автореферат диссертации по машиностроению и машиноведению, 05.02.11, диссертация на тему:Методы автоматического обнаружения дефектов при диагностике магистральных газопроводов магнитными дефектоскопами

На правах рукописи

Повагин Вадим Анатольевич

МЕТОДЫ АВТОМАТИЧЕСКОГО ОБНАРУЖЕНИЯ ДЕФЕКТОВ ПРИ ДИАГНОСТИКЕ МАГИСТРАЛЬНЫХ ГАЗОПРОВОДОВ МАГНИТНЫМИ ДЕФЕКТОСКОПАМИ

Специальность 05.02.11 - Методы контроля и диагностика в машиностроении

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Екатеринбург - 2008

003459784

Работа выполнена в Ордена Трудового Красного Знамени Институте физики металлов УрО РАН и в НПО «Спецнефтегаз»

Научный руководитель:

Официальные оппоненты:

доктор технических наук, профессор Корзунин Геннадий Семенович

доктор физико-математических наук, профессор

Хачай Михаил Юрьевич

Ведущая организация:

доктор технических наук Реутов Юрий Яковлевич

Уральский государственный технический университет - УПИ

Защита состоится 27 февраля 2009 г. в 14.30 на заседании Диссертационного совета Д 004.003.01 при Институте физики металлов УрО РАН по адресу:

620041, г. Екатеринбург, ГСП-170, ул. С. Ковалевской, 18

С диссертацией можно ознакомиться в библиотеке Института физики металлов УрО РАН

Автореферат разослан <</g>>^JU<JoQL<J^лl 200$г.

Ученый секретарь

Диссертационного совета Д 004.003.01 доктор физико-математических наук Лошкарева Н. Н.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность работы

Обеспечение целостности газотранспортных систем имеет важнейшее значение, так как выход из строя магистрального газопровода влечет за собой значительный экономический ущерб, а также возможные человеческие жертвы. Основной причиной разрывов газопроводов является наличие дефектов в стенке трубы. Среди методов неразрушающего контроля наиболее востребован и распространен метод рассеяния магнитного потока - MFL (Magnetic Flux Leakage). Диагностической информацией для анализа является двумерный магнитный сигнал, характеризующий топографию тангенциальной компоненты поля рассеяния на внутренней поверхности трубопровода. Анализ данных MFL включает в себя оценку геометрии обследованных объектов на основе измеренных магнитных полей. Традиционный метод визуального анализа специально обученными экспертами огромного объема данных (20-50 Гб на 100 км) занимает очень много времени и сил, а качество интерпретации зависит от уровня квалификации аналитика. Поэтому разработка методов автоматической идентификации диагностических сигналов в магнитной дефектоскопии газопроводов является актуальной задачей.

Цель и задачи исследования

Целью диссертационной работы является разработка методов автоматического обнаружения кольцевых сварных швов и дефектов газопроводов по диагностическим данным трубных магнитных дефектоскопов.

Основными задачами исследования, определяемыми поставленной целью, являются:

- анализ актуального состояния автоматизации обнаружения дефектов и кольцевых сварных швов по данным диагностики трубными магнитными дефектоскопами;

- разработка математической модели свойств диагностических данных и выявление полезной информации и шумов;

- разработка методов распознавания для заданного множества классов объектов;

- оценка качества разработанного метода распознавания;

- разработка программного обеспечения для автоматической интерпретации диагностических данных.

Методы исследования

В диссертационной работе использован аппарат математической статистики, теории цифровой обработки сигналов, кластерного анализа; численные методы.

Научная новизна

- разработан подход, обеспечивающий минимальное отличие результатов автоматического и визуального экспертного анализа магнитограмм, заключающийся в численном моделировании качественных классификационных признаков МРЬ-образов;

определены инвариантные к преобразованиям переноса, масштабирования и поворота информативные признаки МРЬ-образов для заданных классов объектов, основанные на Фурье-преобразовании и частотной фильтрации сигнальных контуров;

- предложен алгоритм сокращения длины описания МРЬ-образов путем разложения их на контуры, Фурье-анализа контуров и преобразования Фурье-коэффициентов;

- предложена параметрическая модель МРЬ-образа объекта с минимальной длиной описания;

- разработан алгоритм идентификации кольцевых сварных швов, превосходящий известные аналоги по качеству распознавания;

- разработан комплекс высокопроизводительных, высокоточных алгоритмов поиска и идентификации объектов на газопроводе на основе контурного анализа их МРЬ-образов, инвариантных к преобразованиям переноса, масштабирования и поворота;

- построен алгоритм предварительной обработки МРЬ-образов на основе методов математической морфологии и математической статистики.

