学位论文 > 优秀研究生学位论文题录展示

超声相控阵油气管道环焊缝缺陷检测技术的研究

作　者: 詹湘琳
导　师: 靳世久
学　校: 天津大学
专　业: 精密仪器及机械
关键词: 无损检测管道环焊缝超声相控阵特征提取缺陷识别提升小波
分类号: TE973.6
类　型: 博士论文
年　份: 2007年
下　载: 776次
引　用: 6次
阅　读: 论文下载

内容摘要

超声检测是油气管道环焊缝缺陷检测的一项重要技术。超声相控阵由于具有独特的电子扫查、动态聚焦和扇形扫描特性,能实现对非平面表面及复杂结构物体的缺陷检测,成为近几年超声探伤领域中的一个研究热点。本文重点研究了超声相控阵在油气管道环焊缝缺陷检测中的应用及缺陷识别技术。基于平面矩形活塞阵元,采用数值分析方法研究了一维超声相控线阵的声场特性,对辐射声场进行仿真。重点探讨了阵元数量N、阵元间距d、阵元长度l、阵元宽度w、焦距F和声束偏转角度θs等线阵参数对发射声束聚焦偏转的影响,给出了最优检测性能的换能器尺寸,为相控阵换能器的选择提供了理论依据。针对目前超声相控阵探伤中对缺陷的定性分析仍然依靠探伤人员检测经验的现状,将模式识别方法引入到环焊缝缺陷检测。提出了采用提升小波变换提取缺陷信号特征的方法。针对超声相控阵系统采集的油气管道环焊缝试块中的缺陷信号,采用“频带-能量”特征提取形式,结合基于距离的类别可分性测度作为特征提取的评价标准,比较了小波包变换与提升小波变换提取缺陷信号能量特征的性能。实验结果表明,提升小波特征提取速度比小波包的特征提取速度快一倍。采用基于提升小波变换的分形技术提取缺陷信号的分形特征。实验证明,加入分形特征后特征的可分性测度比仅采用能量特征提高了6.28%,开辟了管道环焊缝缺陷信号特征提取的一条新途径。采用基本遗传算法对提取的油气管道环焊缝缺陷特征进行优选,确定了有利于环焊缝缺陷识别的最优缺陷特征子集,提高了后续缺陷识别的效率。采用人工神经网络技术实现管道环焊缝缺陷识别。对目前在人工神经网络中应用最广泛的多层前馈误差反向传播(BP)算法进行了性能分析和算法改进,较好地实现了管道环焊缝缺陷信号的分类识别。研究了基于db4提升小波分析的径向基函数(RBF)神经网络进行环焊缝缺陷识别的性能。实验结果表明,RBF网络极大地提高了缺陷识别的速度,但识别的准确率太低,不适合于油气管道环焊缝缺陷的识别。提出采用数据挖掘技术中的支持向量机(SVM)模型对油气管道环焊缝缺陷进行自动识别。建立了以RBF核为核函数,SMO算法为进化算法的SVM模型。比较了改进的BP网络、RBF网络和SVM模型的缺陷识别结果,表明SVM在识别效率和准确率方面具有明显优势。研制了一套针对油气管道环焊缝缺陷检测的超声相控阵系统。实验证明系统具有良好的缺陷检测性能。

