论文部分内容阅读
石油和天然气作为人类社会发展中重要的能源,在人类社会的发展中被需求的越来越多,随着需求的增加也就促进了能源输送的快速发展,管道输送作为当今能源输送的主要方式,越来越受到普遍利用,同时也就产生了越来越多的管道缺陷问题,传统的缺陷定位和检测方法都是通过缺陷已经导致管道破裂,发现情况之后才及时修补,或者通过工作经验丰富的人员依靠常年的管道维护经验来判断管道的缺陷有无以及缺陷位置,无法达到缺陷定点定量的一个具体判断。本文针对上述问题,对管道缺陷大小检测的方法进行分析、实验和验证。主要的实验研究包括如下几点:1.利用ANSYS对理论实验模型完成建模,并且提取实验数据。本文研究的缺陷识别方法需要大量的理论数据,传统的实验平台来进行实验模型的制造和数据的提取有一定的难度,而且数据量比较多,对于缺陷精度的要求比较高,还有就是实验数据的干扰比较多,难以通过实验平台提供没有噪声和干扰的实验数据。因此依靠ANSYS的强大建模能力,可以构造实验需要的理论平台,搭建需要的实验材料和实验缺陷,从而很方便的提取大量需要的无噪声无干扰实验数据。2.BP(BackPropagation)神经网络对缺陷的检测。通过对目前比较广泛而且相对成熟的BP神经网络检测方法进行介绍,对于实验需要的函数、误差、训练次数以及网络层数等进行选择,完成了BP神经网络方法对于缺陷大小的长度和深度检测。3.RBF(RadialBasisFunction)神经网络对缺陷的检测。基于目前研究的BP神经网络的训练收敛速度慢、训练时间长,不稳定等缺点,研究RBF神经网络在漏磁无损检测中的使用,通过对于RBF训练函数的层数选择,网络隐含层神经元个数的确定,训练误差以及训练步数的研究,相同缺陷漏磁信号在BP和RBF的不同验证之下,得到的结果对比从而验证基于RBF算法的管道漏磁无损检测缺陷识别的研究是可行的,而且比BP神经网络在漏磁检测中使用起来无论缺陷识别的精度、训练步数方面都有提高。