好，所以将分级评价参数最大值对应的分级结果作为最优分级结果。
需要说明的是，获得最优分级方法之后，后续监测其他相同类型的泥浆管路时，就可以采用相同分级方案，避免重复分析过程。
步骤S4：根据最优分级结果对应的每个预设游程方向的整体磨损度，对泥浆管路磨损进行自动监测。
在本发明实施例中，获得最优分级结果之后，就可以根据最优分级结果对应的每个预设游程方向的整体磨损度，对泥浆管路磨损进行自动监测。
优选地，在本发明一个实施例中，将最优分级结果对应的每个预设游程方向的整体磨损度的和值进行归一化后，作为泥浆管路的磨损评价参数；当泥浆管路的磨损评价参数大于预设磨损临界参数时，判定泥浆管路发生严重磨损，需要及时更换或维修。
需要说明的是，在本发明一个实施例中，预设磨损临界参数为0.8；在本发明其他实施例中，实施者可以自行设定其他预设磨损临界参数以适应场景需求；在本发明另一个实施例中，可以通过设置多个临界参数，对泥浆管路磨损度进行分级，例如设置0.5,0.75和0.8三个临界参数，当磨损评价参数小于等于0.5时，判定泥浆管路发生一般磨损；当磨损评价参数大于0.5，小于等于0.75时，判定泥浆管路发生中度磨损；当磨损评价参数大于0.75，小于等于0.8时，判定泥浆管路发生高度磨损；当磨损评价参数大于0.8时，判定泥浆管路发生严重磨损。便于针对不同实施场景进行调整泥浆管路选用，保障生产作业安全。
综上所述，针对超声波反射强度进行分级不准确，影响到泥浆管路磨损自动监测的准确度的技术问题，本发明实施例提出了一种泥浆管路磨损自动监测方法。本发明实施例首先获取泥浆管路的超声波反射强度的三维点云数据；将三维点云数据转化为二维数据矩阵；根据预设分级方法对超声波反射强度进行分级；进一步获取每个分级结果的每个预设游程方向对应的整体磨损度；进一步获取每个超声波反射强度的重要程度参数；进一步根据每个灰度级别内超声波反射强度的重要程度参数，结合对应的整体磨损度，获取最优分级结果；最后根据最优分级结果对应的每个预设游程方向的整体磨损度，对泥浆管路磨损进行自动监测。本发明综合分级结果对管路磨损特征的表现程度、级别内部超声波反射强度的统一性以及相邻级别的对比度，对分级结果进行评价，从而基于最优分级结果对泥浆管路磨损进行准确自动监测，提升了监测准确性，保障作业安全。
本发明一个实施例还提供了一种泥浆管路磨损自动监测系统，该系统包括存储器、处理器和计算机程序，其中存储器用于存储相应的计算机程序，处理器用于运行相应的计算机程序，计算机程序在处理器中运行时能够实现步骤S1-S4所描述的一种泥浆管路磨损自动监测方法。
需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
Claims (8)
1.一种泥浆管路磨损自动监测方法，其特征在于，所述方法包括：
获取泥浆管路的超声波反射强度的三维点云数据；将所述三维点云数据转化为二维数据矩阵；根据预设分级方法对所述超声波反射强度进行分级；
在每个分级结果中，以预设游程方向获取所述二维数据矩阵的灰度游程矩阵；根据所述灰度游程矩阵对应的预设游程方向与泥浆行进方向的差异特征，结合灰度游程矩阵中元素值的分布特征，获得每个分级结果的每个预设游程方向对应的整体磨损度；在所述二维数据矩阵中，根据每个相同超声波反射强度的数据点的分布特征，结合每个数据点与预设邻域内其他数据点的超声波反射强度的差异特征，获得每个超声波反射强度的重要程度参数；
在每个分级结果中，根据每个灰度级别内超声波反射强度的重要程度参数，结合对应的所述整体磨损度，获得每个分级结果的分级评价参数；根据所述分级评价参数获取最优分级结果；
根据所述最优分级结果对应的每个预设游程方向的所述整体磨损度，对泥浆管路磨损进行自动监测；
所述根据预设分级方法对所述超声波反射强度进行分级的方法包括：
将超声波反射强度范围从小到大任意分割为预设灰度级别数量参数份，根据分割结果中每份超声波反射强度子范围的最小值，从小到大映射到灰度级别中；每次分割对应一个分级结果；所述预设灰度级别数量参数小于超声波反射强度范围；
所述分级评价参数的获取方法包括：
将每个分级结果对应的所有预设游程方向的整体磨损度的和值，作为每个分级结果的磨损突显参数；
在每个分级结果中，根据每个灰度级别内超声波反射强度的重要程度参数的相似特征，结合相邻灰度级别之间的超声波反射强度的重要程度参数的差异特征，获得初始评价参数；
在每个分级结果中，根据对应的所述磨损突显参数和所述初始评价参数，获取每个分级结果的分级评价参数；所述磨损突显参数和所述初始评价参数均与所述分级评价参数正相关。
2.根据权利要求1所述的一种泥浆管路磨损自动监测方法，其特征在于，所述整体磨损度的获取方法包括：
设定泥浆管路内的泥浆行进方向为0°；所述预设游程方向至少包括0°、45°、90°和135°；
