基于机器学习的管道金属损失缺陷识别方法

• 作者: 何仁洋 张咪 王德国 赵翰学 郭岩宝
• 来源期刊: 石油机械
• 学科: 工学
• 关键词: 石化管道 金属损失 漏磁检测 机器学习 缺陷分类识别
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 石油管工程
• 页码范围: 138-145
• 页数: 8页
• 分类号: TE973.6
• 语种: 中文
• DOI: 10.16082/j.cnki.issn.1001-4578.2020.12.020

摘要

针对石化管道漏磁检测时缺陷较难识别的问题,首先对管道金属损失缺陷类型进行分类量化,建立石化管道金属损失缺陷漏磁检测三维有限元模型,采用Maxwell对1000组缺陷进行了漏磁仿真,得到了漏磁信号数据;然后分析了漏磁信号与缺陷类型及尺寸之间的关系,提取了漏磁检测信号的4个特征值,并验证了特征值对于识别缺陷类型的有效性;最后采用支持向量机、随机森林以及梯度提升决策树(GBDT)3种机器学习算法对缺陷信号特征量进行了分类识别.研究结果表明,3种算法对于缺陷的分类识别效果均较好,特别是GBDT算法在现有的数据范围内达到了100％的识别率.研究结果对石化管道完整性评价具有一定的指导意义.