Page 99 - 无损检测2024年第三期

左万君, 等:
漏磁检测在管道损伤探测中的应用

图8 基于迭代方法的原理示意
中, 其采用3个 VT-CNN 来量化缺陷的长度、 宽度 际测量样本数量, 故发展快速检测漏磁信号的方法,

和深度, 估算精度分别提高了 26.9 % , 27.1 % 和 扩大学习的样本数量是该方法未来的研究方向。

33.3% 。 WU 等 [ 42 ] 基于深度强化学习( RL ) 的重建
参考文献:
解决 方 案 来 估 算 检 测 中 的 缺 陷 深 度。 YUKSEL
等 [ 43 ] 提出了 SwinYv5目标检测算法的缺陷检测模 [ 1 ] 彭善碧, 赵菂雯, 卢泓方, 等. 国外石油天然气行业非
金属管道检测技术 [ J ] . 中国安全生产科学 技 术,
型与检查残差卷积神经网络( CR-CNN ) 相结合的方

法。该方法对缺陷的检测精度为98.9% , 对缺陷量 2022 , 18 ( 12 ): 49-57.
[ 2 ] 仵杰, 李野. 基于阵列感应的石油管道无损检测研究
化的最大长度误差为 1.30 mm , 最大宽度误差为

[ J ] . 西安石油大学学报( 自然科学版), 2021 , 36 ( 5 ):

1.65mm , 最大深度误差为0.47mm 。 121-128.

5 总结与展望 [ 3 ] LIUFJ , LINGZ W , KONGS , etal.A pp licationof

zero- p hase di g italfilterin ma g neticflux leaka g e

漏磁信号检测是国内油气管道损伤检测的重要 testin g for tank floor ins p ection [ J ] .A pp lied

手段之一。漏磁信号去噪、 异常识别以及缺陷反演 Mechanicsand Materials , 2013 , 333 / 334 / 335 : 1644-
是漏磁检测过程中的关键部分, 尤其是缺陷反演的 1648.
[ 4 ] 王磊, 柳亦兵, 滕伟, 等. 风电机组叶片无损检测技术
准确性。文章简要介绍了漏磁检测的基本原理及操
研究与进展[ J ] . 中国电力, 2023 , 56 ( 10 ): 80-95.
作流程, 综述了近年来在漏磁检测过程中对信号预
[ 5 ] WANGYD , XU Y T , WANGB , etal.Researchon
处理、 异常信号识别以及缺陷量化三方面的研究成
metalatmos p hericstora g etankins p ectionmethodfor
果。其中, 重点介绍了漏磁信号异常识别方法中的
standardinChina [ C ]// Proceedin g sofASME2009

基于卷积神经网络的异常识别方法以及缺陷量化方 Pressure Vesselsand Pi p in g Conference.Pra g ue ,

法中基于迭代和基于映射的量化方法。这些方法相 CzechRe p ublic : 447-452.

对于传统的人工检测方法, 在人工经验存在的误差、 [ 6 ] LIY , TIANGY , WARDS.Numericalsimulationson

信号处理能力与速度以及缺陷预测精度等方面有着 electroma g neticNDTathi g hs p eed [ J ] .Insi g ht-Non

DestructiveTestin gandConditionMonitorin g , 2006 ,
巨大的优势, 对漏磁检测技术在探测油气管道的应
48 ( 2 ): 103-108.
用上有着重要的工程价值。然而, 这些方法虽然在
[ 7 ] CHENQK , ZHANGJW , YEQ. Wirero p edama g e
突破传统漏磁信号异常识别以及缺陷反演中取得了
detectionbasedonma g neticleaka g eandvisibleli g ht
一定的成果, 但是仍然存在一些挑战, 具体如下 [ J ] .JournalofFailureAnal y sisandPrevention , 2023 ,

所述。 23 ( 3 ): 1275-1287.

( 1 )受限于计算设备的性能, 深度学习的方法 [ 8 ] SAHOO S K , GOSWAMIS S.Investi g atin gthe

在漏磁检测领域的应用并不多, 未来计算设备的发 causesandremediesfor p orosit y defectsinthecastin g

展能够给这个方法带来更广阔的应用场景。 p rocess : areview [ J ] .BOHRInternationalJournalof
( 2 )无论是基于映射还是基于迭代的方法均是 En g ineerin g , 2023 , 2 ( 1 ): 15-29.

[ 9 ] ZHANG H , LI H X , ZHOU JT , etal.A multi-
非现象方法, 其决策与理论、 经验相离, 因此, 深入研
dimensionalevaluation of wirebreaka g ei n brid g e
究漏磁现象机理, 着力于研究漏磁信号与损伤特征
cablebasedonself-ma g neticfluxleaka g esi g nals [ J ] .
之间的关联原理与机制尤为重要。 JournalofMa g netismandMa g neticMaterials , 2023 ,

( 3 )在应用中, 深度学习的方法要求较大的实 566 : 170321.

1
6
2024年 第46卷 第3期
无损检测