[發明專利]一種基于異構場信號的管道缺陷智能反演方法

有效

• 申請號: 202011186863.4
• 申請日: 2020-10-30
• 公開（公告）號: CN112345626B
• 公開（公告）日: 2022-07-29
• 發明（設計）人: 張化光;王雷;劉金海;馮健;汪剛;馬大中;盧森驤
• 申請（專利權）人: 東北大學
• 主分類號: G01N27/83
• 分類號: G01N27/83;G06K9/00;G06K9/62;G06N3/04;G06N3/08;F17D5/06
• 代理公司: 沈陽東大知識產權代理有限公司 21109
• 代理人: 李珉

1.一種基于異構場信號的管道缺陷智能反演方法，其特征在于：包括以下步驟：

步驟1：實時采集某段管道內各采樣點的異構場信號，并對采集的異構場信號進行異常判斷，再利用改進的平均中值法對各個采樣點的異構場信號進行基值校正；

步驟1.1：通過多個傳感器實時采集某段管道內各采樣點的異構場信號，并對異構場信號進行異常值判定，當異構場信號強度D_(i,j)滿足如下公式時判定該異構場信號為異常：

D_(i,j+1)-D_(i,j)＞50×(D_(i,j)-D_(i,j-1))

其中，D_(i,j)為第i號傳感器在采樣點j處的異構場信號強度，D_(i,j-1)為第i號傳感器在采樣點j-1處的異構場信號強度，D_(i,j+1)為第i號傳感器在采樣點j+1處的異構場信號強度，i＝1、2、…、I，I為管道內檢測器所攜帶的傳感器個數，j＝1、2、…、J，J為該段管道的采樣點個數；

若異構場信號為異常信號，則用前后兩采樣點的異構場信號強度的平均值代替異常點的信號強度；

步驟1.2：對傳感器獲得的各個采樣點的異構場信號進行基值校正，基值校正的方法如下公式所示：

其中，D_(i,j)ans為第i號傳感器在采樣點j處的異構場信號校正后的信號強度；k表示傳感器通道數；D_(i,j)mid為第i號傳感器在采樣點j處所有通道采集的異構場信號的中值，D_(i,j)max為第i號傳感器在采樣點j處所有通道采集的異構場信號的最大值；D_(i,j)min為第i號傳感器在采樣點j處所有通道采集的異構場信號的最小值；V_(i,j)mid為第i號傳感器輸出電壓的中值；V_ref為管道內檢測器所攜帶的霍爾傳感器的基準電壓值；P為管道內檢測器所攜帶的霍爾傳感器輸出電壓的放大倍數；sens為管道內檢測器所攜帶的霍爾傳感器輸出電壓的靈敏度；

步驟2：對步驟1處理后的各采樣點的異構場信號用小波分析方法進行去噪處理；

步驟3：對去噪處理后的管道缺陷對應的異構場信號進行填補操作，將不同尺寸的異構場信號統一成相同大小，其中，在采樣點方向用0補齊，在信號幅值方向采用異構場信號中值進行補齊，并對信號幅值做非線性變換；

步驟4：將非線性變換處理后的管道缺陷對應的異構場信號矩陣轉化為與稀疏自編碼器輸入維度相同的數據矩陣；

步驟5：設計具有軸對稱結構的稀疏自編碼器，將轉換后的管道缺陷對應的異構場信號矩陣輸入到稀疏自編碼器中，得到管道缺陷對應的異構場信號的初級特征，并保存稀疏自編碼器編碼部分的權重；

步驟6：對管道缺陷的長度、寬度和深度進行分類，得到各管道缺陷的類別標簽；

步驟7：設計基于softmax的多分類神經網絡，以有監督的方式對管道缺陷對應的異構場信號進行分類，進一步提取出含有缺陷尺寸信息的深層特征；

步驟8：以步驟7中提取出的管道缺陷對應的異構場信號的深層特征為輸入，以管道缺陷對應的異構場信號的真實尺寸信息為輸出構造決策樹個數為n_trees的隨機森林回歸模型，實現對管道缺陷尺寸的智能化反演。

2.根據權利要求1所述的一種基于異構場信號的管道缺陷智能反演方法，其特征在于：所述步驟2根據采集的各采樣點的異構場信號特征，選取sym10為小波基函數，通過小波分解、啟發式小波閾值處理及小波重構得到去噪后的異構場信號強度D_(i,j)result。