CN118225999A - 一种大直径压力钢管焊缝无损检测方法及系统 - Google Patents
一种大直径压力钢管焊缝无损检测方法及系统 Download PDFInfo
- Publication number
- CN118225999A CN118225999A CN202410639498.XA CN202410639498A CN118225999A CN 118225999 A CN118225999 A CN 118225999A CN 202410639498 A CN202410639498 A CN 202410639498A CN 118225999 A CN118225999 A CN 118225999A
- Authority
- CN
- China
- Prior art keywords
- data
- data acquisition
- sequence
- weld
- positions
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 32
- 239000010959 steel Substances 0.000 title claims abstract description 32
- 238000009659 non-destructive testing Methods 0.000 title claims abstract description 25
- 230000006378 damage Effects 0.000 claims abstract description 81
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 76
- 230000002159 abnormal effect Effects 0.000 claims abstract description 53
- 238000001514 detection method Methods 0.000 claims abstract description 16
- 238000003466 welding Methods 0.000 claims description 34
- 210000001503 joint Anatomy 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 6
- 230000001066 destructive effect Effects 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 6
- 230000001174 ascending effect Effects 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims 1
- 239000000463 material Substances 0.000 abstract description 2
- 230000006399 behavior Effects 0.000 description 5
- 230000005856 abnormality Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 239000012530 fluid Substances 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 230000002195 synergetic effect Effects 0.000 description 2
- 238000010220 Pearson correlation analysis Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013450 outlier detection Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 239000008400 supply water Substances 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
