返回顶部
位置:标准分享网>无损检测论文>基于神经网络及数据融合的管道缺陷定量识别
基于神经网络及数据融合的管道缺陷定量识别
  • 资料大小:

  • 更新时间:

    2005-05-08

  • 授权方式:

    共享学习

  • 资料格式:

    PDF

  • 软件等级:

  • 官方主页:

    http://www.ndt88.com

资料简介

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。

所属栏目

科研成果与学术交流国家自然科学基金资助项目(60327001)

收稿日期

2005/5/8

作者单位

杨理践:沈阳工业大学 信息学院,沈阳 110023
马凤铭:沈阳工业大学 信息学院,沈阳 110023
高松巍:沈阳工业大学 信息学院,沈阳 110023

备注

杨理践(1957~),男,教授,博士生导师。

引用该论文:

YANG Li-jian,MA Feng-ming,GAO Song-wei.Quantitative Recognition of Pipeline Defects based on Neural Network and Data Fusion[J].Nondestructive Testing,2006,28(6):281~284
杨理践,马凤铭,高松巍.基于神经网络及数据融合的管道缺陷定量识别[J].无损检测,2006,28(6):281~284


被引情况:

【1】

杨 涛,王启江,高殿斌, "抽油管在线漏磁检测系统信号分析设计",无损检测 29, 447-449(2007)

【2】

宋小春,黄松岭,康宜华,赵 伟, "漏磁无损检测中的缺陷信号定量解释方法",无损检测 29, 407-411(2007)
参考文献

【1】

杨理践,王玉梅,冯海英.智能化管道漏磁检测装置的研究[J].无损检测,2002,24(3):100-102.

【2】

余浩然,吴 斌,陈丽萍.漏磁通法油气管道在役检测技术[J].实用测试技术,1997,23(5):1-9.

【3】

Hwang K, Mandayam S, Udpa SS, et al. Characterization of gas pipeline inspection signals using wavelet basis function neural networks[J]. NDT&E International,2000,33:531-545.

【4】

Ramuhalli P, Afzal M, Hwang K-T, et al. A feedback neural network approach for electromagnetic NDE signal inversion[A]. Electromagnetic Nondestructive Evaluation(IV)-Studies in Applied Electromagnetics and Mechanics 17\[C\]. Udpa SS, Takagi T, Pavo J, et al, edited, The Netherlands: IOS Press,2000.1-8.

【5】

杨 涛,王太勇,李 清,等.基于特征量和神经网络的钢管缺陷预测模型[J].钢铁,2004,39(9):50-53.

标准分享网无损检测论文频道,免费下载【基于神经网络及数据融合的管道缺陷定量识别】,仅供学习使用,不得商用,如需商用请购买正版基于神经网络及数据融合的管道缺陷定量识别。谢谢合作

【关键词】 漏磁检测 缺陷 神经网络 数据融合  杨理践 马凤铭 高松巍

猜下面文档对你有所帮助
无损检测论文排行