Identification Methods for Pipeline Defect Classification and Grading Based on Magnetic Memory Signal Characteristics
摘 要
基于支持向量机(SVM)方法和模拟油田现场管道磁记忆检测数据分别建立了管道缺陷的分类识别和分级识别方法;采用该方法对油田现场5根在役油气管道的缺陷类型进行了识别,并对试验管道的穿孔腐蚀与未穿孔腐蚀两种腐蚀程度进行了识别。结果表明:以三类不同特征量的组合分别建立的SVM模型对缺陷类型的识别率分别是77.08%、89.58%和95.83%,其中使用时域、形态和频域特征量的SVM模型的识别率最高;腐蚀缺陷分级识别方法的识别率达到了90%。该方法可有效识别管道腐蚀缺陷和应力集中缺陷,以及腐蚀缺陷的腐蚀程度。
Abstract
Based on support vector machine (SVM) method and magnetic memory detection data of pipeline in simulated oilfield scene, identification methods for pipeline defect classification and grading were established. The defect types of 5 oil and gas pipelines in service were identified and two degrees of corrosion, perforated corrosion and non-perforated corrosion, of the test pipelines were identified by the methods. The results showed that the identification rates of defect classification were 77.08%, 89.58% and 95.83% respectively for the SVM models established with different combination of three types of characteristic quantities, in which the identification rate of the model based on characteristic quantities of time domain, form and frequency domain was the highest. In addition, the classification rate of defect grading was 90%. The methods could effectively be used to identify corrosion defects and stress concentration defects, and to grade corrosion defects.
中图分类号 TG172 DOI 10.11973/fsyfh-202211012
所属栏目 应用技术
基金项目 国家重点研发计划(2016YFC0802302)
收稿日期 2021/1/3
修改稿日期
网络出版日期
作者单位点击查看
引用该论文: WANG Guisheng,LI Wei,YANG Yong,WAN Yong. Identification Methods for Pipeline Defect Classification and Grading Based on Magnetic Memory Signal Characteristics[J]. Corrosion & Protection, 2022, 43(11): 68
共有人对该论文发表了看法,其中:
人认为该论文很差
人认为该论文较差
人认为该论文一般
人认为该论文较好
人认为该论文很好
参考文献
【1】汪滨波, 廖昌荣, 骆静, 等. 金属磁记忆检测技术的研究现状及发展[J]. 无损检测, 2010, 32(6):467-474.
【2】张卫民, 董韶平, 张之敬. 金属磁记忆检测技术的现状与发展[J]. 中国机械工程, 2003, 14(10):892-896.
【3】DOUBOV A. Screening of weld quality using the magnetic metal memory effect[J]. Welding in the World, 1998, 41:196-199.
【4】任吉林, 王东升, 宋凯, 等. 应力状态对磁记忆信号的影响[J]. 航空学报, 2007, 28(3):724-728.
【5】龚灯, 韩刚. 基于磁记忆方法的管道应力检测设备的开发[J]. 电子测量与仪器学报, 2019, 33(2):94-100.
【6】林俊明, 张开良, 林发炳, 等. 长输油气管道的无损检测[J]. 无损检测, 2019, 41(9):44-47, 52.
【7】杨春海, 张江江, 曾文广. 非开挖磁记忆检测技术应用研究[J]. 石化技术, 2019, 26(6):86-87.
【8】朱圣平, 许航. 非接触式磁检测技术在长输管道外检中的应用[J]. 天然气与石油, 2019, 37(3):78-82.
【9】车飞, 高海霞, 马宝军, 等. 非接触磁记忆技术在地势起伏段埋地管道的检测应用[J]. 管道技术与设备, 2019(3):8-10.
【10】孙晓军. 基于磁记忆技术的埋地管道可靠性定量评价[D]. 大庆:东北石油大学, 2018:1-10.
【11】王国庆, 杨理践, 刘斌. 基于磁记忆的油气管道应力损伤检测方法研究[J]. 仪器仪表学报, 2017, 38(2):271-278.
【12】宋志强, 张莹, 张清民. 基于漏磁/磁记忆组合检测模式的埋地管道缺陷检测研究[J]. 机床与液压, 2016, 44(8):116-118.
【13】李云飞, 韦利明, 万强. X80管线钢不同缺陷类型的磁记忆检测试验研究[J]. 材料科学与工艺, 2019, 27(1):53-58.