Landscapes
- Investigating Strength Of Materials By Application Of Mechanical Stress (AREA)
Abstract
本发明涉及材料瑕疵识别技术领域,提出了一种大直径压力钢管焊缝无损检测方法及系统,包括:采集水压数据和水流流量数据,获取压力序列和流速序列;获取关联性数据和数据采集位置的区域性影响指数,进而获取数据采集位置的区域性动态关联因子;确定动态关联序列,获取异常值和异常值的局部异常得分,建立异常值的相关序列,根据异常值的相关序列划分聚类簇并对聚类簇编号,根据动态关联序列中异常值和异常值的局部异常得分,以及异常值的相关序列划分出的聚类簇,获取潜在性焊缝损伤指数,根据潜在性焊缝损伤指数的取值实现大直径压力钢管的焊缝无损检测。本发明解决现有的大直径压力钢管焊缝无损检测无法及时检测出潜在性损伤的问题。
Description
技术领域
本发明涉及材料瑕疵识别技术领域,具体涉及一种大直径压力钢管焊缝无损检测方法及系统。
背景技术
大直径压力钢管是引水工程中输水系统的核心部分。大直径压力管道的焊缝中可能存在微裂纹和内部夹杂物的损伤,由于这些损伤尺寸微小或位置隐蔽,往往难以通过常规检测手段发现。在大直径压力管道使用的过程中,这些隐蔽的损伤可能会逐渐发展,潜在地影响水流的连续性和均匀性,进而导致流速和水压的变化,影响大直径压力管道的使用。此外,未焊透和未熔合等损伤产生的原因为缺乏充分的冶金结合,可能会在管道中产生局部阻力,增加水流的不稳定性。对大直径压力钢管进行焊缝无损检测能够保证供水的连续性和稳定性,确保管道的安全性和可靠性,防止漏水或爆管事故,保障水资源的高效利用和环境安全。
由于微裂纹和蠕变损伤等潜在性焊缝损伤的隐蔽性,通常在大直径压力钢管的长期使用的过程中在长期应力作用下产生缓慢变形,影响大直径压力管道的使用,所以,需要在大直径压力管道的使用过程中对焊缝进行无损检测。现有技术一般对大直径压力管道中的水流数据进行异常检测,然而,当水流数据出现异常时,微裂纹和蠕变损伤等潜在性焊缝损伤就已经比较严重了。因此,采用根据管道中的水流数据进行焊缝的无损检测存在一定的滞后性,无法及时发现这些潜在性损伤,当发现异常时,微裂纹和蠕变损伤等潜在性焊缝损伤往往较为严重,无法及时发现这些潜在性损伤。
发明内容
本发明提供一种大直径压力钢管焊缝无损检测方法及系统,以解决现有的大直径压力钢管焊缝无损检测无法及时检测出潜在性损伤的问题,所采用的技术方案具体如下:
第一方面,本发明一个实施例提供了一种大直径压力钢管焊缝无损检测方法,该方法包括以下步骤:
在相邻的两个焊缝确定的数据采集位置采集水压数据和水流流量数据,获取压力序列和流速序列;
根据数据采集位置的压力序列和流速序列,获取数据采集位置在每个采集时刻的关联性数据,确定数据采集位置的分形维数,根据相邻数据采集位置在不同采集时刻的关联性数据之间的差异和数据采集位置的分形维数,获取数据采集位置的区域性影响指数,进而获取数据采集位置的区域性动态关联因子;
根据区域性动态关联因子,确定动态关联序列,获取动态关联序列中异常值和异常值的局部异常得分,建立异常值的相关序列,根据异常值的相关序列划分聚类簇并对聚类簇编号,根据动态关联序列中异常值和异常值的局部异常得分,以及异常值的相关序列划分出的聚类簇,获取潜在性焊缝损伤指数;
根据潜在性焊缝损伤指数进行大直径压力钢管的焊缝无损检测。
进一步,所述关联性数据,获取的具体方法为:
将数据采集位置在同一采集时刻的水压数据和水流流量数据的均值与数据采集位置的压力序列和流速序列的相关性的乘积,记为数据采集位置在所述同一采集时刻的关联性数据。
进一步,所述根据相邻数据采集位置在不同采集时刻的关联性数据之间的差异和数据采集位置的分形维数,获取数据采集位置的区域性影响指数,包括的具体方法为:
将所有数据采集位置在同一采集时刻的关联性数据的均值,记为采集时刻的关联性数据均度;
将数据采集位置在采集时刻的关联性数据与相同采集时刻的关联性数据均度的差值,记为采集时刻的第一数据均度差值;
