油气人工智能 | 大口径管道裂纹缺陷漏磁数据生成与评估方法
油气人工智能 | 大口径管道裂纹缺陷漏磁数据生成与评估方法
摘要:为解决大口径管道裂纹缺陷漏磁检测数据样本量不足、难以支撑量化识别需求的问题,提出融合漏磁场数值仿真与扩散算法的数据库生成方法,并结合全尺寸牵拉试验与三维漏磁仿真建模开展研究。研究结果表明: ① 裂纹缺陷尺寸对漏磁信号的影响规律明确,轴向分量峰值与缺陷深度正相关,波谷间距与缺陷长度正相关;径向分量呈反对称分布,峰值绝对值与缺陷深度正相关,正负峰间距与缺陷长度正相关。 ② 所建三维漏磁仿真模型精度达工程要求(平均误差<5% ),构建了240组裂纹缺陷仿真数据库。 ③ 基于扩散模型生成的数据与仿真数据具有相同的分布。 ④ 结合含环境噪声的牵拉试验数据优化生成模型后, 75.4% 生成数据通过KNN检验 K=5 ),特征分布与真实数据具有较高的相似性。所得结论可为管道裂纹缺陷量化评价提供漏磁检测数据基础。