基于堆叠自编码器神经网络的复合电磁检测铁磁性双层套管腐蚀缺陷分类识别方法
张曦郁1
李勇2
闫贝2
敬好青2
1.西安交通大学航天航空学院机械结构强度与振动国家重点实验室陕西省无损检测与结构完整性评价工程技术研究中心,西安,710049;西安军代局,西安,7100432.西安交通大学航天航空学院机械结构强度与振动国家重点实验室陕西省无损检测与结构完整性评价工程技术研究中心,西安,710049
摘要：铁磁性双层套管长期服役于恶劣的工作环境,极易出现腐蚀缺陷,定期为服役中的双层套管进行在线检测十分必要,而对管壁腐蚀缺陷位置的分类识别是管道定量检测与维修的前提和基础,实时准确的套管腐蚀缺陷分类识别能力是决定管道在线检测效率的重要因素.针对这一情况,将脉冲远场涡流和脉冲涡流技术相结合,提出了基于堆叠自编码器神经网络的分类方法.通过仿真和实验选取合适特征量作为输入层,实现了内管外壁腐蚀、外管内壁腐蚀和外管外壁腐蚀的分类,实验整体预判精度可达97.5%,结果表明该方法可对双层套管腐蚀缺陷缺陷实施高效、高精度分类识别.
关键词：亚表面腐蚀缺陷分类识别铁磁性双层套管脉冲远场涡流检测脉冲涡流检测堆叠自编码器神经网络
分类号：TG115.28(金属学与热处理)
资助基金：国家自然科学基金(51477127)国家自然科学基金(E070104)
论文发表日期：2018-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 72-78 )
英文信息