基于堆叠自编码器神经网络的复合电磁检测铁磁性双层套管腐蚀缺陷分类识别方法

铁磁性双层套管长期服役于恶劣的工作环境,极易出现腐蚀缺陷,定期为服役中的双层套管进行在线检测十分必要,而对管壁腐蚀缺陷位置的分类识别是管道定量检测与维修的前提和基础,实时准确的套管腐蚀缺陷分类识别能力是决定管道在线检测效率的重要因素。针对这一情况,将脉冲远场涡流和脉冲涡流技术相结合,提出了基于堆叠自编码器神经网络的分类方法。通过仿真和实验选取合适特征量作为输入层,实现了内管外壁腐蚀、外管内壁腐蚀和外管外壁腐蚀的分类,实验整体预判精度可达97.5%,结果表明该方法可对双层套管腐蚀缺陷缺陷实施高效、高精度分类识别。

铁磁性套管脉冲远场涡流检测激励参数优化

利用脉冲远场涡流检测对于铁磁性双层套管腐蚀缺陷的检测优势,针对双层套管内管外壁、外管内壁和外管外壁三处腐蚀缺陷,就激励参数变化对于系统灵敏度影响程度进行了研究,通过仿真和实验手段选择最佳激励参数,实现了脉冲远场涡流检测系统的参数优化,并弥补了前期缺少相关研究的不足。