将数据采集位置对应的所有采集时刻的第一数据均度差值的和与数据采集位置的分形维数的乘积,记为数据采集位置的第一影响度;
将数据采集位置与相邻数据采集位置的所有第一影响度的和,记为数据采集位置的区域性影响指数。
进一步,所述进而获取数据采集位置的区域性动态关联因子,包括的具体方法为:
其中,/>为数据采集位置/>的区域性动态关联因子;/>表示数据采集位置/>的区域性影响指数,其中,数据采集位置/>和数据采集位置/>为数据采集位置/>的相邻数据采集位置;/>为/>函数;/>表示以自然常数为底数的指数函数;/>为数据采集位置/>的分形维数;/>为数据采集位置/>的分形维数;/>为第二调节参数;/>为第三调节参数。
进一步,所述根据区域性动态关联因子,确定动态关联序列,包括的具体方法为:
将相邻的两个焊缝确定的所有数据采集位置的区域性动态关联因子按照数据采集位置的排列顺序进行排列,获取动态关联序列。
进一步,所述建立异常值的相关序列,包括的具体方法为:
将动态关联序列中的异常值对应的数据采集位置的所有关联性数据按照采集时刻的先后顺序进行排列,获取异常值的相关序列。
进一步,所述根据异常值的相关序列划分聚类簇并对聚类簇编号,包括的具体方法为:
对异常值的相关序列内包含的所有关联性数据进行聚类,获取聚类簇;
按照聚类簇内包含的所有关联性数据的均值的升序顺序对聚类簇从数字1开始进行编号。
进一步,所述根据动态关联序列中异常值和异常值的局部异常得分,以及异常值的相关序列划分出的聚类簇,获取潜在性焊缝损伤指数,包括的具体方法为:
其中,/>为相邻的焊缝A、B确定的大直径压力钢管区域的潜在性焊缝损伤指数;D为相邻的焊缝A、B确定的动态关联序列中异常值数量;为相邻的焊缝A、B确定的第/>个异常值确定的聚类簇数量;/>为第/>个异常值的局部异常得分;/>为自然常数;/>为动态关联序列中的异常值的标准差;/>为第二调节参数;/>为编号为/>的聚类簇内包含的所有关联性数据的均值;/>为编号为/>的聚类簇内包含的所有关联性数据的均值。
进一步,所述根据潜在性焊缝损伤指数进行大直径压力钢管的焊缝无损检测,包括的具体方法为:
设置焊缝损伤阈值;
当潜在性焊缝损伤指数的归一化值大于等于焊缝损伤阈值时,判定大直径压力钢管区域存在焊缝的潜在损伤,否则,判定大直径压力钢管区域不存在焊缝的潜在损伤。
第二方面,本发明实施例还提供了一种大直径压力钢管焊缝无损检测系统,包括存储器、处理器以及存储在所述存储器中并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上述任意一项所述方法的步骤。
本发明的有益效果是:
本发明首先根据同一数据采集位置的水压数据和水流流量数据的具体取值以及线性相关关系,获取数据采集位置在每个采集时刻的关联性数据,不仅捕捉了水压数据、水流流量数据的数据绝对变化量,还体现了水压数据和水流流量数据之间的协同效应,能够动态地反映不同采集时刻的水压数据和水流流量数据的联合行为,为识别和分析系统在各个采集时刻的运行状态提供了直观且有效的量化指标;
然后,评价相邻数据采集位置范围内采集的数据显著偏离区域平均水平的程度,获取数据采集位置的区域性影响指数,不仅能够评估数据采集位置的动态行为,还能够了解关联性数据之间的差异在相邻数据采集位置中的分布情况,并进一步获取数据采集位置的区域性动态关联因子,即数据采集位置对相邻的数据采集位置的水压和水的流速的影响程度,当影响程度越小时,在大直径压力钢管上的数据采集位置受到微裂纹和蠕变损伤等潜在性焊缝损伤影响的可能性越大;
进一步的,根据大直径压力钢管的焊缝处存在的微裂纹和蠕变损伤等潜在性焊缝损伤会增加局部的流动阻力,导致焊缝处的压力损失异常增加的特征,以及焊缝区域存在的局部流动扰动会导致大直径压力钢管内水流流速的变化的特征,获取潜在性焊缝损伤指数,即相邻的焊缝确定的大直径压力钢管区域出现了潜在性焊缝损伤的可能性评价,最后,根据潜在性焊缝损伤指数的取值实现大直径压力钢管的焊缝无损检测,解决现有的大直径压力钢管焊缝无损检测无法及时检测出潜在性损伤的问题,提升大直径压力钢管焊缝无损检测的准确性和及时性。