Основные положения, выносимые на защиту

- алгоритм классификации объектов по их МРЬ-образам при визуальном экспертном анализе магнитограмм;

алгоритм идентификации кольцевых сварных швов, инвариантный к природе сигнала;

- модель МРЬ-образов объектов с минимальной длиной описания, сохраняющая классификационные признаки образов;

- классификационные признаки МРЬ-образов для 4 заданных классов объектов.

Практическая ценность результатов работы

Разработанные методы позволили решить прикладную задачу автоматической реконструкции структуры газопроводов и дефектов на них по результатам внутритрубных инспекций методом МРЬ. Результаты диссертационной работы в виде комплекса программных продуктов находятся в промышленной эксплуатации и используются для обработки результатов инспекций магистральных газопроводов в компании «НПО «Спецнефтегаз». С помощью данного программного комплекса на сегодняшний день реализуется свыше 50% объема обследований российской газотранспортной системы, что составляет порядка 15000 километров газопроводов в год. Внедрение данной экспертной системы позволило полностью автоматизировать процедуру поиска дефектов и обобщенной оценки их размеров для анализа состояния газопроводов по результатам их инспекций, а также сократить время проведения экспресс-анализа в 20-100 раз. Вероятность обнаружения дефектов составляет 97-99%, что удовлетворяет требованиям к качеству. Разработанные методы могут быть использованы для решения задачи идентификации объектов по двумерным сигналам произвольной природы в любой области деятельности, связанной с физическими измерениями, в том числе с высоким уровнем шума и сложной структурой, а также для распознавания произвольных образов.

Достоверность научных и практических результатов

обеспечивается корректностью постановки задачи, отсутствием противоречий с выводами других авторов, использованием в работе хорошо проверенных современных аналитических и численных методов и строгой обоснованностью принятых приближений и допущений.

Личный вклад автора

Автором самостоятельно решена задача автоматической идентификации магнитных сигналов, получаемых при дефектоскопии газопроводов: исследовано состояние предметной области, обнаружены классификационные признаки распознаваемых магнитных образов, построено решающее правило, разработан и внедрен в эксплуатацию комплекс алгоритмов, реализующих сформулированные задачи. Основные результаты работы самостоятельно и в соавторстве опубликованы автором в ведущих рецензируемых научных журналах и апробированы на конференциях.

Апробация работы

Основные положения и результаты диссертационной работы отражены в 14 публикациях, из них 7 опубликованы в ведущих рецензируемых научных журналах, входящих в перечень ВАК; а также докладывались и обсуждались на следующих конференциях:

1. XVII Российская научно-техническая конференция «Неразрушающий контроль и диагностика», 2005, Екатеринбург;

2. XI Межрегиональная научно-практическая конференция молодых ученых и специалистов, 2005, Екатеринбург;

3. Всероссийская заочная электронная конференция «Современные проблемы науки и образования», 2004, Москва;

4. VII Общероссийская научная конференция с международным участием «Успехи современного естествознания», 2005, Сочи.

Структура и объем диссертации

Диссертация состоит из введения, 5 глав, заключения, списка литературы, включающего 133 наименования, 2 приложений. Основная часть работы изложена на 200 страницах. Работа содержит 98 рисунков, 25 таблиц.

СОДЕРЖАНИЕ РАБОТЫ

Во введении дана краткая характеристика решаемой проблемы, обоснованы актуальность и практическая ценность диссертационной работы, вводятся основные термины, сформулированы: цель и основные задачи исследования, научная новизна, основные положения, выносимые на защиту, достоверность и обоснованность научных положений диссертации, апробация работы.

Первая глава посвящена формулировке общих требований к идентификации, дан обзор проблем ее реализации, изложено состояние предметной области. Проведен обзор современных методов и подходов к решению задач идентификации объектов по диагностическим сигналам, выявлены их основные достоинства и недостатки. Дан обзор существующих коммерческих и экспериментальных систем и выявлено отсутствие систем, эффективно решающих поставленную задачу.

