资源预览内容
第1页 / 共6页
第2页 / 共6页
第3页 / 共6页
第4页 / 共6页
第5页 / 共6页
第6页 / 共6页
亲,该文档总共6页全部预览完了,如果喜欢就下载吧!
资源描述
漏磁检测缺陷识别方法 689 漏磁检测缺陷识别方法* 唐永刚 宁建国 周松强 叶崛宇 (北京理工大学爆炸科学与技术国家重点实验室,北京 100081) 摘 要:摘 要:建立了漏磁检测实验系统并采集了实验数据,对实验模型进行了数值计算.定义了缺陷漏磁 场信号的特征参数,并利用数字图像处理的方法对缺陷漏磁场信号进行了特征提取,设计了三层BP 人工神经网络,利用从仿真数据提取到的漏磁场信号特征对人工神经网络进行训练,对人工缺陷进 行了识别。结果表明,综合应用实验、数值仿真、数字图像处理与人工神经网络相结合的方法可以 有效的对漏磁检测缺陷进行识别。 关键词:关键词:漏磁检测;数字图像处理;人工神经网络 Defect Recognition Method of Magnetic Flux Leakage Inspection TANG Yong-gang, NING Jian-guo, ZHOU Song-qiang,Ye Jue-yu (State Key Laboratory of Explosion Science and Technology, Beijing Institute of Technology, Beijing 100081) Abstract: A MFL inspection system is designed and the MFL data is acquired, numerical calculation is conducted according to the inspection system. The characteristic parameters of MFL data are defined and obtained by means of digital image processing. A three layers artificial neural network(ANN) is designed and trained by the characteristic parameters of the data of numerical calculation. The defects are recognized by the trained ANN. The result indicates that experiment, numerical calculation, digital image processing and ANN can work together in the defects reorganization inspected by MFL. Key word: MFL; Digital image processing; ANN; 油气管道是能源输送的主要形式,世界各国对能源的需求不断增大,油气管道的铺设线路与使 用年限也在逐年增长,为防止管道腐蚀穿孔、爆管而造成的油气泄漏、爆炸等恶性事故的发生,必 须对管道安全进行无损检测。 漏磁检测是一种有效的管道安全检测方法,采用检测机构在管道表面施加外磁场使磁路饱和, 当检测机构与管道壁构成的磁通路上存在缺陷时,会在缺陷附近产生漏磁场,采用霍尔传感器检测 漏磁场并对其特征进行提取和分析,就可以得到被测缺陷的信息。检测到的漏磁场的特征与缺陷的 几何形状之间很难用数学表达式来描述,通常需要大量的数据获取经验来判别缺陷的大小。 1 数据获取数据获取 实验系统采用两块钕-铁-硼稀土永久磁铁以及衔接铁构成的检测机构对加工有人工缺陷的钢板 *作者简介:唐永刚(1976) ,男,讲师,工学硕士,E-mail: tangbit 第四届全国计算爆炸力学会议论文集 690 施加磁场,板厚5mm。在人工缺陷处产生的漏磁场利用8个霍尔传感器组成等距平行传感器阵列进 行采集,漏磁场数据采集区域为以缺陷为中心5050mm2的区域,采样精度为12位。共对40个人 工缺陷进行了数据采集1。人工缺陷为圆槽型缺陷,参数见表1。 表表 1 人工缺陷参数人工缺陷参数 Table 1 Parameters of Defects 直径/深度(mm) 1 1.75 2.5 3.25 4 6 6/1 6/1.75 6/2.5 6/3.25 6/4 8 8/1 8/1.75 8/2.5 8/3.25 8/4 10 10/1 10/1.75 10/2.5 10/3.25 10/4 12 12/1 12/1.75 12/2.5 12/3.25 12/4 14 14/1 14/1.75 14/2.5 14/3.25 14/4 16 16/1 16/1.75 16/2.5 16/3.25 16/4 18 18/1 18/1.75 18/2.5 18/3.25 18/4 20 20/1 20/1.75 20/2.5 20/3.25 20/4 根据实验系统的参数建立相应的有限元仿真模型,钢板: 500mm300mm5mm, 钢 块 :50mm50mm50mm, 轭 铁 : 200mm50mm20mm, 材料都为45#钢。 励磁源:50mm50mm25mm (永磁体铁钕硼N35) ,仿真模型如图1所示。 本模型中采用了SOLID96和INFIN47两种单元类型, 对所有的 实体及其附近区域所赋的单元属性为SOLID96,其余区域赋 INFIN47的单元属性,网格划分采用自由划分与局部划分相结合的 方法。永磁体是系统的励磁源,ANSYS在处理永磁材料时会自动将 其转化为等效电流并加载到每个单元和节点上,定义模型的最外层 单元为远场单元,选用静态的通用标势(GSP)法求解。对表1所 示40个人工缺陷都进行了数值计算并依照实验的检测方式, 对应在 仿真模型以缺陷为中心5050mm 2的漏磁场区域提取了 8个通道的漏磁场数据2。 2 漏磁缺陷信号特征定义漏磁缺陷信号特征定义 根据腐蚀缺陷评定规范ASME B31G3,需要确定的缺陷轴向长度L和缺陷深度D以求得预测 环向失效应力,但从获得的漏磁缺陷信号并不能直观的得到这两个参数。因此,需要首先找出缺陷 漏磁场信号的特征,再进一步分析缺陷漏磁场信号特征与缺陷轴向长度与缺陷深度的对应关系。定 义缺陷漏磁场信号的特征量如下: 1)长度L:缺陷漏磁场信号沿x轴方向的最大跨度 2)宽度W:缺陷漏磁场信号沿y轴方向的最大跨度 3)深度D:缺陷漏磁场最大强度与缺陷漏磁场最小强度之差 4)面积A:缺陷漏磁场信号所覆盖象素点的个数 5)均值Dm:平均漏磁场强度与最小漏磁场强度之差 6)中心坐标X:缺陷中心的x轴坐标 7)中心坐标Y:缺陷中心的y轴坐标 3 漏磁缺陷信号特征提取漏磁缺陷信号特征提取 实验和仿真得到的漏磁场信号都是通过8个通道取样得到的,每通道取100个点,用Matlab读 入该数据文件,得到一个8x100的矩阵。采用双三次插值算法将其转换为200 x200的矩阵,再将矩 图 1 漏磁场检测仿真模型 Figure 1 Simulation model of MFL inspection 漏磁检测缺陷识别方法 691 阵中的所有数值线性映射到0255区间(最小值取0,最大值取255) ,映射后的矩阵可以视为所采 集区域漏磁场的灰度图像,图像的明暗对应于该处漏磁场的强弱。直径10mm,深度1.75mm的缺陷 漏磁场灰度图像如图2所示: 图 2 漏磁缺陷灰度图像 图 3 剪切后的锐化图像 Figure 2 Gray Image of MFL Defect Figure 3 Sharpened Image After Cutting 在图像的中心位置有一个呈椭圆形的亮斑,其对应的就是位于该处的人工缺陷产生的漏磁场。为 了使图像灰度反差增强,有利于轮廓抽取,采用拉普拉斯算子对灰度图进行锐化处理4,为了消除锐 化处理的边缘效应,对图像边缘进行了剪切,从图3中可以看到图像的波峰、波谷特征在锐化处理后 都非常明显。对所有的漏磁场数据进行灰度图像生成与锐化处理观察到所有缺陷漏磁场图像都具有明 显的波峰、波谷,因此,在缺陷漏磁场图像中是否存在波峰与波谷可以判断该处是否存在缺陷。 3.1 图像分割图像分割 为了判断传感器所采集的区域是否存在缺陷,在其生成的漏磁场图像中首先要判断是否存在由 缺陷漏磁场引起的波峰与波谷,因为波峰与波谷区域对应的灰度值是图像中的极值区,因此可以用 图像分割5的方法来提取波峰和波谷。常用的图像分割法有:边缘检测法、阈值法、区域跟踪法等。 本文采用阈值法对图像进行图像分割,处理后图像的波峰波谷如图4、图5。 (a)波峰图像 (b)波谷图像 (a)Image of Wave Crest (b)Image of Trough 图 4 直径 10mm 深度 1.75mm 缺陷漏磁场图像分割 Figure 4 Image Segmentation of Diameter 10mm Depth 1.75mm Defect (a)波峰图像 (b)波谷图像 (a)Image of Wave Crest (b)Image of Trough 图 5 直径 16mm 深度 1.00mm 缺陷漏磁场图像分割 Figure 5 Image Segmentation of Diameter 16mm Depth 1mm Defect 第四届全国计算爆炸力学会议论文集 692 3.2 对象匹配对象匹配 对实验采集到的缺陷漏磁场信号所生成的灰度图像进行图像分割,发现数据图像的漏磁场数据 存在干扰,如图5(b)中右上角斜长的黑条显然不是由缺陷产生的漏磁场形成的波谷。一个缺陷漏 磁场信号所产生的波峰和波谷对象之间应该满足一定的空间分布规则,它们之间是互相匹配的。通 过对进行图像分割后的波峰、波谷图观察得到两个峰、谷的匹配特征: 1)波峰、波谷总是成对出现,且在图像的x轴方向具有对称性; 2)波谷出现在波峰的内侧; 根据峰、谷对象的空间分布规律,可以将由缺陷引发漏磁场而生成的波峰、波谷进行匹配,如 图6(b)所示,图5(b)中的干扰因不符合峰、谷匹配特征而被删除。 (a)Diameter:10mm Depth:1.75mm (b)Diameter:16mm Depth1mm 图 6 对象匹配 Figure 6 Object Matching 3.3 边缘恢复边缘恢复 缺陷的边缘介于漏磁场波峰和波谷之间, 通过对象匹配得到由缺陷产生的漏磁场波峰与波谷后, 可以据此来描绘缺陷的边缘。边缘恢复通过极坐标转换、等弧度采样、极坐标插值、峰谷曲线结合、 直角坐标转换、断点判断和直角坐标插值6等几步完成,边缘恢复后的图像如图7。 (a)Diameter:10mm Depth:1.75mm (b)Diameter:16mm Depth1.00mm 图 7 边缘恢复 Figure 7 Edge Restoration 3.4 种子填充种子填充 种子填充是二值图像处理中的一种常用操作,即在做完缺陷边缘恢复后将其内部的所有像素点 由0变为1,以便于计算漏磁信号的面积以及提取该区域内的漏磁场信号深度与均值。种子填充后 的图像如图8所示。 (a)Diameter:10mm Depth:1.75mm (b)Diameter:16mm Depth1.00mm 图 8 种子填充 Figure 8 Seeds Filling 漏磁检测缺陷识别方法 693 3.5 特征量计算特征量计算 在对缺陷漏磁场信号做完种子填充后, 对其 建立如图9所示的坐标系, 可以对所定义的缺陷 漏磁信号特征量进行计算,漏磁
网站客服QQ:2055934822
金锄头文库版权所有
经营许可证:蜀ICP备13022795号 | 川公网安备 51140202000112号