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,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地介绍,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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一个实施例所提供的一种大直径压力钢管焊缝无损检测方法的流程示意图;
图2为区域性动态关联因子获取流程图;
图3为潜在性焊缝损伤指数获取流程图。
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。
请参阅图1,其示出了本发明一个实施例提供的一种大直径压力钢管焊缝无损检测方法流程图,该方法包括以下步骤:
步骤S001,采集水压数据和水流流量数据,获取压力序列和流速序列。
水流流速的变化直接影响管道内的压力分布,因此,本实施例在实现焊缝无损检测的过程中,综合考虑水流流速和水压。由于大直径压力钢管内不同位置的水流流速存在差异,所以,本实施例采集水流流量数据作为水流流速的评价数据。
利用可编程逻辑控制器调节水泵的水流流速,使水泵供水的流速实现不均匀变化,在大直径压力钢管的每个焊缝处安装压力计和流量计,使用压力计和流量计分别采集焊缝处的水压数据和水流流量数据。在大直径压力钢管的每两个相邻焊缝中间均匀设置个节点,并在每个节点处安装压力计和流量计。
本实施例以相邻的焊缝A和焊缝B为例,焊缝A、焊缝B以及焊缝之间所有节点处的压力计和流量计均从水泵开始供水时开始数据采集,并且以为时间间隔进行均匀数据采集,每个压力计和流量计均采集/>个数据。
将焊缝A、焊缝B以及焊缝之间所有节点均记为数据采集位置。
将每个数据采集位置采集的水压数据按照时间顺序进行排列并使用算法进行归一化,获取压力序列;将每个节点处采集的水流流量数据按照时间顺序进行排列并使用/>算法进行归一化,获取流速序列。
其中,本实施例对取值为5,对/>取值为1秒,对/>取值为500;使用/>算法对数据进行归一化为公知技术,不再赘述。
需要说明的是,为了方便运算,本发明实施例中所参与运算的所有指标数据均经过数据预处理,进而取消量纲影响。具体去量纲影响的手段为本领域技术人员熟知的技术手段,在此不做限定。
至此,获取每个数据采集位置的压力序列和流速序列。
步骤S002,获取数据采集位置在每个采集时刻的关联性数据,建立关联性数据坐标系,确定数据采集位置的分形维数,获取数据采集位置的区域性影响指数,进而获取数据采集位置的区域性动态关联因子。
当大直径压力钢管出现微裂纹和蠕变损伤等潜在性焊缝损伤时,这些潜在性损伤会影响水流的正常流动,导致水压下降、流速变化,所以,分析相邻节点之间的流速和压力关系可以识别出大直径压力钢管内是否存在潜在性损伤。例如,当一个数据采集位置的水压明显低于相邻的数据采集位置,表明该数据采集位置可能存在较大的摩擦损失或泄漏,在该数据采集位置出现潜在性损伤的可能性较大。
以数据采集位置为例,将数据采集位置/>的压力序列和流速序列作为输入,使用皮尔逊相关分析算法输出数据采集位置/>的压力序列和流速序列的相关性。相关性量化了压力序列和流速序列之间的线性关系强度,当线性关系越强时,相关性的绝对值越大。
根据数据采集位置的压力序列和流速序列,获取数据采集位置/>在每个采集时刻的关联性数据。
其中,/>为数据采集位置/>在采集时刻/>的关联性数据;/>为数据采集位置/>的压力序列和流速序列的相关性;/>为数据采集位置/>在采集时刻/>的水压数据;/>为数据采集位置/>在采集时刻/>的水流流量数据;/>为第一调节参数,本实施例取值为2。
当压力序列和流速序列之间的线性关系强度越大时,数据采集位置在采集时刻的关联性数据越大,同时,关联性数据综合考虑每个采集时刻的水压数据、水流流量数据以及压力序列和流速序列之间的线性关系强度,不仅捕捉了水压数据、水流流量数据的数据绝对变化量,还体现了水压数据和水流流量数据之间的协同效应,能够动态地反映不同采集时刻的水压数据和水流流量数据的联合行为,为识别和分析系统在各个采集时刻的运行状态提供了直观且有用的量化指标。
将数据采集时刻作为横轴,将数据值取值作为纵轴,建立平面直角坐标系,在平面直角坐标系中填充所有数据采集位置的所有采集时刻的关联性数据对应的点,获取关联性数据坐标系。对关联性数据坐标系使用盒计数法,计算每个数据采集位置的分形维数。
