一种输气管道环焊缝缺陷自身高度精准预测模型

2015年前,大部分管道环焊缝多采用半自动焊接,由于环境条件较为苛刻,出现焊接缺陷的几率较高,缺陷在服役中可能影响输气管道的安全运行。为精准评估输气管道环焊缝缺陷的自身高度,以常用规格的管道环焊缝为对象,制作含上表面、下表面及埋藏型缺陷试样,分别采用PAUT、TOFD、TECA及FGI等无损检测技术对缺陷进行无损检测及自身高度测量,然后再对缺陷逐一进行金相解剖分析并用激光共聚焦方法测量缺陷实际高度;以缺陷自身高度无损测量结果为自变量,以缺陷解剖测量的实际自身高度数据为因变量,通过数据增容、回归统计方法,建立了一种基于无损评定结果预估缺陷真实自身高度的理论模型,并用未参与建模的缺陷数据对模型预测效果进行检验。研究结果表明:①针对本研究预制的缺陷,TOFD检测方法精度误差大多在2 mm内,PAUT检测方法精度误差多大于2 mm;②建立的基于组合式无损检测方法的管道环焊缝缺陷自身高度预测模型,对环焊缝缺陷自身高度的预测精度小于1 mm,满足管道检测、适用性评价等需要。结论认为,应用本模型预测缺陷自身高度,减少了现有无损检测方法和检测工艺对检测精度的限制,不仅提高了缺陷自身高度数据的准确性,而且还提高了管道环焊缝适用性安全评价的可靠性,满足了输气管道环焊缝综合检测、安全评估及修复的需要。

基于VGGNet-plus的路面裂痕自动分类识别方法

为了有效自动化地识别路面裂缝,在深度学习神经网络VGGNet基础上,提出了基于VGGNet-plus网络的路面裂痕自动分类识别方法。该网络增加了Dropout层和残差层,并在每个卷积层后连接Batch_normalize(BN)层和LeakyReLu层,解决了训练参数过多、深度神经网络的过拟合等问题,简化计算同时减少训练时间。为了增加训练样本的数量,同时使该方法对采集光照条件、角度、噪声等造成的影响具有更强的适应性和鲁棒性,通过灰度处理,上下翻转,左右翻转,灰度二值处理,均值滤波,灰度gamma处理,高斯滤波,中值滤波等方法来进行数据增容。通过Bagging模型集成方法,对预测的数据进行综合评估后选取最佳的预测结果。实验结果表明,VGGNet-plus网络在路面裂缝分类中的准确率可达92%,有效提升了路面裂缝自动检测精度。