基于反褶积与编码激励的长输管道损伤检测

制约应力波导波技术应用于长输管道损伤检测的两个主要原因是信号处理技术和导波激励技术,针对应力波频散效应和外界噪声干扰使得管道损伤检测定位精度低的问题,采用了基于子波估计的反褶积技术处理管道导波测量数据。数值模拟和试验结果均表明,该方法可以有效地抑制导波频散,提高了管道损伤检测的定位精度。针对单一激励能量有限、检测信号的信噪比低等问题,采用了编码激励技术,设计了两种不同的编码激励信号,并将其应用到管道纵向导波传播模型中。数值模拟结果表明,编码激励技术能够有效地提高管道损伤检测的抗干扰能力和分辨率。

导波技术在管道损伤检测中的应用研究述评

导波技术在管道损伤检测领域具有良好的应用前景,国内外许多学者对其进行了大量的研究。介绍了导波传播特性、导波模式及检测管道损伤的原理、频率的选择、试验方法、信号处理与特征提取方法及有限元数值模拟方法等。导波检测技术虽然在管道损伤检测领域有其显著的优势,但存在导波对金属周向缺损面积小的缺陷及轴向裂纹不敏感,在管道中的吸收衰减、频散衰减、剪切衰减现象制约着在长距离管道检测中的应用等问题。在总结分析前人研究工作的基础上,认为利用10～20 kHz的低频导波对管道损伤进行检测,并应用ANSYS有限元分析软件,通过对接收信号的分析便可准确定位缺陷。

编码激励在管道损伤检测中的数值模拟研究

应力波导波技术对管道损伤进行检测时,导波激励方式为单次激励。单次激励存在着能量有限、检测信号的信噪比低等问题。针对单次激励存在的问题,采用编码激励技术进行管道损伤检测技术研究,利用MATLAB软件设计三种不同的编码激励信号,通过数值模拟分析和合成的实验数据分析,将编码激励与单次激励进行比较研究,结果表明编码激励技术提高了激励信号的抗干扰性,提高了反射脉冲能量。

基于IPSO-BP神经网络的管道损伤检测方法

为了更高效准确地对流质输送管道进行损伤检测,结合改进粒子群算法和误差反向传播神经网络,提出了一种IPSO-BP神经网络模型,并以IPSO-BP网络和IPSO算法建立损伤位置和损伤程度识别器。针对管道损伤检测问题,提出以曲率模态和位移模态为输入特征参数,由损伤位置识别器、损伤程度识别器构成的管道结构损伤识别模型。基于管道的特定工况,对不同损伤状态下的管道进行模态分析和静力学分析,得到共100组训练样本和12组测试样本,利用IPSO-BP神经网络进行结构损伤识别模型的训练和测试。结果表明:提出的基于IPSO-BP神经网络的管道损伤识别模型对损伤位置的识别准确率为100%,损伤程度误差率低于5%,该模型为各种工况下的管道损伤检测提供了一类快速准确的方法。

河流穿越水下管道埋深非开挖检测技术分析

油气输送管道的安全有效运行对于其整个输送系统的稳定性具有重要影响。河流水下管道铺设较深且位于河流下方,传统的地面管道状态的检测方法较难对其进行监测,因此开发非开挖条件下的管道监测技术具有重要的现实意义。对此,文章将水下铺设管道状态检测技术的必要性与研究现状、非开挖检测技术概述、特点以及应用上进行详细分析。

基于超声导波的小型管道检测系统

针对目前在管道检测系统上传统超声波存在成本消耗过大和超声导波计算过于缓慢的问题,设计开发一套基于超声导波的管道检测系统。该系统由MATLAB和LabVIEW联合处理技术、超声导波检测和信号特征处理分析等技术相结合,通过将超声导波信号置于MATLAB和LabVIEW联合处理环境中分析信号特征,实现管道损伤的位置、类型的检测,以及对损伤管道进行预警等功能。

基于同态法子波提取的管道泄漏定位研究

根据应力波传播理论,可以利用反射波对管道进行损伤检测。由于地震的褶积模型与管道受激后产生的应力波的传播模型类似,因此采用地震反褶积技术进行管道损伤检测。对反射波进行了统计性反褶积方面的研究,由于统计性反褶积没有利用子波特性,直接对记录数据进行估计,并且它还假设反射系数是随机白噪,使得统计性反褶积方法在管道损伤检测中的运用受到限制。本文采用确定性反褶积方法,利用同态法技术提取子波,然后利用提取的子波进行子波反褶积计算,从而抛弃反射系数为随机白噪的假设,而且克服了统计性反褶积中忽略子波的这一缺点,通过模拟数据与实际资料验证,该方法减小了管道损伤定位误差。