其中,使用盒计数法计算分形维数为公知技术,不再赘述;分形维数反映了数据采集位置的水压数据和水流流量数据的复杂性和不规则性,揭示了流体在管道系统中流动的动态特性,较高的分形维数表明数据采集位置的水压数据和水流流量数据之间的关系更为复杂,受到微裂纹和蠕变损伤等潜在性焊缝损伤影响的可能性越大。
将所有数据采集位置在同一采集时刻的关联性数据的均值,记为采集时刻的关联性数据均度。将数据采集位置在采集时刻的关联性数据与相同采集时刻的关联性数据均度的差值,记为采集时刻的第一数据均度差值;将数据采集位置/>对应的所有采集时刻的第一数据均度差值的和与数据采集位置/>的分形维数的乘积,记为数据采集位置/>的第一影响度。将数据采集位置/>与相邻数据采集位置的所有第一影响度的和,记为数据采集位置/>的区域性影响指数。
根据相邻数据采集位置在不同采集时刻的关联性数据之间的差异和数据采集位置的分形维数,获取数据采集位置的区域性影响指数,不仅能够评估数据采集位置的动态行为,还能够了解关联性数据之间的差异在相邻数据采集位置中的分布情况,从而评价相邻数据采集位置范围内采集的数据显著偏离区域平均水平的程度,当数据采集位置的区域性影响指数越大时,数据采集位置采集的水压数据和水流流量数据表现出的波动性和不规则性越为显著,数据采集位置对相邻的数据采集位置采集的数据的影响越大,数据采集位置受到微裂纹和蠕变损伤等潜在性焊缝损伤影响的可能性越大。
根据数据采集位置的区域性影响指数和分形维数,获取数据采集位置的区域性动态关联因子。
其中,/>为数据采集位置/>的区域性动态关联因子;/>表示数据采集位置/>的区域性影响指数,其中,数据采集位置/>和数据采集位置/>为数据采集位置/>的相邻数据采集位置;/>为/>函数;/>表示以自然常数为底数的指数函数;/>为数据采集位置/>的分形维数;/>为数据采集位置/>的分形维数;/>为第二调节参数,本实施例取值为1;/>为第三调节参数,本实施例取值为3。
当相邻的数据采集位置的区域性影响指数差异越小,数据采集位置的区域性影响指数越小时,数据采集位置的区域性动态关联因子越小,此时,相邻的数据采集位置之间的关联性越小,数据采集位置对相邻的数据采集位置的水压和水的流速的影响越小,在大直径压力钢管上的数据采集位置受到微裂纹和蠕变损伤等潜在性焊缝损伤影响的可能性越大。
至此,获取数据采集位置的区域性动态关联因子,区域性动态关联因子获取流程图如图2所示。
步骤S003,根据区域性动态关联因子确定动态关联序列,建立异常值的相关序列,根据异常值的相关序列划分聚类簇并对聚类簇编号,获取潜在性焊缝损伤指数,根据潜在性焊缝损伤指数的取值实现大直径压力钢管的焊缝无损检测。
在正常情况下,流体通过管道时会遇到一定的阻力,导致沿程压力下降,如果大直径压力钢管的焊缝处存在微裂纹和蠕变损伤等潜在性焊缝损伤,这些潜在性焊缝损伤会增加局部的流动阻力,导致焊缝处的压力损失异常增加。同时,焊缝区域存在的局部流动扰动会导致大直径压力钢管内水流流速的变化。例如,当大直径压力钢管的焊缝位置出现泄漏时,大直径压力钢管内的流体会从泄漏点逸出,导致下游流速增加、上游流速减少。
将相邻的焊缝A和焊缝B确定的所有数据采集位置的区域性动态关联因子按照数据采集位置的排列顺序进行排列,获取动态关联序列。以动态关联序列作为输入,使用LOF离群因子检测算法获取动态关联序列中的异常值和每个异常值的局部异常得分。
当异常值的局部异常得分越大时,异常值相对于动态关联序列内其他异常值的异常程度越大,异常值对应的数据采集位置出现了微裂纹和蠕变损伤等潜在性损伤的可能性越大。
当动态关联序列中的异常值差异越小时,异常值的数值分布越为集中,在动态关联序列对应的这些数据采集位置附近,水流的流动特性出现了集中且一致的偏差的可能性越大,则相邻的焊缝A、B之间的区域对应一种集中且稳定的潜在焊缝缺陷的可能性越大。当动态关联序列中的异常值差异越大时,异常值的数值分布越为分散,在动态关联序列对应的这些数据采集位置附近,水流的流动特性出现了多种不同潜在焊缝缺陷的可能性越大,则相邻的焊缝A、B之间的区域对应多种不同潜在焊缝缺陷的可能性越大。