根据每个所述预设游程方向与泥浆行进方向的差异特征，获得角度参考性权重；
获取每个所述预设游程方向下，每个所述超声波反射强度对应的每个游程长度出现的频率；根据每个所述预设游程方向下，每个所述超声波反射强度对应的每个游程长度出现的频率，结合对应的游程长度和灰度级别，获得每个所述预设游程方向的整体磨损参数；
在每个分级结果中，根据每个所述预设游程方向对应的所述角度参考性权重和所述整体磨损参数，获取每个所述预设游程方向的整体磨损度；所述整体磨损度与所述角度参考性权重负相关；所述整体磨损度与所述整体磨损参数正相关。
3.根据权利要求2所述的一种泥浆管路磨损自动监测方法，其特征在于，所述整体磨损度的计算公式包括：
；其中，/>表示预设游程方向的序号；/>表示分级结果的序号；/>表示第/>种分级结果中，第/>个预设游程方向的整体磨损度；/>表示第/>个预设游程方向所在直线与泥浆行进方向所在直线的夹角值；/>表示预设第一除零常数，/>0.1；/>表示第/>个预设游程方向对应的角度参考性权重；/>表示预设分级方法对应的灰度级别的总数；/>表示预设分级方法对应的灰度级别的序号；/>表示游程矩阵中游程长度种类的序号；/>表示第/>个预设游程方向对应的灰度游程矩阵中，第/>个灰度级别对应的游程长度的种类的数量；/>表示第/>种分级结果中，第/>个预设游程方向对应的灰度游程矩阵中，第/>个灰度级别对应的第/>种游程长度出现的频率；/>表示第/>种分级结果中，第/>个预设游程方向对应的灰度游程矩阵中，第/>个灰度级别对应的第/>种游程长度对应的游程长度值；/>表示第/>种分级结果中，第/>个预设游程方向对应的整体磨损参数。
4.根据权利要求1所述的一种泥浆管路磨损自动监测方法，其特征在于，所述重要程度参数的获取方法包括：
在所述二维数据矩阵中，根据相同超声波反射强度的数据点之间的距离特征，获得离散分布参数；
在所述二维数据矩阵中，以每个数据点为中心，以预设邻域尺寸构建每个数据点的预设邻域；根据每个数据点与对应预设邻域内其他数据点的超声波反射强度的差异，结合预设邻域内中心处的数据点的超声波反射强度，获取第一重要性参数；根据每个数据点与对应预设邻域内其他数据点之间的连线与泥浆行进方向的角度差异，获取第二重要性参数；
根据每个数据点对应的所述第一重要性参数和所述第二重要性参数，结合所述离散分布参数，获取每个超声波反射强度的重要程度参数；所述第一重要性参数和所述离散分布参数均与所述重要程度参数正相关；所述第二重要性参数与所述重要程度参数负相关。
5.根据权利要求4所述的一种泥浆管路磨损自动监测方法，其特征在于，所述重要程度参数的获取方法包括：
在所述二维数据矩阵中，获取每个相同超声波反射强度的任意两个数据点之间的平均欧氏距离，将平均欧氏距离归一化后的结果值作为每个超声波反射强度的离散分布参数；
利用重要程度参数的计算公式获取每个超声波反射强度的重要程度参数；所述重要程度参数的计算公式包括：
；其中，/>为超声波反射强度的序号；/>表示第/>个超声波反射强度对应的重要程度参数；/>表示第/>个超声波反射强度对应的离散分布参数，/>，/>表示标准归一化函数，/>表示第/>个超声波反射强度下，任意两个数据点构成的组合的数量，/>表示任意两个数据点构成的组合的序号，/>表示第/>个超声波反射强度下，第/>组的两个数据点之间的欧氏距离，/>，/>表示第/>个超声波反射强度对应的数据点的数量，/>表示从/>个不同数据中取出2个数据的所有组合的个数；/>表示每个超声波反射强度对应的数据点的序号；/>表示每个数据点对应的预设邻域内其他数据点的序号；/>表示第/>个超声波反射强度对应的第/>个数据点的预设邻域内其他数据点的数量；/>表示第/>个超声波反射强度对应的第/>个数据点的超声波反射强度值；/>表示第/>个超声波反射强度对应的第/>个数据点的，预设邻域内第/>个其他数据点的超声波反射强度值；/>表示第/>个超声波反射强度对应的第/>个数据点，与预设邻域内第/>个其他数据点的连线，与泥浆行进方向所在直线的夹角值；/>表示第/>个超声波反射强度对应的第/>个数据点的第一重要性参数；/>表示预设第二除零常数，/>0.1；/>表示预设第三除零常数，/>0.1。
6.根据权利要求1所述的一种泥浆管路磨损自动监测方法，其特征在于，所述分级评价参数的计算公式包括：
；其中，/>表示分级结果的序号；/>表示第/>种分级结果的分级评价参数；/>表示第/>种分级结果中，第/>个预设游程方向的整体磨损度；/>表示预设游程方向的数量；/>表示预设分级方法对应的灰度级别的总数；/>表示预设分级方法对应的灰度级别的序号；/>表示第/>种分级结果中，第/>个灰度级别对应的所有超声波反射强度的重要程度参数的均值；/>表示第/>种分级结果中，第/>个灰度级别对应的所有超声波反射强度的重要程度参数的均值；/>表示第/>种分级结果中，第/>个灰度级别对应的所有超声波反射强度中，任意两个超声波反射强度的重要程度参数差值绝对值的均值；/>表示第/>种分级结果中，第/>个灰度级别对应的所有超声波反射强度中，任意两个超声波反射强度的重要程度参数差值绝对值的均值；/>表示第/>种分级结果的初始评价参数。
