典型文献
基于SSA-BP神经网络的管道裂纹涡流识别研究
文献摘要：
目前,管道裂纹识别研究主要集中在漏磁检测领域,针对管道裂纹涡流检测定量识别的研究较少.为此,基于SSA-BP神经网络对管道裂纹进行定量识别研究,运用Maxwell有限元仿真软件对不同尺寸裂纹进行数值模拟,探究不同尺寸裂纹信号特征的变化规律,并搭建基于涡流检测技术的裂纹检测系统,验证了数值模拟的正确性;对试验及数值模拟的检测信号进行特征参数提取,采用SSA-BP神经网络对裂纹参数进行定量识别.研究结果表明:研制的涡流检测探头可实现对宽1 mm、深0.2 mm的裂纹有效检出;采用麻雀搜索算法优化的BP神经网络提高了神经网络的识别精度和运行速度;构建的SSA-BP神经网络管道裂纹识别模型较传统BP神经网络模型,深度、宽度最大相对误差分别减小56.7百分点和0.36百分点,深度、宽度最大绝对误差分别为0.05和0.0043 mm,能够有效实现对管道裂纹尺寸的定量识别.所得结果对油气管道裂纹定量识别技术的发展具有一定的指导意义.
文献关键词：
管道裂纹;定量识别;SSA-BP神经网络;涡流检测;磁通密度
中图分类号：
作者姓名：
王长新;陈金忠;辛佳兴;张雪伟;何仁洋;王德国
作者机构：
中国石油大学 北京;中国特种设备检测研究院;南昌航空大学
文献出处：
引用格式：
[1]王长新;陈金忠;辛佳兴;张雪伟;何仁洋;王德国-.基于SSA-BP神经网络的管道裂纹涡流识别研究)[J].石油机械,2022(08):118-125
A类：
B类：
SSA,管道裂纹,裂纹识别,漏磁检测,检测领域,定量识别,Maxwell,有限元仿真,不同尺寸,信号特征,涡流检测技术,裂纹检测,检测信号,特征参数提取,裂纹参数,检测探头,麻雀搜索算法,算法优化,识别精度,运行速度,识别模型,百分点,绝对误差,裂纹尺寸,油气管道,磁通密度
AB值：
0.2497
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。