将动态关联序列中的异常值对应的数据采集位置的所有关联性数据按照采集时刻的先后顺序进行排列,获取异常值的相关序列。
将异常值的相关序列作为输入,设置最少点数目为3,最大半径为2,使用DBSCAN密度聚类算法对异常值的相关序列内所有关联性数据进行聚类,将获取的聚类簇数量记为。每一个聚类簇内包含的所有关联性数据均对应同一类水流流速和水压之间的相关行为模式。计算每个聚类簇内包含的所有关联性数据的均值,按照均值的升序顺序对聚类簇从数字1开始进行编号。
其中,使用LOF离群因子检测算法确定异常值和异常值的局部异常得分,以及使用DBSCAN密度聚类算法对数据进行聚类均为公知技术,不再赘述。
根据动态关联序列中异常值和异常值的局部异常得分,以及异常值的相关序列划分出的聚类簇,获取潜在性焊缝损伤指数。
其中,/>为相邻的焊缝A、B确定的大直径压力钢管区域的潜在性焊缝损伤指数;D为相邻的焊缝A、B确定的动态关联序列中异常值数量;为相邻的焊缝A、B确定的第/>个异常值确定的聚类簇数量;/>为第/>个异常值的局部异常得分;/>为自然常数;/>为动态关联序列中的异常值的标准差;/>为第二调节参数,本实施例取值为1;/>为编号为/>的聚类簇内包含的所有关联性数据的均值;/>为编号为的聚类簇内包含的所有关联性数据的均值。
当不同聚类簇内包含的数据的均值差异越大时,聚类簇内包含的数据对应的水压数据和水流流量数据对应多种不同行为模型的可能性越大,聚类簇对应的数据采集位置出现了潜在性焊缝损伤的可能性越大,此时,潜在性焊缝损伤指数越大。
当异常值的局部异常得分越大、不同聚类簇内包含的数据的均值差异越大时,潜在性焊缝损伤指数越大,相邻的焊缝A、B确定的大直径压力钢管区域出现了潜在性焊缝损伤的可能性越大。
潜在性焊缝损伤指数获取流程图如图3所示。
设置焊缝损伤阈值,本实施例对焊缝损伤阈值/>的取值为0.8。
当潜在性焊缝损伤指数的归一化值大于等于焊缝损伤阈值时,认为潜在性焊缝损伤指数对应的相邻两个焊缝确定的大直径压力钢管区域存在焊缝的潜在损伤;当潜在性焊缝损伤指数的归一化值小于焊缝损伤阈值/>时,认为潜在性焊缝损伤指数对应的相邻两个焊缝确定的大直径压力钢管区域不存在焊缝的潜在损伤。
当判断结果中出现了“存在焊缝的潜在损伤”的结果时,对相关人员和部门发出预警。
至此,实现大直径压力钢管的焊缝无损检测。
基于与上述方法相同的发明构思,本发明实施例还提供了一种大直径压力钢管焊缝无损检测系统,包括存储器、处理器以及存储在所述存储器中并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上述一种大直径压力钢管焊缝无损检测方法中任意一项所述方法的步骤。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的原则之内,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)
1.一种大直径压力钢管焊缝无损检测方法,其特征在于,该方法包括以下步骤:
在相邻的两个焊缝确定的数据采集位置采集水压数据和水流流量数据,获取压力序列和流速序列;
根据数据采集位置的压力序列和流速序列,获取数据采集位置在每个采集时刻的关联性数据,确定数据采集位置的分形维数,根据相邻数据采集位置在不同采集时刻的关联性数据之间的差异和数据采集位置的分形维数,获取数据采集位置的区域性影响指数,进而获取数据采集位置的区域性动态关联因子;
根据区域性动态关联因子,确定动态关联序列,获取动态关联序列中异常值和异常值的局部异常得分,建立异常值的相关序列,根据异常值的相关序列划分聚类簇并对聚类簇编号,根据动态关联序列中异常值和异常值的局部异常得分,以及异常值的相关序列划分出的聚类簇,获取潜在性焊缝损伤指数;
根据潜在性焊缝损伤指数进行大直径压力钢管的焊缝无损检测。
2.根据权利要求1所述的一种大直径压力钢管焊缝无损检测方法,其特征在于,所述关联性数据,获取的具体方法为:
将数据采集位置在同一采集时刻的水压数据和水流流量数据的均值与数据采集位置的压力序列和流速序列的相关性的乘积,记为数据采集位置在所述同一采集时刻的关联性数据。
