油气管道缺陷漏磁在线检测定量识别技术

被引：11

作者：

杨理践

马凤铭

高松巍

机构：

[1] 沈阳工业大学信息学院

来源：

关键词：

漏磁检测; 缺陷; 神经网络; 数据融合;

D O I：

暂无

中图分类号：

TE973.6 [];

学科分类号：

摘要：

用有限元软件建模研究了管道缺陷的特征参数与漏磁信号的关系.对漏磁信号进行预处理以消除传感器提离值不同带来的影响,用BP神经网络进行了管道缺陷的定量识别,识别结果的误差<10%.将轴向和径向漏磁信号分别用加权平均和自适应加权平均两种方法进行信号级融合,数据融合后缺陷定量识别的精度和可靠性得到了提高.

引用

页码：245 / 247

页数：3

共 5 条

[1] 基于特征量和神经网络的钢管缺陷预测模型 [J].

杨涛 ;

王太勇 ;

秦旭达 ;

蒋奇 .

[2] 无损数据压缩在数据采集系统中的应用探讨 [J].

靳鸿 ;

裴东兴 ;

祖静 .

[3] 智能化管道漏磁检测装置的研究 [J].

杨理践 ;

王玉梅 ;

冯海英 .

[4] 多传感器数据融合时权的最优分配原则 [J].

凌林本 ;

李滋刚 ;

陈超英 ;

谷云彪 ;

李传学 .

[5]

基于神经网络的智能诊断.[M].虞和济等著;.冶金工业出版社.2000,