【技术实现步骤摘要】
本专利技术属于变电站管道检测的，具体涉及一种管道漏磁检测的表面伤损分析方法及系统。
技术介绍
1、变电站的金属管道在长期服役过程中，会受到外力、腐蚀等作用，在金属管道外表面处和接缝处会产生疲劳伤损。漏磁检测技术因其传感器结构简单、检测灵敏度高、非接触、对工件表面清洁度要求不高等特点，非常适用于管道表面裂纹的快速巡检。而管道漏磁检测设备在采集和传输漏磁信号的过程中，由于漏磁检测设备振动、传感器探头撞击接头、过钢管接缝等情况的发生，使得其采集到的管道顶面缺陷漏磁信号都带有振动干扰，即提离值变化造成的干扰，而且干扰信号与缺陷信号频谱重叠，幅值相近，会使得微小缺陷的漏磁信号较难通过人工进行识别，并且不同类型的伤损也较难区别。例如专利cn102122351a公开一种基于rbf神经网络的油气管道缺陷智能识别方法。(1)获取管道缺陷漏磁信号和管道缺陷轮廓作为检测数据；(2)建立rbf神经网络；(3)对神经网络进行训练和测试；(4)利用通过测试的神经网络来预测管道缺陷轮廓。管道缺陷轮廓包括：管道缺陷的长度、宽度和深度。其虽然可以建立有关管道缺陷轮廓预测模型，实现预测管道缺陷轮廓的目的，但是无法避免提离值变化造成的干扰，并且也无法实现不同类型伤损的识别。
2、因此，如何提供一种抗干扰且识别精度高的管道伤损分析方法是本领域技术人员亟待解决的问题。
技术实现思路
1、针对现有技术中存在的缺陷，本专利技术提供了一种管道漏磁检测的表面伤损分析方法及系统。可以通过对不同伤损漏磁信号进行特征数据的提
2、第一方面，本专利技术提供一种管道漏磁检测的表面伤损分析方法，包括：
3、对管道进行漏磁检测，得到漏磁信号；
4、根据管道伤损类别组对漏磁信号进行数据提取，给出对应的特征数据；
5、基于主成分分析对特征数据进行降维处理，给出降维后的特征数据；
6、基于预先构建的伤损分类模型，对降维后的特征数据进行分析处理，给出管道表面的伤损分类结果。
7、进一步的，根据管道伤损类别组对漏磁信号进行数据提取，给出对应的特征数据，包括：
8、获取历史漏磁信号；
9、根据管道伤损类别组，对历史漏磁信号进行分析处理，给出管道伤损类别组对应最优的信号特征组；
10、对漏磁信号进行数据提取，给出与最优的信号特征组匹配的特征数据。
11、进一步的，漏磁信号的信号特征包括峰度、平均值、伤损前波幅度、后波幅度、样本能量和峰值，信号特征组为信号特征中的至少两种，管道伤损类别组为擦伤、掉块、腐蚀、裂纹中的至少两种。
12、进一步的，根据管道伤损类别组，对历史漏磁信号进行分析处理，给出管道伤损类别组对应最优的信号特征组，包括：
13、基于历史漏磁信号给出所有信号特征组对应的历史特征数据；
14、基于所有信号特征组对应的历史特征数据和管道伤损类别组，对信号特征组进行分析处理，给出混合信号特征组；
15、将混合信号特征组与所有信号特征组进行相交替换，得到重组集群；
16、基于所有混合信号特征组对应的历史特征数据和管道伤损类别组，对重组集群进行筛选处理，给出最佳的信号特征组；
17、重复上述分析和筛选步骤直至满足终止条件，给出最终的信号特征组；其中，终止条件为最大重复次数或最小适应度值。
18、进一步的，基于所有信号特征组对应的历史特征数据和管道伤损类别组，对信号特征组进行分析处理，给出混合信号特征组，包括：
19、根据所有信号特征组对应的历史特征数据和管道伤损类别组，对神经网络分类器进行训练直至收敛，并给出收敛后神经网络分类器输出的每个历史特征数据对应的分类预测值；
20、根据所有分类预测值和分类实际值，给出每个信号特征组对应的适应度值；
21、选取适应度值最小的信号特征组与预设的理想信号特征组进行交叉和变异，得到一定数量的混合信号特征组。
22、进一步的，适应度值满足以下关系：
23、
24、式中，s为适应度值，n为样本数量，即单个信号特征对应的历史特征数据的数量，yi为第i个样本的分类预测值，yi为第i个样本的分类实际值，即第i个样本的钢管伤损实际分类结果。
25、进一步的，选取适应度值最小的信号特征组与预设的理想信号特征组进行交叉和变异，得到一定数量的混合信号特征组，包括：
26、确定选取次数，每次从漏磁信号的所有信号特征中随机选取多个信号特征，得到多组信号特征子集；
27、将每组信号特征子集中选取的信号特征与预设的理想信号特征组中的信号特征进行比对，筛选出每组信号特征子集中存在于预设的理想信号特征组内的信号特征形成多组交叉特征子集；