【14】秦明旺, 陈浩, 邓茂云, 等. 埋地铁磁管道环焊缝夹渣缺陷非开挖技术研究[J]. 科学技术创新, 2019(36):22-23.
【15】邓茂云, 秦明旺, 陈浩. 埋地铁磁管道环焊缝非开挖定位技术研究[J]. 科技与创新, 2019(21):50-52.
【16】罗宗元. 金属磁记忆法检测各类输气管道[J]. 全面腐蚀控制, 2019, 33(9):1-6.
【17】龚利红, 李著信, 许红, 等. 基于感知器神经网络的金属磁记忆检测管道缺陷分析[J]. 机床与液压, 2013, 41(9):186-188.
【18】陈文明, 何辅云, 陈琨, 等. 石油管道检测中缺陷类型判别方法的研究[J]. 合肥工业大学学报(自然科学版), 2008, 31(12):1929-1932.
【19】龚利红, 李著信, 刘书俊. 管道金属磁记忆检测缺陷的判别分析模型[J]. 化工自动化及仪表, 2012, 39(3):313-315.
【20】刘书俊, 蒋明, 张伟明, 等. 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.
【2】张卫民, 董韶平, 张之敬. 金属磁记忆检测技术的现状与发展[J]. 中国机械工程, 2003, 14(10):892-896.
【3】DOUBOV A. Screening of weld quality using the magnetic metal memory effect[J]. Welding in the World, 1998, 41:196-199.
【4】任吉林, 王东升, 宋凯, 等. 应力状态对磁记忆信号的影响[J]. 航空学报, 2007, 28(3):724-728.
【5】龚灯, 韩刚. 基于磁记忆方法的管道应力检测设备的开发[J]. 电子测量与仪器学报, 2019, 33(2):94-100.
【6】林俊明, 张开良, 林发炳, 等. 长输油气管道的无损检测[J]. 无损检测, 2019, 41(9):44-47, 52.
【7】杨春海, 张江江, 曾文广. 非开挖磁记忆检测技术应用研究[J]. 石化技术, 2019, 26(6):86-87.
【8】朱圣平, 许航. 非接触式磁检测技术在长输管道外检中的应用[J]. 天然气与石油, 2019, 37(3):78-82.
【9】车飞, 高海霞, 马宝军, 等. 非接触磁记忆技术在地势起伏段埋地管道的检测应用[J]. 管道技术与设备, 2019(3):8-10.
【10】孙晓军. 基于磁记忆技术的埋地管道可靠性定量评价[D]. 大庆:东北石油大学, 2018:1-10.
【11】王国庆, 杨理践, 刘斌. 基于磁记忆的油气管道应力损伤检测方法研究[J]. 仪器仪表学报, 2017, 38(2):271-278.
【12】宋志强, 张莹, 张清民. 基于漏磁/磁记忆组合检测模式的埋地管道缺陷检测研究[J]. 机床与液压, 2016, 44(8):116-118.
【13】李云飞, 韦利明, 万强. X80管线钢不同缺陷类型的磁记忆检测试验研究[J]. 材料科学与工艺, 2019, 27(1):53-58.
【14】秦明旺, 陈浩, 邓茂云, 等. 埋地铁磁管道环焊缝夹渣缺陷非开挖技术研究[J]. 科学技术创新, 2019(36):22-23.
【15】邓茂云, 秦明旺, 陈浩. 埋地铁磁管道环焊缝非开挖定位技术研究[J]. 科技与创新, 2019(21):50-52.
【16】罗宗元. 金属磁记忆法检测各类输气管道[J]. 全面腐蚀控制, 2019, 33(9):1-6.
【17】龚利红, 李著信, 许红, 等. 基于感知器神经网络的金属磁记忆检测管道缺陷分析[J]. 机床与液压, 2013, 41(9):186-188.
【18】陈文明, 何辅云, 陈琨, 等. 石油管道检测中缺陷类型判别方法的研究[J]. 合肥工业大学学报(自然科学版), 2008, 31(12):1929-1932.
【19】龚利红, 李著信, 刘书俊. 管道金属磁记忆检测缺陷的判别分析模型[J]. 化工自动化及仪表, 2012, 39(3):313-315.
【20】刘书俊, 蒋明, 张伟明, 等. 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.
相关信息