基于磁记忆检测技术,根据神经网络理论,建立了BP神经网络模型,对管道缺陷进行了检测识别.在试验样本上,缺陷识别率达97.5%,基于BP神经网络的磁记忆检测技术,提高了管道缺陷的识别率.

所属栏目

科研成果与学术交流后勤工程学院青年科研基金资助项目(院青年基金2013);供油系青年基金资助项目(系青年基金2015)

收稿日期

2014/12/17

作者单位

刘书俊:后勤工程学院 军事供油工程系, 重庆 401311
蒋明:后勤工程学院 军事供油工程系, 重庆 401311
张伟明:后勤工程学院 军事供油工程系, 重庆 401311
雍歧卫:后勤工程学院 军事供油工程系, 重庆 401311
何德安:后勤工程学院 军事供油工程系, 重庆 401311

备注

刘书俊(1985-),男,博士,讲师,主要从事油气储运控制技术及系统研究工作.

引用该论文:

LIU Shu-jun,JIANG Ming,ZHANG Wei-ming,YONG Qi-wei,HE De-an.Magnetic Memory Testing on Oil and Gas Pipeline Based on BP Neural Network[J].Nondestructive Testing,2015,37(7):25～28
刘书俊,蒋明,张伟明,雍歧卫,何德安.基于BP神经网络的油气管道缺陷磁记忆检测[J].无损检测,2015,37(7):25～28

参考文献

【1】

颜廷俊,张杰东,冯国栋,等.基于金属磁记忆的热采湿蒸汽发生器炉管缺陷早期检测[J].材料工程,2011(9):68-71.

【2】

任吉林,林俊明,任文坚,等.金属磁记忆检测技术研究现状与发展前景[J].无损检测,2012,34(4):3-11.

【3】

DOUBOV A A.A study of metal properties using the method of magnetic memory[J].Metal Science and Heat Treatment,1997,39(9):401-402.

【4】

DUBOV A.Principle features of metal magnetic memory method and inspection tools as compared to known magnetic NDT methods[J].CINDE Journal,2006,27(3):16-20

【5】

任吉林,林俊明.电磁无损检测[M] .北京:科学出版社,2008:377-379.

【6】

徐明秀,陈章华,徐敏强,等.疲劳过程中磁记忆信号变化的机理[J].机械工程学报,2014,50(4):53-59.

【7】

白勇,徐帆,乔霭潼,等.试件残余塑性变形与金属磁记忆检测信号的关系[J].材料工程,2013,49(8):42-49.

【8】

赵海江,关卫和,郭鹏举.34CrMo4钢拉伸过程中磁记忆信号分析[J].无损检测,2013,35(8):1-3,13.

【9】

梁志芳,李午申,王迎娜,等.焊接裂纹的金属磁记忆信号特征[J].天津大学学报,2006,39(6):5-7.

【10】

候媛彬,杜京义.神经网络[M].西安:西安电子科技大学出版社,2007.

【11】

MARTIN T H,HOWARD B D.Neural Network Design[M].USA:PWS Publishing Company,1996:227-234.

【12】

李庆芬,胡胜海,朱世范.断裂力学及其工程应用[M].哈尔滨:哈尔滨大学出版社,2005:1-58.