3.根据权利要求1所述的一种大直径压力钢管焊缝无损检测方法,其特征在于,所述根据相邻数据采集位置在不同采集时刻的关联性数据之间的差异和数据采集位置的分形维数,获取数据采集位置的区域性影响指数,包括的具体方法为:
将所有数据采集位置在同一采集时刻的关联性数据的均值,记为采集时刻的关联性数据均度;
将数据采集位置在采集时刻的关联性数据与相同采集时刻的关联性数据均度的差值,记为采集时刻的第一数据均度差值;
将数据采集位置对应的所有采集时刻的第一数据均度差值的和与数据采集位置的分形维数的乘积,记为数据采集位置的第一影响度;
将数据采集位置与相邻数据采集位置的所有第一影响度的和,记为数据采集位置的区域性影响指数。
4.根据权利要求1所述的一种大直径压力钢管焊缝无损检测方法,其特征在于,所述进而获取数据采集位置的区域性动态关联因子,包括的具体方法为:
其中,/>为数据采集位置/>的区域性动态关联因子;/>表示数据采集位置/>的区域性影响指数,其中,数据采集位置/>和数据采集位置/>为数据采集位置/>的相邻数据采集位置;/>为/>函数;/>表示以自然常数为底数的指数函数;/>为数据采集位置/>的分形维数;/>为数据采集位置/>的分形维数;/>为第二调节参数;/>为第三调节参数。
5.根据权利要求1所述的一种大直径压力钢管焊缝无损检测方法,其特征在于,所述根据区域性动态关联因子,确定动态关联序列,包括的具体方法为:
将相邻的两个焊缝确定的所有数据采集位置的区域性动态关联因子按照数据采集位置的排列顺序进行排列,获取动态关联序列。
6.根据权利要求1所述的一种大直径压力钢管焊缝无损检测方法,其特征在于,所述建立异常值的相关序列,包括的具体方法为:
将动态关联序列中的异常值对应的数据采集位置的所有关联性数据按照采集时刻的先后顺序进行排列,获取异常值的相关序列。
7.根据权利要求6所述的一种大直径压力钢管焊缝无损检测方法,其特征在于,所述根据异常值的相关序列划分聚类簇并对聚类簇编号,包括的具体方法为:
对异常值的相关序列内包含的所有关联性数据进行聚类,获取聚类簇;
按照聚类簇内包含的所有关联性数据的均值的升序顺序对聚类簇从数字1开始进行编号。
8.根据权利要求1所述的一种大直径压力钢管焊缝无损检测方法,其特征在于,所述根据动态关联序列中异常值和异常值的局部异常得分,以及异常值的相关序列划分出的聚类簇,获取潜在性焊缝损伤指数,包括的具体方法为:
其中,/>为相邻的焊缝A、B确定的大直径压力钢管区域的潜在性焊缝损伤指数;D为相邻的焊缝A、B确定的动态关联序列中异常值数量;/>为相邻的焊缝A、B确定的第/>个异常值确定的聚类簇数量;/>为第/>个异常值的局部异常得分;/>为自然常数;/>为动态关联序列中的异常值的标准差;/>为第二调节参数;/>为编号为/>的聚类簇内包含的所有关联性数据的均值;/>为编号为/>的聚类簇内包含的所有关联性数据的均值。
9.根据权利要求1所述的一种大直径压力钢管焊缝无损检测方法,其特征在于,所述根据潜在性焊缝损伤指数进行大直径压力钢管的焊缝无损检测,包括的具体方法为:
设置焊缝损伤阈值;
当潜在性焊缝损伤指数的归一化值大于等于焊缝损伤阈值时,判定大直径压力钢管区域存在焊缝的潜在损伤,否则,判定大直径压力钢管区域不存在焊缝的潜在损伤。
10.一种大直径压力钢管焊缝无损检测系统,包括存储器、处理器以及存储在所述存储器中并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1-9任意一项方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410639498.XA CN118225999A (zh) | 2024-05-22 | 2024-05-22 | 一种大直径压力钢管焊缝无损检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410639498.XA CN118225999A (zh) | 2024-05-22 | 2024-05-22 | 一种大直径压力钢管焊缝无损检测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118225999A true CN118225999A (zh) | 2024-06-21 |
Family
