基于神经网络的管道缺陷识别技术的研究

论文摘要

漏磁检测技术是目前国内外最有效的管道缺陷检测方法之一,由于检测的可靠性和速度都较高,这一技术越来越多的被用在管道缺陷的检测上。缺陷识别是管道漏磁检测系统的重要组成部分,只有进行正确的识别,才能够为业主提供准确的信息,判断管道能否被使用。随着现代计算机技术的发展,对管道的检测不仅仅局限于发现缺陷,更为重要的是能够对缺陷进行定量分析,也就是说,能够由缺陷漏磁信号反演到缺陷实际参数的问题。本文采用三维有限元分析方法,建立了管道三维有限元漏磁检测模型,得到了缺陷漏磁信号,并选用神经网络算法,对得到的漏磁信号进行反演,最终获得了缺陷的几何参数。得到的主要结论如下:1.基于漏磁检测原理,研究了缺陷漏磁检测系统以及检测的流程,对缺陷的特征参数与漏磁场之间的关系进行了分析。2.利用有限元理论,借助ANSOFT有限元分析软件,将有限元方法用到三维缺陷检测模型的建立以及缺陷漏磁信号的分析上,得到了与漏磁检测系统实际获得的漏磁信号具有相同性质的仿真信号。3.以柱状缺陷为例,将得到的仿真信号作为样本数据,利用神经网络算法对缺陷的特征参数(尺寸)进行了识别。文中,利用ANSOFT软件,共获得了60组不同尺寸缺陷模型的漏磁信号,将其中40组漏磁信号的数据作为神经网络的训练样本,另外的20组数据作为验证样本,对神经网络进行验证。结果表明,有限元分析获得的漏磁信号样本的特征值是有效的,利用神经网络算法能够实现管道缺陷的识别。本文在最后做出了总结,并对缺陷识别技术的进一步研究进行了展望。

论文目录

• 摘要
• Abstract
• 致谢
• 第一章 绪论
• 1.1 研究背景
• 1.2 无损检测技术的概述
• 1.2.1 无损检测的概念及特点
• 1.2.2 无损检测方法的简介
• 1.3 缺陷无损检测方法的选择
• 1.4 国内外漏磁检测技术的研究现状
• 1.4.1 国外漏磁检测技术的发展
• 1.4.2 我国漏磁检测技术的发展
• 1.5 本文主要研究内容
• 1.6 本文拟解决的关键问题和创新点
• 1.6.1 本文拟解决的关键问题
• 1.6.2 本论文的创新点
• 1.7 论文各章节的安排
• 第二章 管道缺陷漏磁检测的基础
• 2.1 漏磁无损检测
• 2.1.1 物质的磁性
• 2.1.2 铁磁性材料的磁化曲线
• 2.1.3 缺陷漏磁检测的基本原理
• 2.1.4 磁化方式
• 2.2 缺陷的漏磁检测系统
• 2.3 缺陷漏磁场与各参数的关系
• 2.4 本章小节
• 第三章 有限元理论在缺陷漏磁检测中的应用
• 3.1 有限元分析的基本思想及求解步骤
• 3.2 电磁场有限元分析的基本理论
• 3.3 ANSOFT 软件基本介绍
• 3.4 ANSOFT 在缺陷漏磁检测中的应用
• 3.4.1 缺陷分析模型的建立
• 3.4.2 定义单元材料属性
• 3.4.3 分析模型的网格划分
• 3.4.4 求解项设置
• 3.4.5 边界条件的设置
• 3.4.6 激励源的设置
• 3.4.7 求解结果的分析
• 3.5 本章小节
• 第四章 人工神经网络在缺陷识别上的应用
• 4.1 人工神经网络的介绍
• 4.1.1 神经网络的定义
• 4.1.2 神经网络的发展历史
• 4.1.3 神经网络的优点
• 4.2 神经元模型
• 4.3 BP 神经网络
• 4.3.1 BP 神经网络的基本原理及其应用
• 4.3.2 BP 神经网络的网络结构
• 4.3.3 BP 学习算法
• 4.3.4 BP 算法的缺陷
• 4.4 BP 神经网络在管道缺陷识别上的应用
• 4.4.1 BP 网络结构的设计
• 4.4.2 BP 算法的编程实现
• 4.4.3 网络学习样本的选取
• 4.4.4 管道缺陷的识别
• 4.5 本章小结
• 第五章 总结和展望
• 5.1 总结
• 5.2 展望
• 参考文献
• 攻读硕士学位期间发表的论文