海底管道传感器阵列损伤信息的提取和融合研究精编版.docx
- 文档编号:27407482
- 上传时间:2023-06-30
- 格式:DOCX
- 页数:18
- 大小:1.48MB
海底管道传感器阵列损伤信息的提取和融合研究精编版.docx
《海底管道传感器阵列损伤信息的提取和融合研究精编版.docx》由会员分享,可在线阅读,更多相关《海底管道传感器阵列损伤信息的提取和融合研究精编版.docx(18页珍藏版)》请在冰豆网上搜索。
海底管道传感器阵列损伤信息的提取和融合研究精编版
现已开发的无缆管内智能检测爬行机大约3200mm长,60kg重,由七个密封筒状单元组成:
驱动机器人、系统控制器、电池、超声检测单元、漏磁检测单元、定位单元和数据处理存储单元。
爬行机将利用携带的超声和漏磁等传感元件、电子仪器、动力装置等,在管道内边行走边检测,是一个集机械、控制、检测于一体的机、电综合集成的高技术系统。
它可在高温、高压条件下,对数十公里甚至数百公里的各型管道完成在役自动检测。
表1-1列出了爬行器的部分基本参数
超声传感器对壁厚等径向变化敏感,检测腐蚀坑等大面积损伤有效。
但是损伤射频回波的解释比较困难,如何从损伤的超声回波中提取有用的信息,一直是当今无损检测领域的研究热点。
另外,超声检测在海底管道检测中有着独特的优点。
管道中的石油或海水可作为耦合剂;测量时探头离开管壁,阻力小,耗能小,对管壁有较强的适应能力,适合长距离检测;超声具有很强的穿透能力,可以测量管道内壁,外壁及壁内的损伤;探头可以采用不同的大小,不同的发射频率及不同的布设角度,以探测更多种类的损伤,提高对损伤的检出率。
大量检测信号处理理论及方法的研究本身具有挑战性,加上损伤本身的复杂性和多种多个传感器之间关系的复杂性,使得损伤的识别、量化和评估难上加难。
由于巨额的检测费用,管道损伤自动检测过程中,传感器系统一般只能一次性通过损伤,不能重复。
在复杂恶劣环境下获取的信息带有很高的不确定性。
本课题将信息融合理论和方法应用于管道损伤的量化和评估中,消除信息之间的冗余和矛盾,利用信息互补,提高信息处理质量,形成对环境的相对完整一致的描述,提高检测系统决策的快速性和正确性,以及规划的科学性,确保海底管道检测系统给出可信度高,精确度高的损伤量化和评估结果。
超声波是指其频率大于20KHz的声波。
超声波穿透力强,方便收集材料内部的信息;人耳听不到,不会造成对听觉的污染;频率高,波长小,因此声波发射的方向性强,检测小损伤能力强。
工业无损检测领域广泛利用超声波的上述特点,对材料表面和内部的损伤、材料内部的包含物、材料内部的不连续性等进行检测。
超声法智能管道检测系统是利用超声传感器阵列,测超声回波的时间延迟和方向的改变,来探测管道腐蚀坑的大小、裂纹和应力的存在。
管道无损检测中超声信号处理的目标是:
对信号进行预处理,抑制背景噪声、增强有用信息、改善信号质量,使以前很难获取的信息被检测出来;然后对信号进行特征提取与判别,定性定量地分析有关缺陷。
对超声回波信号的处理,主要是从时域的角度去分析和解释信号,并且大多是基于线性声学的理论基础,把声波当成纯频或准纯频声波进行分析。
如何从损伤的超声回波中提取精确的有用的信息,成为当今无损检测的研究热点和难点。
目前,在工程应用中,大多仍是依靠人工或半人工的方法对损伤回波的大小及到达时刻进行判断,以确定损伤的有无、大小当量值、大体分布等信息。
在有些特定的场合,希望通过多种多个传感器,多测量角度及多次反复测量达到对损伤的高精度识别和评估。
如何准确提取需要的特征量,如何消除多个传感器的冗余信息,合理利用互补信息得到理想的结果,如何监控各传感器状态,根据具体工况选择合适的传感器组合,如何安排激发次序都是当今多超声传感器检测甚至多传感器无损检测领域亟待解决的问题。
常见的信息融合系统分类方式有两种。
第一种是根据传感器种类的不同,将信息融合系统分为同类传感器的信息融合和异类传感器的信息融合。
在异类传感器系统中,由于各传感器提供信息的层次和维数的差异而使信息融合面临很大的不确定性。
第二种是根据平台的不同,将系统分为局部和全局两类。
根据对输入信息的抽象或融合输出结果的不同,对信息融合模型的分级有多种不同的方法。
广泛采用的分法依据输入信息的抽象层次将融合分为数据级、特征级和决策级。
信息融合是一种信息集成综合技术,是许多传统学科和新技术的结合。
根据应用环境的不同,人们提出了许多融合方法。
有静态的,动态的,基于概率统计的(如基于贝叶斯的贝叶斯因子、贝叶斯网络、最大似然法,证据理论法,卡尔曼滤波和蒙特卡罗法等),基于信息论的(聚类分析法、表决逻辑法、信息熵法等),基于模糊集或专家系统的人工智能方法。
采用神经网络和基于层次分析的加权平均法,对多种技术获取的同一损伤的尺寸进行融合。
其中,损伤深度的融合基于超声和漏磁两种技术提供的尺寸信息,损伤长度和宽度的融合仅基于漏磁技术提供的信息。
电噪声是管道超声检测系统中固有的噪声,结构噪声只在管道材料是粗晶材料时才对超声信号造成较大的影响.