7.根据权利要求1所述的一种泥浆管路磨损自动监测方法，其特征在于，所述对泥浆管路磨损进行自动监测的方法包括：
将所述最优分级结果对应的每个预设游程方向的所述整体磨损度的和值进行归一化后，作为泥浆管路的磨损评价参数；当泥浆管路的所述磨损评价参数大于预设磨损临界参数时，判定泥浆管路发生严重磨损。
8.一种泥浆管路磨损自动监测系统，所述系统包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1~7任意一项所述一种泥浆管路磨损自动监测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410424281.7A CN118009946B (zh) | 2024-04-10 | 2024-04-10 | 一种泥浆管路磨损自动监测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410424281.7A CN118009946B (zh) | 2024-04-10 | 2024-04-10 | 一种泥浆管路磨损自动监测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN118009946A CN118009946A (zh) | 2024-05-10 |
| CN118009946B true CN118009946B (zh) | 2024-06-21 |
Family
ID=90956715
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410424281.7A Active CN118009946B (zh) | 2024-04-10 | 2024-04-10 | 一种泥浆管路磨损自动监测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118009946B (zh) |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4845628A (en) * | 1986-08-18 | 1989-07-04 | Automated Decisions, Inc. | Method for optimization of drilling costs |
| US5305836A (en) * | 1992-04-08 | 1994-04-26 | Baroid Technology, Inc. | System and method for controlling drill bit usage and well plan |
| MX2016009813A (es) * | 2014-02-28 | 2016-10-26 | Landmark Graphics Corp | Calculo y control de desgaste de la tuberia de revestimiento durante una actividad de perforacion usando mapas de desgaste de la tuberia de revestimiento. |
| US10221673B2 (en) * | 2014-10-31 | 2019-03-05 | Halliburton Energy Services, Inc. | Peak analysis of multi-directional sonic an ultrasonic waveforms for cement bond logging |
| US20210366256A1 (en) * | 2018-10-22 | 2021-11-25 | Motive Drilling Technologies, Inc. | Systems and methods for oilfield drilling operations using computer vision |
| US20220276143A1 (en) * | 2021-02-26 | 2022-09-01 | Saudi Arabian Oil Company | Method and system for automatic evaluation of cutting element during wear test |