ID=91502692
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410639498.XA Pending CN118225999A (zh) | 2024-05-22 | 2024-05-22 | 一种大直径压力钢管焊缝无损检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118225999A (zh) |
-
2024
- 2024-05-22 CN CN202410639498.XA patent/CN118225999A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Laucelli et al. | Detecting anomalies in water distribution networks using EPR modelling paradigm | |
CN112883538B (zh) | 一种埋地原油管道的腐蚀预测系统及方法 | |
CN104063588A (zh) | 基于多源数据融合的管道腐蚀缺陷尺寸的预测系统及方法 | |
CN108360608B (zh) | 一种供水系统输水管的爆管识别与定位方法 | |
CN112628613A (zh) | 一种管道泄漏监测、泄漏定位及泄漏量计算的方法及系统 | |
US12007251B2 (en) | Methods and internet of things (IoT) systems for diagnosing accuracy of smart gas ultrasonic meters | |
CN109578816A (zh) | 给水管网爆管检测方法及装置、控制方法及装置 | |
CN108506740B (zh) | 一种基于流速计的液体管道泄漏区域确定方法及系统 | |
CN116541678B (zh) | 一种气站安全管道压力监测方法、装置 | |
US10309861B2 (en) | Intelligent pipeline small leaks and thefts detection methods and systems | |
CN103775832A (zh) | 基于瞬变流反问题方法的输油管道漏失检测的装置 | |
CN113944891A (zh) | 一种化工装置设施泄漏检测修正方法 | |
EP4007899A1 (en) | Method and system to monitor pipeline condition | |
GB2586659A (en) | Inspection related systems and methods | |
CN108345707A (zh) | 基于概率的管道腐蚀缺陷计划响应时间确定方法及装置 | |
Smith et al. | Pipeline rupture detection using real-time transient modelling and convolutional neural networks | |
CN111365623B (zh) | 一种基于线性拟合的负压波拐点识别方法 | |
CN118225999A (zh) | 一种大直径压力钢管焊缝无损检测方法及系统 | |
CN113063100A (zh) | 管道泄漏的检测方法及装置 | |
CN112489194A (zh) | 在三维场景下台账信息和锅炉四管信息的展现方法及系统 | |
CN108980631B (zh) | 一种基于在线仿真的负压波法管道泄漏检测系统 | |
CN118130263B (zh) | 一种用于大直径压力钢管的水压测试方法及系统 | |
CN108343843B (zh) | 一种油气管道缺陷维修判定方法及装置 | |
CN114331128A (zh) | 一种基于物联网的智慧水务管理方法、系统、设备及介质 | |
JPH0763637A (ja) | パイプラインの漏洩検知方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination |