模型可再生的管道缺陷故障诊断理论与技术研究

MFL based inspection technology is one of the main way for the safty running of pipeline, in which flaws diagnosis is the key technology. The existed methods of flaws diagnosis can not deal with flaws well when the inpection data and flaws are huge(named as big data) but flaw samples are small. For solving this problem, we plan research several contents, as follows: Build methods of dynamic adjust and data filter for muti-channel data which can provide the valid data source for following research; Build fast method for large flaws detection based on alterable data windows, which can detect flaws quickly in big data; Build flaw diagnosis method based on autogeny models(FDRM), which can overcome the backdraws of existed two main flaw diagnosis and reserve their advantage by model autogenyion. A method of flaw diagnosis for weld is proposed based on FDRM, which is the fisrt method to deal with the flaw diagnosis for weld in the world. At last, base on the achievements, a new frame of pipeline flaws diagnosis is built, which can find and diagnosis flaws in the situation of big data and the limited flaw samples. The proposed frame have not only theoretical significance but also practical utility.

漏磁内检测方法是保障长输管道安全运行的主要技术,其中缺陷故障诊断是该技术的核心。但已有的故障诊断方法难以解决大量检测数据及未知缺陷（统称大数据）且故障样本有限条件下的管道缺陷故障诊断问题。本申请拟以解决大数据和故障样本有限条件下的管壁缺陷故障诊断问题为目标开展研究。内容包括：研究建立多通道数据动态校正及滤波方法，为后续研究提供高质量数据；建立基于变尺度数据窗的缺陷快速检测方法，完成大数据下快速的缺陷检测；首次提出模型可再生缺陷故障诊断方法，巧妙地通过模型再生机制实现现有缺陷故障诊断方法的平滑切换，克服现有方法的缺点同时保留其优点；以模型可再生故障诊断方法为核心设计焊缝缺陷检测与故障诊断方法，解决焊缝中缺陷的故障诊断这一国际难题。最后建立大数据和故障样本有限条件下模型可再生故障诊断理论框架。本研究成果能有效处理大数据和故障样本有限时的管壁缺陷故障诊断问题，具有重要的理论意义与实际应用价值。

漏磁内检测方法是保障长输管道安全运行的主要技术,其中缺陷故障诊断是该技术的核心。但已有的故障诊断方法难以解决大量检测数据及未知缺陷（统称大数据）且故障样本有限条件下的管道缺陷故障诊断问题。本课题以解决大数据和故障样本有限条件下的管壁缺陷故障诊断问题为目标展开研究。研究内容包括：漏磁检测理论的研究，形成了从漏磁理论到磁路模型设计到最优磁路结构到缺陷参数对漏磁信号影响的理论体系；针对数据预处理的研究，提出了自适应滤波方法和组合滤波方法；漏磁检测装置的研究，设计了漏磁检测样机；漏磁内检测的缺陷识别方法的研究，研究成果包括基于窗体特征的漏磁管道缺陷位置提取方法、海底管道内检测器的实时跟踪与定位系统及方法、一种新的缺陷检测方法、模糊最大最小神经网络数据聚类方法及其管道内检测应用、基于内外检测信号特征提取的管道缺陷内外辨识方法、管道缺陷漏磁信号的特征提取方法、基于卷积神经网络的管道检测中漏磁图像的损伤或无损缺陷识别；针对缺陷轮廓反演问题的研究，主要包括传感器振动条件下的一种漏磁信号的缺陷轮廓估计、基于RBFNN的误差校正方法快速重建漏磁量缺陷轮廓、基于卷积神经网络的管道缺陷深度的反演方法、考虑速度效应的漏磁测试中任意缺陷轮廓重构的精确反演；针对有限样本的研究，提出了基于生成式对抗网络的故障诊断方法。在课题执行期间，项目组成员共发表学术论文28篇，其中期刊论文23篇(SCI检索论文16篇，EI检索论文7篇)，会议论文5篇；申请发明专利10项；撰写专著1项；获得中国专利优秀奖1项。直接培养和协助培养33名硕士研究生和博士研究生。相关的研究成果已成果应用于中海油海底管道大庆油田管道的内检测。