由于检测工况复杂,传感器数量较大,考虑到信号和噪声的特性,选择检测信号的各次回波的到达时刻作为需提取的信号特征量。
通过多次回波到达时刻差,可求得管道的剩余壁厚。
由公称壁厚减去剩余壁厚,可得到损伤的深度信息
根据海底复杂恶劣的工作环境,确定通过超声脉冲反射法测量管壁各处的剩余厚度来确定表面损伤的深度(标准管壁厚度减去实际管壁厚度为损伤深度)。
脉冲反射法测厚的原理如图2-5所示(由前所述,被测部分可近似为一平面)。
发射电路发射一定频率和功率的高频电信号,激励超声换能器转换成超声波发射出来,经过管
在实验室的理想环境下,提离值和管道的剩余壁厚均较大,基于脉冲反射发的检测信号经过示波器的简单预处理后强度较大,各次回波到达时间的间距足够大,主体部分基本没有混叠。
该方法的性能并没有得到有力的验证和突出。
后续工作将使用该方法对实际管道在恶劣的工作环境下检测到的信号进行处理和特征提取,进一步验证此法的性能。
探索发现生命尔雅答案
欧洲西部教学反思脉冲涡流差分信号的六个形状特征量(三个上升段特征RS、TPDER和RCUR;三个下降段特征DS、TTDER和DCUR)被提取了出来,并进行了比较。
结论如下:
数学函数怎么学
(1)所有这些特征都可以不同程度地将表面损伤从其它两类损伤中分离出来。
某些特征还可以将壁厚减薄类损伤分离出来。
(2)大部分特征量可以有规律的反映出损伤尺寸的变化。
由于涡流检测的量化一向严重依赖于检测前的标定实验,具体特征同损伤尺寸之间关系的模型或函数有待进一步研究。
拾贝壳阅读答案(3)上升段和下降段的相应的形状特征性能相似。
依据信息的冗余,仅上升段信息即足够损伤分类。
该结论对于动态实时监测中减少采样数量,缩短检测时间很有利.
