基于支持向量机的油管内外表面缺陷识别方法

由于根据漏磁信号难以准确识别出油管内、外表面缺陷,为此提出了基于支持向量机(SVM)的油管内外表面缺陷识别方法。采用时频分析技术提取了用于区分油管内外表面缺陷的漏磁信号时域和频域特征量,然后将其作为油管内外表面缺陷识别SVM模型的样本数据,采用改进的云自适应粒子群(MACPSO)优化算法对SVM识别模型的参数进行优选,结合优选的模型参数和样本数据训练构建油管内外表面缺陷识别SVM模型。实验结果表明:该智能识别方法能够有效区分油管的内外表面缺陷,识别准确率高于90%。

弯管内外表面腐蚀缺陷力学-电化学相互作用规律研究

为进一步研究弯管内外表面腐蚀缺陷力学-电化学(M-E)相互作用规律,建立基于多物理场耦合的弯管内外表面含腐蚀缺陷的三维模型,研究内压和缺陷几何形状对M-E相互作用规律及对弯管的影响。研究结果表明:当弯管内外表面存在腐蚀缺陷时,弯管内侧的M-E效应更强,增加应力和腐蚀的增长速率,使内侧更容易发生失效;当缺陷几何增长时,应力在缺陷长度和宽度方向上增长,腐蚀主要在缺陷长度方向上增长;外表面缺陷附近的应力和腐蚀增长规律基本一致,而内表面缺陷附近的应力增长较腐蚀增长更为复杂。研究结果可为含腐蚀缺陷弯管评估模型的完善以及管道系统完整性的管理提供理论参考。