管道漏磁检测中数据压缩及缺陷定量识别技术的研究

论文摘要

漏磁检测技术是长距离油气输送管道进行在线检测的主要方法。随着检测数据分辨率、精度和检测总里程的提高，现有的检测设备在数据存储速度和存储容量两方面已无法满足海量检测数据的要求，因此研究适合的数据压缩算法并设计高速的数据采集与存储系统成为设备研制的关键；同时原有的依靠人工定性进行缺陷识别的方法精度差、速度慢，迫切需要管道缺陷的智能定量识别技术。本文针对上述问题研究了管道漏磁检测数据的压缩技术及缺陷的定量识别技术。主要研究工作如下：(1)以典型管道漏磁检测图像为例，分析了管道漏磁图像区别于普通数字图像的特点及统计特性；分析了不同分辨率、不同精度的管道漏磁图像在统计特性上的差异。(2)研究了预测编码在漏磁图像无损压缩中的应用，提出了适合8位漏磁图像的预测模型；研究了整数小波变换及嵌入式小波编码算法在漏磁图像无损压缩中的应用，提出了改进的无链表SPIHT零树编码算法；针对不同分辨率、不同精度的漏磁图像的特点提出了两套数据无损压缩方案。对8位低分辨率漏磁图像使用预测编码和算术编码相结合的压缩方案；对12位较高分辨率的漏磁图像则在预测编码后，进行整数小波变换，然后使用改进的无链表SPIHT零树编码算法进行编码。(3)提出了漏磁图像中缺陷的分割方案。漏磁图像经去提离值影响等预处理后，使用最大类间方差法进行图像分割，然后进行膨胀运算等后处理得到完整的缺陷图像，从中提取出缺陷的长度和宽度等部分特征参数。(4)研究了基于感兴趣区域的漏磁图像无损压缩方法。对已分割出的缺陷区域，以一个可包含缺陷的最小矩形作为感兴趣区域，只对感兴趣区域的数据进行压缩存储。(5)利用有限元分析软件ANSYS建立管道缺陷漏磁检测装置的模型，对漏磁信号与缺陷参数之间的关系进行了研究；使用BP神经网络分别对仿真缺陷和人工缺陷进行了缺陷参数的识别，识别结果基本满足检测要求；对轴向漏磁信号和径向漏磁信号进行数据融合后，BP神经网络的识别结果得到了改善。(6)针对现有管道漏磁检测装置的不足，提出了基于单片FPGA的管道漏磁检测数据采集与压缩存储系统的设计方案，并对其中多通道采样控制、预测编码、整数小波变换及改进的无链表SPIHT零树编码、硬盘的文件存储控制等几个关键部分进行了研究。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 国内外油气管道发展及管道安全现状
• 1.2 管道在线检测技术简介
• 1.3 管道漏磁在线检测技术综述
• 1.3.1 管道漏磁在线检测装置的研究进展
• 1.3.2 管道漏磁检测中数据压缩及缺陷定量识别的研究现状
• 1.4 本文主要研究内容
• 第二章 管道漏磁检测的基本原理及漏磁图像的特征分析
• 2.1 管道漏磁检测的基本原理
• 2.2 漏磁图像的构成及特征分析
• 2.2.1 漏磁信号及漏磁图像的特点
• 2.2.2 漏磁图像统计的特性
• 2.3 本章小结
• 第三章 漏磁图像无损压缩的研究
• 3.1 预测编码
• 3.1.1 差分脉冲编码调制系统
• 3.1.2 图像无损压缩算法中的预测模型
• 3.1.3 预测编码在漏磁图像无损压缩中的应用
• 3.2 算术编码
• 3.3 小波变换及提升格式
• 3.3.1 小波变换的基本理论
• 3.3.2 多分辨率分析
• 3.3.3 Mallat算法
• 3.3.4 离散小波变换在图像压缩中的应用
• 3.3.5 小波变换的提升格式
• 3.4 嵌入式小波编码
• 3.4.1 EZW编码方法
• 3.4.2 SPIHT编码
• 3.4.3 无链表SPIHT零树编码
• 3.4.4 改进的无链表SPIHT零树编码算法
• 3.5 漏磁图像无损压缩方案
• 3.6 漏磁图像无损压缩实验
• 3.6.1 8位漏磁图像的无损压缩实验
• 3.6.2 12位漏磁图像的无损压缩实验
• 3.6.3 漏磁图像无损压缩实验结果分析
• 3.7 本章小结
• 第四章 缺陷的分割及基于感兴趣区域的漏磁图像的无损压缩
• 4.1 漏磁图像中缺陷区域的分割
• 4.1.1 漏磁图像的预处理
• 4.1.2 基于阈值的图像分割方法
• 4.1.3 径向漏磁图像的后处理
• 4.1.4 缺陷的识别
• 4.1.5 漏磁图像的分割结果
• 4.2 JPEG2000中的ROI编码方法
• 4.2.1 一般比特平面移位算法
• 4.2.2 最大比特平面提升算法
• 4.3 基于感兴趣区域的管道漏磁检测数据的无损压缩方案及实验结果
• 4.4 本章小结
• 第五章 基于BP神经网络的缺陷参数的识别
• 5.1 管道漏磁检测信号与缺陷参数的关系
• 5.1.1 缺陷深度与漏磁信号幅值的关系
• 5.1.2 缺陷长度与漏磁信号宽度的关系
• 5.2 BP神经网络的结构及算法
• 5.2.1 误差反向传播算法
• 5.2.2 LM算法的基本原理
• 5.3 基于BP神经网络的缺陷参数识别实验结果
• 5.3.1 仿真缺陷的参数识别结果
• 5.3.2 实际缺陷的参数识别结果
• 5.4 多传感器数据融合在缺陷参数识别中的应用
• 5.4.1 加权平均法
• 5.4.2 自适应加权平均法
• 5.4.3 数据融合后实际缺陷的参数识别结果
• 5.5 本章小结
• 第六章 基于FPGA的高速数据采集与压缩存储系统的研究与设计
• 6.1 多通道采样控制单元的设计
• 6.1.1 控制模块的结构
• 6.1.2 预测编码模块的设计
• 6.2 数据压缩单元的设计
• 6.2.1 变换模块的设计
• 6.2.2 编码模块的设计
• 6.3 数据存储控制单元的设计
• 6.3.1 ATA接口标准
• 6.3.2 FAT32文件系统
• 6.3.3 数据存储控制单元的设计
• 6.4 本章小结
• 结论
• 参考文献
• 在学研究成果
• 致谢