在役管线腐蚀故障图像识别方法研究

论文摘要

油田用注蒸气管道是稠油蒸气驱热采工艺中注气系统的主要设备之一,由于内部运输的介质是高温高压的蒸气,氧化和腐蚀使注气管道内外表面容易产生诸如孔洞类的体积型缺陷,使管道断裂,导致重大事故发生。本文从在役管道检测实际需求出发,应用Matlab编制X射线数字化缺陷图像的分析识别系统,包括：图像预处理,边缘检测,特征提取,模式识别几部分。用Visual Basic建立界面,实现了管道焊缝与腐蚀缺陷的分类及腐蚀缺陷的定量识别。图像处理部分针对X射线图像信噪比低,对比度差等缺点,提出基于分离缺陷点的数学形态学小波去噪的创新方法,对图像实现了较好的平滑及锐化,同时搜索可疑点区域,将属于缺陷的可疑点合并输出；采用基于B样条小波多尺度局部模极大值算法进行缺陷部位边缘提取,经验证比常用其它算子效果更优；选择细长度、不变矩、灰度能量等多个有利于缺陷识别的关键特征参数,应用单输出方式的BP神经网络进行模式识别。由于工程实际中的管道腐蚀受到多种因素的影响,形状复杂不规则,精确定量识别非常困难,因此给出不规则腐蚀缺陷最大深度及平均圆直径对其做定量表征。在规格为内径75mm,管壁厚度11mm的PPR管道上,制作模拟孔洞缺陷和条形、不规则缺陷用于样本和非样本检测试验。经分析,对各类缺陷的分类识别BP神经网络中,识别正确率90%以上；定量识别训练样本时的绝对偏差均在0.01mm以下；在非训练样本时,排除加工误差影响,绝对误差均在0.02mm以下,精度较高。通过自动分析识别系统对X射线数字化缺陷图像进行检测识别,最终较好的实现计算机智能代替人工,实现常见腐蚀缺陷的自动评判。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题背景与研究意义
• 1.1.1 课题研究背景
• 1.1.2 本课题的研究意义
• 1.2 高温高压注气管道缺陷无损检测方法综述
• 1.3 数字图像处理及缺陷识别研究
• 1.3.1 国内外图像处理技术的发展概况
• 1.3.2 图像缺陷识别方法研究
• 1.4 本课题研究的目的及主要内容
• 第2章 注蒸气管道腐蚀分析及成像技术研究
• 2.1 注蒸气管道腐蚀分析
• 2.1.1 注蒸气管结构
• 2.1.2 油田注蒸气管腐蚀的影响因素
• 2.1.3 管道腐蚀类型
• 2.2 X射线成像技术研究
• 2.2.1 X射线成像检测系统
• 2.2.2 管道腐蚀缺陷成像特征
• 2.2.3 X射线检测的基本原理
• 2.2.4 X射线衰减数学模型建立
• 2.3 本章小结
• 第3章 在役管线X射线底片图像特征分析
• 3.1 引言
• 3.2 小波分析的理论研究
• 3.2.1 小波变换
• 3.2.2 多分辨率分析
• 3.2.3 图像的二维小波变换
• 3.3 数学形态学理论研究
• 3.3.1 数学形态学基本概念及基本运算
• 3.4 图像噪声滤除
• 3.4.1 噪声来源分析及噪声模型确定
• 3.4.2 X射线图像去噪的一般方法
• 3.4.3 小波变换的阈值去噪技术
• 3.4.4 基于数学形态学噪声去除方法
• 3.4.5 分离缺陷点的数学形态学小波去噪
• 3.4.6 实验及对比分析
• 3.5 基于小波变换的缺陷边缘检测
• 3.5.1 常见边缘检测算子
• 3.5.2 小波边缘检测原理
• 3.5.3 基于四阶B样条的小波多尺度局部模极大值边缘检测
• 3.5.4 检测结果分析
• 3.6 本章小结
• 第4章 X射线数字图像的缺陷特征提取与选择
• 4.1 缺陷原始特征量的提取
• 4.1.1 两类几何形状特征量
• 4.1.2 缺陷的Hu不变矩特征量
• 4.1.3 缺陷的灰度特征的提取
• 4.2 缺陷识别特征值的选择
• 4.3 本章小结
• 第5章 基于神经网络管道缺陷模式识别
• 5.1 BP神经网络的基本原理
• 5.1.1 BP神经元
• 5.1.2 BP网络模型
• 5.1.3 BP算法的改进
• 5.2 基于BP神经网络的缺陷模式识别
• 5.2.1 三层BP神经网络的输出方式
• 5.2.2 缺陷特征量的选择与隐层节点数的确定
• 5.2.3 训练与识别结果分析
• 5.3 基于BP神经网络的缺陷定量识别研究
• 5.3.1 定量识别网络的结构
• 5.3.2 定量识别网络的结果分析
• 5.4 本章小结
• 第6章 在役管线腐蚀缺陷自动识别系统
• 6.1 在役管线典型腐蚀缺陷的自动识别系统软件开发
• 6.1.1 软件系统总体结构
• 6.1.2 系统的工作流程
• 6.1.3 系统功能与介绍
• 6.2 本章小结
• 第7章 结论
• 参考文献
• 致谢