[发明专利]三维漏磁检测缺陷神经网络迭代反演成像方法

摘要

本发明提出一种三维漏磁检测缺陷神经网络迭代反演成像方法，包括从待测管道选取成像区域；扫描待测管道，得到最终的三维漏磁场检测值；根据主成分分析法对三维漏磁场检测值进行分析，得到多个特征值对应的实际特征值向量；确定缺陷开口轮廓，建立缺陷三维轮廓条状模型；构建正向径向基函数神经网络模型；将初始深度向量输入该模型，得到多个特征值对应的预测特征值向量；如果实际特征值向量与预测特征值向量之间的误差是小于误差阈值，则进行反演成像，否则，对初始的深度向量进行修正，继续进行迭代运算，直至实际特征值向量与预测特征值向量之间的误差小于或等于误差阈值。本发明的方法针对性强、稳定性好，有助于减少计算量，提高成像精度。

主权项

一种三维漏磁检测缺陷神经网络迭代反演成像方法，其特征在于，包括以下步骤：S1：提供待测管道，并从所述待测管道选取成像区域，其中，所述成像区域包括标准人工缺陷；S2：利用三轴磁传感器扫描所述待测管道，得到所述待测管道的离散三维漏磁检测数据，并对所述离散三维漏磁检测数据进行过滤，得到最终的三维漏磁场检测值；S3：根据主成分分析法对所述三维漏磁场检测值进行分析，并提取缺陷轮廓反演时所需的多个特征值，并组成相应的实际特征值向量，其中，所述多个特征值包括：轴向信号漏磁场体积、轴向信号漏磁场能量、轴向信号正峰值、轴向信号负峰值、径向信号正负峰值的轴向间距及周向信号正负峰值的周向间距；S4：根据三维缺陷漏磁信号确定缺陷开口轮廓，并根据所述缺陷开口轮廓和深度参数建立对应的缺陷三维轮廓条状模型；S5：构建正向径向基函数神经网络模型，其中，所述正向径向基函数神经网络模型的输入为基于所述三维轮廓条状模型的缺陷参数；S6：设定初始的深度向量，并将所述深度向量输入所述正向径向基函数神经网络模型以进行正向预测，得到所述三维漏磁场检测值的多个特征值对应的预测特征值向量；S7：计算并判断所述实际特征值向量与所述预测特征值向量之间的误差是否小于误差阈值，如果是，则根据所述初始的深度向量进行反演成像，以得到最终缺陷轮廓，否则，对所述初始的深度向量进行修正，并返回执行所述步骤S6，直至所述实际特征值向量与所述预测特征值向量之间的误差小于所述误差阈值。