基于神经网络及数据融合的管道缺陷定量识别

分析了管道缺陷的特征参数与漏磁信号的关系,研究显示管道缺陷的深度和长度分别与漏磁信号的幅值和宽度呈近似线性关系。将实际漏磁信号预处理以消除传感器提离值不同带来的影响,然后用已训练好的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%,完全满足实际检测要求。分别用加权平均和自适应加权平均两种方法将轴向和径向漏磁信号进行信号级融合,融合后基于BP神经网络的缺陷定量识别的精度和可靠性得到了明显提高,其中加权平均法更优。