| CN115435247A (zh) * | 2022-09-01 | 2022-12-06 | 国家石油天然气管网集团有限公司 | 用于监控管道沿线安全的方法、装置及存储介质 |
| CN116626685B (zh) * | 2023-07-20 | 2023-09-29 | 山东大禹水务建设集团有限公司 | 基于机器学习的河道底泥实时监测方法及系统 |
-
2024
- 2024-04-10 CN CN202410424281.7A patent/CN118009946B/zh active Active
Non-Patent Citations (2)
| Title |
|---|
| 基于灰色关联分析和层次分析法的水泥回转窑用煤质量指标综合评价;周斌;艾玉强;费延梅;冯富宁;;水泥工程;20201015(第05期);全文 * |
| 大直径泥水盾构复杂地层长距离挖进过程中的泥浆管路磨损研究;黄波;隧道建设;20160430;第36卷(第4期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN118009946A (zh) | 2024-05-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110287932B (zh) | 基于深度学习图像语义分割的道路阻断信息提取方法 | |
| US20190339210A1 (en) | Multi-sensor pipe inspection system and method | |
| KR20220034210A (ko) | 딥 러닝 기반 3d 포인트 클라우드의 객체 감지 및 인스턴스 분할 | |
| US10776111B2 (en) | Point cloud data method and apparatus | |
| CN116167668B (zh) | 基于bim的绿色节能建筑施工质量评价方法及系统 | |
| CN108171193B (zh) | 基于超像素局部信息度量的极化sar舰船目标检测方法 | |
| US20170061607A1 (en) | Ovarian follicle segmentation in ultrasound images | |
| GB2522365B (en) | Method for processing an image | |
| US20190051006A1 (en) | Adaptive processing of spatial imaging data | |
| CN115690106B (zh) | 一种基于计算机视觉的深埋锚具封闭检测方法 | |
| CN110751172A (zh) | 一种弱监督学习的病理全片图像类别推断方法及其系统 | |
| CN116152749B (zh) | 基于数字孪生的齿轮磨损智能监测方法 | |
| CN116883408B (zh) | 基于人工智能的积算仪壳体缺陷检测方法 | |
| CN111738278B (zh) | 一种水下多源声学图像特征提取方法及系统 | |
| CN111709487A (zh) | 基于决策级融合的水下多源声学图像底质分类方法及系统 | |
| CN118009946B (zh) | 一种泥浆管路磨损自动监测方法及系统 | |
| CN116246174A (zh) | 基于图像处理的甘薯种类识别方法 | |
| CN105488798B (zh) | 基于点集对比的sar图像相似性度量方法 | |
| Thurley et al. | Identifying, visualizing, and comparing regions in irregularly spaced 3D surface data | |
| CN113281779B (zh) | 一种3d物体快速检测方法、装置、设备及介质 | |
| CN109697474B (zh) | 基于迭代贝叶斯的合成孔径雷达影像变化检测方法 | |
| Geng et al. | A thin-plate CAD mesh model splitting approach based on fitting primitives | |
| Nilsson | Multifractal-based image analysis with applications in medical imaging | |
| CN116012613A (zh) | 一种基于激光点云的露天矿的土方量变化测算方法和系统 | |
| CN111507423A (zh) | 输电线路通道清理的工程量测算方法 |
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 |