(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 20221071976 0.2 (22)申请日 2022.06.23 (71)申请人 中国矿业大 学 地址 221116 江苏省徐州市大 学路1号中国 矿业大学南湖校区材 料楼 (72)发明人 徐杰　饶连涛　樊宇　徐磊华　 陈正　王林　郝大洋　刘国兴　 满铮　马一鸣　 (74)专利代理 机构 北京卓胜佰达知识产权代理 有限公司 16 026 专利代理师 杨洋 (51)Int.Cl. G06F 30/23(2020.01) G06F 30/27(2020.01) G01N 27/83(2006.01)G06N 3/08(2006.01) G06F 113/14(2020.01) G06F 111/10(2020.01) (54)发明名称 一种管道 壁厚、 焊缝余高及缺陷尺 寸的量化 方法 (57)摘要 本发明提供一种针对不同管道 壁厚、 焊缝余 高及缺陷尺寸的量化方法。 首先， 根据实际检测 装置参数， 建立不同壁厚管道下的不同余高焊缝 的焊缝缺陷模型； 其次， 采用仿真方法对建立的 模型的磁场分布进行模拟计算； 然后， 提取不同 管道壁厚下的不同焊缝余高、 不同缺陷尺寸模型 的磁场信号并绘制各自对应的信号曲线； 然后， 判断信号曲线的分布特征， 提取各自对应的特征 值； 然后， 根据编写的归一化函数对特征值进行 归一化处理； 然后， 采用神经网络对归一化后的 特征值数据进行反演训练； 然后， 根据编写的反 归一化函数对训练完成的特征值进行反归一化 处理； 最后， 选取随机样本的漏磁信号， 验证相关 参数的反演效果。 本发明充分利用了不同管道壁 厚、 不同余高焊缝和不同缺陷尺 寸叠加的变化规 律， 提出了一种量 化三者参数的方法。 权利要求书2页 说明书7页 附图5页 CN 115062515 A 2022.09.16 CN 115062515 A 1.一种管道壁厚、 焊缝余高及缺陷尺寸的量 化方法， 其特 征在于， 包括以下步骤： Step 1： 建立不同壁厚T管道下的不同余高H焊缝的模型， 该模型包含不同焊缝缺陷尺 寸D的焊缝 特征； Step 2： 对建立的模型进行数值模拟， 提取不同管道壁厚下的不同焊缝余 高、 不同缺陷 尺寸模型的磁场信号； Step 3： 绘制不同管道壁厚下的不同余 高变化模型的轴向、 径向分量分布曲线T ‑H以及 不同管道壁厚下的不同缺陷尺寸变化模型的轴向、 径向分量分布曲线 T‑D； Step 4： 根据T‑H、 T‑D曲线的分布特 征， 选取并提取信号曲线的特 征值； Step 5： 编写归一 化函数并对特 征值进行归一 化处理； Step 6： 调用神经网络中的数值优化法Levenberg ‑Marquardt对归一化后的数据进行 反演训练； Step 7： 编写反归一 化函数并对训练完成的特 征值进行反归一 化处理； Step 8： 选取随机样本的漏磁信号， 验证相关参数的反演效果。 2.根据权利 要求1所述的方法， 其特征在于： 在Step  1中， 管道壁厚T是基于现有长输油 气管道壁厚设定并合理增加的， 以保证现阶段长输油气管道 壁厚的大部 分用途； 焊缝余高H 是基于现有长输油气管道环焊缝的余高量所设定的， 以满足现阶段长输油气管道环焊缝余 高的大部分范围。 3.根据权利要求1所述的方法， 其特征在于： 在Step  2中， 采用有限元仿真软件COMSOL   Multiphysics进行 数值模拟， 并提取距离管道内表面上 方特定提离值的漏磁信号。 4.根据权利要求1或3所述的方法， 其特 征在于： Step  2具体包括， Step 2.1： 构建磁化器模型， 对Step  1中建立的模型设定相应的材 料参数； Step 2.2： 采用有限元仿真软件 对设定的模型进行仿真模拟计算； Step 2.3： 提取Step  2.2中完成模拟计算的模型的磁场信号。 5.根据权利要求1所述的方法， 其特征在于： 在Step  3中， 绘制不同管道壁厚下的不同 余高变化模型的轴向、 径向分量分布曲线T ‑H， 该曲线是以特定管道壁厚、 特定焊缝缺陷尺 寸为参考， 焊缝余高变化的信号分布曲线； 绘制不同管道壁厚下 的不同余高变化模型 的轴 向、 径向分量分布曲线T ‑D， 该曲线 是以特定管道壁 厚、 特定焊缝余高为参考， 焊缝缺陷尺 寸 变化的信号分布曲线。 6.根据权利要求1或5所述的方法， 其特 征在于： Step  3具体包括， Step 3.1： 绘制不同管道壁厚下的不同焊缝余高、 不同缺陷尺寸模型的信号曲线之一 T‑H曲线， 在特定的管道壁厚下， 绘制信号随着焊缝余高变化的曲线； 总的曲线图取决于管 道壁厚T的种类， 共a ×2组曲线图， 每组曲线中包 含b条曲线， 共同组成T ‑H曲线； a×2组曲线图中， a为T的种类数目， 2表示漏磁信号有轴向、 径向2个分量， b为H的种类 数目； Step 3.2： 绘制不同管道壁厚下的不同焊缝余高、 不同缺陷尺寸模型的信号曲线之一 T‑D曲线， 在特定的管道壁厚下， 绘制信号随着焊缝缺陷尺寸变化的曲线； 总的曲线图取决 于管道壁厚T的种类， 共a ×2组曲线图， 每组曲线中包 含c条曲线， 共同组成T ‑D曲线； a×2组曲线图中， a为T的种类数目， 2表示漏磁信号有轴向、 径向2个分量， c为D的种类 数目。权　利　要　求　书 1/2 页 2 CN 115062515 A 27.根据权利要求1所述的方法， 其特征在于： 在Step  4中， 选取的特征值是以Step  3中 信号随自变量变化特 征最明显位置的信号。 8.根据权利要求1所述的方法， 其特征在于： 在Step  5中， 编写的归一化函数是基于 Matlab中的premnmx函数所编写的， 归一化的范围是将数据调整至[ ‑1,1]， 采用的是行向量 归一化处理， 其数学表达式为： 其中， xab表示x矩阵中第a行、 第b列的数据， min[xa·]表示x矩阵中第a行数据中的最小 值， max[xa·]表示x矩阵中第a行 数据中的最大值， yab表示数据xab归一化后的数据。 9.根据权利要求1所述的方法， 其特征在于： 在Step  6中， 神经网络采用的是Matlab工 具箱中Neural  Net Fitting， 训练算法为数值优化法Levenberg ‑Marquardt。 10.根据权利要求1所述的方法， 其特征在于： 在Step  7中， 编写反归一化函数是基于 Matlab中的postmnmx函数 所编写的， 还原出归一 化前的数据。权　利　要　求　书 2/2 页 3 CN 115062515 A 3