基于卷积神经网络焊管缺陷分类识别

针对常规涡流检测阻抗平面分析法无法对不锈钢焊管缺陷种类进行识别的问题,提出了一种基于涡流检测技术结合机器学习对不锈钢焊管缺陷进行分类识别的有效方法。首先对提取到的涡流信号进行短时傅里叶变换,将原始涡流信号转换成二维时频图;再将二维时频图输入到VGG-16和GoogLeNet两种神经网络训练模型的输入层中。结果表明:VGG-16和GoogLeNet两种神经网络训练模型能成功识别不锈管焊管的缺陷,且VGG-16模型在0.01的学习率下的整体分类精度高于GoogLeNet模型。

PZT传感器尺寸对管道裂纹压电阻抗监测效果的影响

基于压电阻抗技术对铝合金管道上模拟裂纹损伤的产生和发展过程进行监测。通过设计对比试验,研究了PZT片面积和厚度对裂纹损伤监测效果的影响。结果表明,PZT片尺寸的选择对于裂纹的监测具有重要影响。PZT片的面积越大,厚度越大,包含管道裂纹信息的局部谐振峰的分布越密集,对于裂纹的监测灵敏度越高。在PZT片尺寸选择适当的情况下,借助电阻抗信号特征峰频率偏移量△f和均方根偏差RMSD作为损伤定量表征参数,可以实现管道裂纹损伤扩展过程的动态监测。

基于振动频谱分析的压力管道清洗器定位方法研究

在石化管道运行期间,定期使用管道清洗器对其内部附着的污垢进行推进式清扫,是降低管道内腐蚀速度、提高介质输送效率、降低生产能耗的重要手段。在对管道表面锤击施振的同时,通过三轴振动加速度测量模块采集管道不同位置的振动加速度数据,利用快速傅里叶变换算法对各测点位置振动加速度进行频谱分析,掌握管道轴向或径向振动主频率沿清扫方向的变化规律,可实现管道清洗器的快速定位。该方法通过非破坏性测量方法,确定管道中因堵塞导致无法向前推进的清洗器位置,可降低管道清管作业时因清洗器堵塞故障产生的维护成本,提高故障排查效率。