论文部分内容阅读
本文以燃气管道内壁探伤为研究出发点,首先研究了燃气管道功能性缺陷与结构性缺陷的定量化特征,确认了燃气管道内壁探伤的涵盖范围与缺陷特性;其次针对上述缺陷识别算法与识别模型进行了优化设计,并给出了缺陷识别优化的预测结果;最后选型搭载闭路电视系统(CCTV,Closed-Circuit Television)与激光成像系统的管道机器人,融入本文所提缺陷识别优化算法与识别模型,进行了实地测试与效能分析。本文主要研究成果如下:(1)对基于中值滤波法的燃气管道CCTV图像局部增强方法的改进。针对传统中值滤波算法边缘还原不清晰、噪点多的缺点,本文提出了一种针对功能性缺陷的中值滤波优化算法,该算法采用扰动因子定义弱光照强度,实现对光强信息的动态适配,最终给出了实验室条件下的轮廓提取优化的全局结果。(2)提出了一种基于BP模糊神经网络的管道功能性缺陷特征模式识别机制。针对燃气管道功能性缺陷特征参数多、海量噪声适配困难的问题,本文将圆形度、变形度和边界离心率三大功能性缺陷特征进行适配后导入BP神经网络,并设计了特征向量过滤器,最终通过改进退火算法实现了实验室条件下的测试,明确了有损燃气管道与无损燃气管道的缺陷识别比对结果。(3)结合三维激光成像技术进行燃气管道结构性缺陷识别。由于CCTV检测技术检测全景展开图上深度信息存在困难,本文针对诸如管道形变、异物渗入、附着沉积物等结构性缺陷进行了特征定义,并引入空间坐标归一化的数学模型进行识别度转化,迅速提取燃气管道内部三维结构,弥补CCTV检测误报率高的不足,针对结构性缺陷检测具有较强的针对性。