基于超声波导向波和卷积神经网络的管道裂的定量检测
Yuchi Shen1, Jing Wu2, Junfeng Chen3
1Department of Civil Engineering, Qinghai University, Xining 810016, China.
Sensors (Basel, Switzerland)
|February 24, 2024
概括
一种新方法使用一维卷积神经网络 (1D-CNN) 准确检测管道裂. 这种方法分析超声波引导波信号以量化裂大小,误差小于2%.
科学领域:
- 非破坏性测试是指非破坏性测试.
- 机器学习应用程序 机器学习应用程序
- 信号处理 信号处理
背景情况:
- 管道完整性对于安全和效率至关重要.
- 准确的裂检测对于防止故障至关重要.
- 传统方法在定量缺陷分析中可能缺乏精度.
研究的目的:
- 开发一个用于管道裂的定量检测方法.
- 用一维卷积神经网络 (1D-CNN) 来评估裂大小.
- 评估1D-CNN与多层感知子的性能.
主要方法:
- 通过模拟和实验获得管道超声波引导波信号.
- 使用一维卷积神经网络 (1D-CNN) 进行信号分析.
- 使用裂大小作为神经网络模型的目标输出.
主要成果:
- 1D-CNN在定量裂分析中表现出卓越的性能.
- 在模拟和实验数据中,错误率低于2%.
- 通过使用不同频率的回声信号有效评估裂大小.
结论:
- 将超声波引导波技术与1D-CNN相结合,使管道裂的有效定量分析成为可能.
- 开发的方法为缺陷大小评估提供了高准确度.
- 这种方法增强了管道监测和维护策略.