全文目录

中文摘要  2-3
ABSTRACT  3-9
第一章绪论  9-33
  1.1 油气管道发展现状及存在的问题  9
  1.2 常用的工业无损检测方法  9-11
  1.3 传统超声无损探伤方法  11-13
  1.4 超声相控阵无损探伤  13-30
    1.4.1 超声相控阵换能器  13-15
    1.4.2 超声相控阵的声场特性  15-18
    1.4.3 超声相控阵用于油气管道环焊缝缺陷检测的优势  18-19
    1.4.4 超声相控阵探伤的研究历史、研究现状  19-28
    1.4.5 超声相控阵探伤的发展趋势  28-29
    1.4.6 超声相控阵探伤的应用领域  29-30
  1.5 本课题的研究意义、目的与研究内容  30-33
第二章超声相控阵换能器的优化设计  33-58
  2.1 超声相控阵偏转聚焦声场的计算  33-38
    2.1.1 声场计算的基本理论  33-34
    2.1.2 单个矩形阵元的声场计算  34-35
    2.1.3 相控线阵偏转聚焦声场的计算  35-38
  2.2 环焊缝缺陷检测的基本原理及探伤条件  38-45
    2.2.1 环焊缝探伤原理  38-39
    2.2.2 相控阵的探伤参数  39-43
    2.2.3 超声相控阵聚焦法则（Focal Law）的算法  43-45
  2.3 超声相控线阵换能器的优化设计  45-56
    2.3.1 指向性函数  46
    2.3.2 相控线阵波束偏转聚焦的指向性函数  46-47
    2.3.3 相控线阵参数对聚焦声场的影响  47-56
    2.3.4 优化相控线阵与传统超声探头的频谱特性的比较  56
  2.4 本章小结  56-58
第三章管道环焊缝缺陷信号能量特征的提取  58-83
  3.1 管道环焊缝缺陷信号的采集  58-63
    3.1.1 常见的管道环焊缝缺陷类型  58-59
    3.1.2 环焊缝试块及缺陷结构图  59-61
    3.1.3 检测系统结构  61-63
  3.2 基于小波包的超声相控阵缺陷信号特征提取方法的不足  63-64
  3.3 基于提升小波变换的管道环焊缝缺陷信号的特征提取  64-70
    3.3.1 小波基提升构造的数学含义  64-65
    3.3.2 信号分解与重构的提升小波变换模型  65-66
    3.3.3 传统小波基提升构造的算法  66
    3.3.4 缺陷信号的提升算法及特征矢量的形成  66-70
  3.4 最优小波基的选择标准  70-71
  3.5 缺陷特征提取的小波包方法与提升小波方法比较  71-81
    3.5.1 基于小波包的缺陷特征提取结果  71-75
    3.5.2 基于提升小波的缺陷特征提取结果  75-80
    3.5.3 结果分析  80-81
  3.6 本章小结  81-83
第四章管道环焊缝缺陷信号分形特征的提取  83-96
  4.1 分形理论  83-84
  4.2 提升小波与分形理论的关系  84
  4.3 管道环焊缝缺陷信号的分形特征提取方法  84-94
    4.3.1 管道环焊缝缺陷信号的分形结构的考察  84-86
    4.3.2 无标度区间的确定  86-92
    4.3.3 分形维数的确定  92-93
    4.3.4 分形特征的可分性测度  93-94
  4.4 本章小结  94-96
第五章管道环焊缝缺陷的自动识别  96-128
  5.1 缺陷信号的常规特征提取  96-97
  5.2 缺陷特征库的建立  97-98
  5.3 缺陷特征的优选  98-104
    5.3.1 特征选择方法的研究现状  98-99
    5.3.2 基于遗传算法的管道环焊缝缺陷信号的特征选择  99-104
  5.4 基于BP 神经网络的管道环焊缝缺陷识别  104-111
    5.4.1 BP 算法的性能改进  104-106
    5.4.2 基于提升小波和BP 算法的管道环焊缝缺陷分类实验  106-111
  5.5 基于RBF 神经网络的管道环焊缝缺陷识别  111-114
    5.5.1 RBF 网络结构  111-112
    5.5.2 基于提升小波和RBF 网络的管道环焊缝缺陷分类实验  112-114
  5.6 基于支持向量机（Support Vector Machine，SVM）的缺陷识别  114-126
    5.6.1 支持向量机的基本理论  115
    5.6.2 SVM 解决两类目标识别的基本原理  115-117
    5.6.3 SVM 求解多类目标识别的基本原理  117-119
    5.6.4 SVM 用于管道环焊缝缺陷识别  119-126
  5.7 本章小结  126-128
第六章超声相控阵油气管道环焊缝缺陷检测系统  128-142
  6.1 超声相控阵探伤系统的总体构成  128-130
  6.2 超声相控阵探伤系统下位机的硬件设计  130-135
    6.2.1 超声发射接收卡的硬件设计  131-132
    6.2.2 现场可编程门阵列FPGA 在超声相控阵探伤系统中的应用.  132-134
    6.2.3 综合卡的电路结构  134-135
  6.3 系统的软件设计  135-138
    6.3.1 基于虚拟仪器的下位机调试软件  136
    6.3.2 上位机的缺陷识别软件  136-138
  6.4 系统实验  138-141
    6.4.1 相控发射偏转实验  138-139
    6.4.2 声束偏转聚焦实验  139
    6.4.3 对管道环焊缝缺陷检测的实验  139-140
    6.4.4 对管道环焊缝缺陷识别的实验  140-141
  6.5 本章小结  141-142
第七章总结与展望  142-145
  7.1 全文总结  142-143
  7.2 创新点  143-144
  7.3 进一步研究内容  144-145
参考文献  145-156
发表论文和科研情况说明  156-158
致谢  158

超声相控阵油气管道环焊缝缺陷检测技术的研究

内容摘要

全文目录

相似论文