[发明专利]基于改进粒子群算法的不规则管道缺陷的反演方法

说明书

本发明公开了一种基于改进粒子群算法的不规则管道缺陷的反演方法，属于管道监测技术领域，本发明采用了改进的粒子群算法，引入个性化惯性权重的概念，分别对比每个粒子的适应度和种群的平均适应度来判断各个粒子当前所处位置的优劣，并以此为依据在基于BPSO的统一惯性权重的基础上减小位置较优粒子的惯性权重，增大位置较差粒子的惯性权重，使每个粒子的惯性权重与其当前位置更加匹配；在进行粒子的速度更新时，引入种群其他粒子的最优经验位置pbest_c进行学习，调整学习因子c₃使对应的pbest_c随着迭代步数线性递减；并利用遗传算法的思想，通过继承与变异结合的方式，增加一个位置较优的粒子来跳出局部极小值并加速寻优进程。

技术领域

本发明涉及管道内检测技术领域，尤其涉及基于改进粒子群算法的不规则管道缺陷的反演方法。

背景技术

石油和天然气是重要的能源和化工原料，对人民生活、工农业生产和国防建设都具有至关重要的作用。油气管道输送的基本要求是安全、高效。然而长输管道的工作条件通常非常恶劣，受各种因素的影响，很容易发生腐蚀和裂纹等损伤，或使管道内部潜在缺陷发展成破损而引起泄露。油气的泄漏不仅造成了巨大的经济损失，同时也会造成严重的环境污染，并且威胁着人身安全。所以必须对油气管道进行定期的无损检测，以保证油气运输过程的安全与高效。

目前，在所有管道无损检测技术中，漏磁检测技术应用范围最为广泛。而在漏磁检测的过程中，漏磁信号的处理以及缺陷的量化识别是管道漏磁检测的核心环节。漏磁检测信号的量化识别过程就是根据漏磁检测信号确定被测材料中是否存在缺陷、并标定缺陷的形状和位置，进而实现缺陷检测的可视化，称为漏磁检测的反演问题。

漏磁检测中缺陷的反演过程对缺陷的位置和形状进行估计，可以为管道维修提供较为准确的预见和报告，对管道缺陷的精确识别不但可以及时对缺陷严重的管道进行更换，尽可能的减少泄漏事故造成的重大经济损失和严重环境污染，同时，对于并不严重的、不会造成管道泄露的缺陷，可以避免盲目地进行管道更换，为管道运行维护提供准确的预报。而漏磁信号的反演方法主要分为两大类，一类是不需要物理模型的直接法，一类是基于模型的间接法，不基于模型的直接法的原理是直接建立测量信号与缺陷参数之间的映射关系，虽然有快速简单的优点，但是由于这种方法的映射参数是基于训练样本得出的，所以这个模型的泛化能力较差，当实际缺陷和训练样本相差较远时，模型的准确率较低，尤其对于形状不规则的缺陷不能精准的预测，而实际应用中缺陷绝大多数是不规则的。因此在本发明中应用的是基于模型的直接反演方法，原理大致如下：产生一个估计的缺陷形状并将其输入正向物理模型中，该正向模型模拟了缺陷产生漏磁信号的过程，通过该模型产生仿真漏磁信号，并计算其与实际测量信号之间的差值，误差反馈给逆向迭代算法，逆向迭代算法产生下一步迭代的缺陷形状参数再次输入正向模型，通过迭代的这个过程使缺陷参数不断的趋近于真实缺陷。基于模型的反演方法没有了直接法上述的缺点，反演结果更加准确，精度更高。

现有的基于模型的反演方法虽然相对于不基于模型的直接法有更高的精度，但是仍然存在求解精度不够高、易陷入局部极小值以致收敛速度较慢的问题，因此如何在现有的基于模型的间接法的研究成果的基础上进一步提高反演精度和反演速度是我们目前急需解决的问题。

发明内容

针对上述现有技术的不足，本发明提供一种基于改进粒子群算法的不规则管道缺陷的反演方法。

为解决上述技术问题，本发明所采取的技术方案是：基于改进粒子群算法的不规则管道缺陷的反演方法，该方法如图1所示，包括如下步骤：

步骤1：使用传感器采集管道存在缺陷段的漏磁信号，得到多个采样点的磁感应强度，同时建立该段管道的正向物理模型；