28、将多组交叉特征子集中的信号特征与适应度值最小的信号特征组进行匹配，将每组交叉特征子集中未匹配的信号特征分别与适应度值最小的信号特征组进行合并，得到多组交叉特征组；
29、根据多组交叉特征组和漏磁信号的所有信号特征，生成与每组交叉特征组匹配的多个交叉信号特征表；其中，交叉信号特征表包括漏磁信号的所有信号特征和所有信号特征对应的特征状态；
30、将交叉信号特征表中与交叉特征组内的信号特征对应的特征状态设置为选中，其他信号特征的特征状态设置为未选中；
31、根据预设变异概率，对每个交叉信号特征表中所有特征信号的特征状态进行变异；其中，预设变异概率为0.001～0.1；
32、整合变异后的每个交叉信号特征表中特征状态为选中的特征信号分别形成混合信号特征组。
33、进一步的，根据预设变异概率，对每个交叉信号特征表中所有特征信号的特征状态进行变异，包括：
34、根据预设变异概率确定每个交叉信号特征表中发生变异的特征信号；
35、基于发生变异的特征信号，将对应特征信号的特征状态进行改变。
36、其中，将对应特征信号的特征状态进行改变，包括：将特征状态由选中变为未选中，或由未选中变为选中。
37、进一步的，将混合信号特征组与所有信号特征组进行相交替换，得到重组集群，包括：
38、根据所有混合信号特征组对应的历史特征数据和管道伤损类别组，给出每个混合信号特征组对应的适应度值；
39、将所有混合信号特征组对应的适应度值与所有信号特征组中的最大适应度值进行比较，剔除适应度值大于最大适应度值的混合信号特征组；
40、根据剩余的混合信号特征组数量，从所有信号特征组形成的初始集群中按照适应度值由大到小的顺序，选出与剩余混合信号特征组数量匹配的信号特征组；
41、将选出的信号特征组的适应度值与剩余混合信号特征组的适应度值按照大小排序，并按照适应度值由小到大的顺序选出一半数量的信号特征组和/或混合信号特征组作本文档来自技高网...
【技术保护点】
1.一种管道漏磁检测的表面伤损分析方法，其特征在于，包括：
2.如权利要求1所述表面伤损分析方法，其特征在于，根据管道伤损类别组对漏磁信号进行数据提取，给出对应的特征数据，包括：
3.如权利要求2所述表面伤损分析方法，其特征在于，漏磁信号的信号特征包括峰度、平均值、伤损前波幅度、后波幅度、样本能量和峰值，信号特征组为信号特征中的至少两种，管道伤损类别组为擦伤、掉块、腐蚀、裂纹中的至少两种。
4.如权利要求2所述表面伤损分析方法，其特征在于，根据管道伤损类别组，对历史漏磁信号进行分析处理，给出管道伤损类别组对应最优的信号特征组，包括：
5.如权利要求4所述表面伤损分析方法，其特征在于，基于所有信号特征组对应的历史特征数据和管道伤损类别组，对信号特征组进行分析处理，给出混合信号特征组，包括：
6.如权利要求5所述表面伤损分析方法，其特征在于，将混合信号特征组与所有信号特征组进行相交替换，得到重组集群，包括：
7.如权利要求6所述表面伤损分析方法，其特征在于，基于所有混合信号特征组对应的历史特征数据和管道伤损类别组
8.如权利要求7所述表面伤损分析方法，其特征在于，基于主成分分析对特征数据进行降维处理，给出降维后的特征数据，包括：
9.如权利要求4-8任一所述表面伤损分析方法，其特征在于，预先构建的伤损分类模型，包括：
10.一种使用如权利要求1-9任一所述管道漏磁检测的表面伤损分析方法的表面伤损分析系统，其特征在于，包括：
...【技术特征摘要】
1.一种管道漏磁检测的表面伤损分析方法，其特征在于，包括：
2.如权利要求1所述表面伤损分析方法，其特征在于，根据管道伤损类别组对漏磁信号进行数据提取，给出对应的特征数据，包括：
3.如权利要求2所述表面伤损分析方法，其特征在于，漏磁信号的信号特征包括峰度、平均值、伤损前波幅度、后波幅度、样本能量和峰值，信号特征组为信号特征中的至少两种，管道伤损类别组为擦伤、掉块、腐蚀、裂纹中的至少两种。
4.如权利要求2所述表面伤损分析方法，其特征在于，根据管道伤损类别组，对历史漏磁信号进行分析处理，给出管道伤损类别组对应最优的信号特征组，包括：
5.如权利要求4所述表面伤损分析方法，其特征在于，基于所有信号特征组对应的历史特征数据和管道伤损类别组，对信号特...
【专利技术属性】
技术研发人员：印吉景，杨阳，曹瑞，汤德宝，陈挺，鞠玲，朱岩泉，程阳，陆子渊，陈劢，马君鹏，万瑜，岳贤强，
申请(专利权)人：国网江苏省电力有限公司泰州供电分公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。