典型文献
基于卷积神经网络的管道缺陷量化识别方法
文献摘要：
针对长输油气管道缺陷尺寸的智能识别、有效评估管道损伤程度的问题,提出了一种基于卷积神经网络的漏磁数据智能识别处理方法.该方法将漏磁检测信号的结构化数据作为模型量化分析输入源,可有效减小检测干扰的影响.利用卷积核提取管道缺陷处的漏磁检测数据特征,改进输出层激活函数,线性输出结果,实现对管道缺陷尺寸的智能识别.实验结果表明:该方法对管道缺陷具有良好的量化能力,量化误差为2～4 mm,满足工程需求,同时可快速对工程数据进行批量识别,在管道漏磁内检测数据处理领域具有很好的应用前景.
文献关键词：
漏磁检测;管道缺陷;卷积核;卷积神经网络;缺陷量化
中图分类号：
作者姓名：
崔国宁;杨理践;耿浩;刘屹然
作者机构：
沈阳工业大学信息科学与工程学院,辽宁沈阳 110870;国家管网集团油气调控中心,北京 100013
文献出处：
引用格式：
[1]崔国宁;杨理践;耿浩;刘屹然-.基于卷积神经网络的管道缺陷量化识别方法)[J].仪表技术与传感器,2022(10):99-103
A类：
B类：
管道缺陷,缺陷量化,量化识别,长输油气管道,缺陷尺寸,智能识别,有效评估,数据智能,别处,漏磁检测,检测信号,结构化数据,模型量化,卷积核,数据特征,出层,激活函数,线性输出,输出结果,量化误差,工程需求,工程数据,漏磁内检测,内检测数据
AB值：
0.340335
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