对于管道损伤的深度,将基于超声和漏磁两种技术提取出的深度信息进行了融合,这属于异类传感器信息的特征级融合。
对于管道损伤的长度和宽度特征,可用的信息均基于漏磁传感器阵列的检测数据,这属于同类传感器信息的特征级融合。
本章提出的两种方法均可用于同类和异类传感器信息的特征级融合中。
数学试卷讲评教案本节将神经网络技术应用于管道数据融合领域,采用经典的BP算法和改进的BP-LM算法对异类传感器阵列提供的管道损伤尺寸数据进行了融合。
实验结果表明,神经网络数据融合方法综合分析各个数据源的信息,能更好的认识被测特征,容错能力强。
改进的BP-LM算法比标准BP算法收敛速度快,融合效果好。
在实验室,对于Φ219mm直径的管道内外壁上的15个典型损伤,用超声和漏磁传感器进行重复性的检测。
用第二章介绍的方法提取出超声信号特征进而得到剩余壁厚(公称壁厚减去损伤深度)信息。
漏磁传感器提供的剩余壁厚信息由文献[11,33]中的方法获取。
由于剩余壁厚信息来源于超声和漏磁两种传感器,而且选用的超声传感器的中心频率和直径也不同,这不仅属于不同传感器信息的特征级融合,还属于异类传感器信息的融合,比仅融合性能指标完全一致的多个漏磁传感器提供的长度和宽度信息要复杂,所以,本文以剩余壁厚信息的融合为例。
智能文明答案主观Bayes方法用概率表示不确定性,证据理论用信度来表示不确定性。
主观Bayes方法从数学上蕴含于证据理论之中,证据理论可以看作是主观Bayes方法的推广。
证据理论可在不同层次上对证据进行组合,可以区分不确定和不知道,也不需要假设先验概率和条件概率,优于主观Bayes方法。
无损检测中,不确定性大致可分为两类:
认识的不确定性。
比如那些源于设备或传感器自身的限制、标定或校准过程以及模型结构和参数所导致的知识的不完善。
随机的不确定性。
比如由于气候变化引起的不确定性。
前一种不确定性可以通过深入的研究,比如补偿和重复测量等方法消除。
而随机不确定性是无法消除的[190]。
因此,确定性是不可避免,无处不在的,其载体可分为三类:
数据或变量、特征以及决策。
love87421|755EF1B1ED57422C确定性的传递也存在于信息处理的各个过程中。
根据信息处理模型或方法的输入量,表6-1列出了不确定性传递的三类情况。
输入量可以是传感器检测的数据、由前期的模型或方法根据传感器数据而提取出的特征量,或者根据传感器数据或特征量得到的局部决策。
信息处理方法可以是一个模型,一个方法或者多个包含先验信息的方法或模型的混合组合。
组合可以是串行的、并行的或者混合的。
输出量可以是特征值、局部决策,或者最终的决策。
除了该表列出的三类传递情况外,不确定性还可能由这些信息处理的模型和方法本身(如结构和参数)引起。
对于本课题,从最初的管道损伤信号获取、压缩、存储和传输,到本文涉及的各类信号特征提取、损伤尺寸融合和损伤分类等过程虽中均伴随有不确定性的传递。
虽然前面各章针对各种信号的特性,采用了不同的时频分析或融合方法,但只能在一定程度上减小,并无法完全消除结果的不确定性。
在决策级融合中,必须引入适当的不确定性推理方法(如经典的Bayes方法及其扩展方法——证据理论),以保证得到高可信度的决策。
D-S证据理论在大多数情况下都可以得到较好的融合结果。
但是对于矛盾冲突激烈的证据,常会出现失效现象。
暑假防溺水安全教育教案管道检测信号的特征提取、损伤尺寸的定量融合以及损伤类别的划分的最终目的是用于管道安全状况的评估,即根据损伤的定量或定性识别结果及其它各类相关信息对损伤等级进行综合评定。
世界各国和大型无损检测机构在不同时期,分别提出了多种损伤等级评定方法和规则。
本节在比较分析现有的典型评价方法的基础上,提出了一个新的基于改进的证据理论的融合评估策略,并用仿真数据验证了该策略的性能。
智学网教师端下载各种评估方法在对管道损伤评价前,一般应准备以下原始资料(表6-4):
管道铺设情况,主要包括铺设位置、铺设深度、地质特征、铺设技术等;工作环境信息,主要包括海水成分、海底温度、海底压力、海底湿度、海域腐蚀环境及保护措施等;管道本身信息,主要包括管壁厚度、管道直径、管道材质、使用年限及工作历史、生产厂家等;检测到的损伤信息,主要包括损伤位置、尺寸和类型等。
前三类资料通常需要由专门的数据库提供。
第四类资料,损伤信息是前面的检测、信号处理、特征提取及分类等系统的分析结果。
数学方案问题详细的管道腐蚀评价流程见文献[11]。
首先,利用腐蚀区域的最大深度和管道的公称壁厚相比,判断出一级损伤和五级损伤。
比值小于10%属于一级,大于80%属于五级。
然后,根据管体腐蚀纵向长度尺寸和最大允许纵向长度的大小分离出第二类。
最后,根据最大安全工作压力、屈服强度和断裂理学等理论和指标判断出三级和四级损伤。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 海底 管道 传感器 阵列 损伤 信息 提取 融合 研究 精编