Во второй главе изложен метод распознавания кольцевых сварных швов, инвариантный к природе сигнала.

Кольцевой сварной шов (КСШ) - это шов по стыку труб на газопроводе.

Обозначим исходное скалярное поле тангенциальной компоненты магнитного потока рассеяния через и и введем систему координат tOy:

и = и(Г,у),и е [0,1023], I = {0,1,...,т - |}, у = {0,1,...,и -]},и,п,т е г

Будем рассматривать I как ось дискретного времени, а исходный сигнал и - как совокупность «каналов» - дискретных функций времени а ДО , где у - параметр:

и = {ау(1)\,ау(0 = и{1,у),( = 0,1,..., ш -1

Необходимо определить множество координат осей КСШ Г = е [0,/я -1] на магнитограмме. Качественные

классификационные особенности МРЬ-образа КСШ заключаются в том, что в области КСШ вариативность значений сигналов незначительно увеличивается в некоторых каналах, а его ось ориентирована строго вертикально.

За оценку вероятности обнаружения КСШ в момент / примем вариативность /?„(/) сигнала на отрезке с1, равном средней ширине МРЬ-образа КСШ:

а а 11

у - параметр.

Максимальное значение (О в канале у на фрагменте обозначим тах(/Зу):

тах^^/ТДО,'е[/,,*2],где

- границы обрабатываемого фрагмента магнитограммы.

Получим параметрическое семейство функций у(1,у,Ь), где у,Ь -параметры.

значение «1» функции y(t,y,u) говорит о том, что в канале у в момент t с пороговым значением b обнаружен КСШ; «О» - не обнаружен. Определим функции S(t,y) :

S(t,0) = y(t,0,bo),S(t, 1) = y(tXbX~M,i) = y(t,i,b

S(t,n-\) = y(t,n-\,bnA),

где параметры bi таковы, что:

1. Для любых i, j е [0,п -1] выполняется ^y(t,/,bi) = 2_lY(t, j,bf)

n-1 _

2. Для функции s(t) = ^c>(t,i),t e[t,,/2] значение smm-s достигает

/=о

максимума. Здесь £max - максимум функции s{t), е - среднее арифметическое ряда, составленного из всех значений s(t), рассматриваемых как испытания дискретной случайной величины. s(t) назовем функцией вероятности (ФВ) обнаружения КСШ в момент времени t. Положим [t),t2]>lmm, где /тах - максимальное расстояние между соседними КСШ. Тогда в интервал гарантированно попадет хотя бы один КСШ.

КСШ обнаружен в момент времени tf, если выполнены условия: s(t)

1. -^>0,3, где

^тах

0,3 - экспериментально установленное пороговое значение ФВ, отнесенное к максимуму ФВ на фрагменте, ниже которого обнаружение КСШ маловероятно.

2. Для любых i,j£[\,k],i* j справедливо -i;|>/min, где 1тт -

минимальное расстояние между швами, к - количество обнаруженных КСШ.

3.

Пары элементов из последовательности координат КСШ

Т = {/,,/,} определяют границы фрагментов магнитограммы при поиске дефектов. Магнитограмма и(х,у) представляется в виде объединения ее фрагментов и,(х, у) :

и(х,у) = ^иХх,,у) , где х е [0,/и - \],у е [0, о -1],х,. е [*„/,+Д»е [\,к-1]

Третья глава посвящена разработке модели двумерных МРЬ-образов для их последующей классификации. Глава содержит вопросы предварительной обработки и нормализации исходного сигнала. Рассматриваются параметрическое моделирование МРЬ-образов, минимизация длины описания модели МРЬ-образов, обнаружение в этой модели информативных признаков для заданных классов объектов, технология проведения ревизии и алгоритмы классификации объектов.

Исходные данные

Дано двумерное дискретное пространство II, в котором определено скалярное поле тангенциальной компоненты магнитного потока рассеяния и0. В системе координат хОу

и0 =и0(х,у),и0 е [0,1023], х е [0,т-\],у е [0,п-1],ио,х,у,п,т е г

Получение контура МРЬ-образа

Нормировка

М

щ (х, у) = и0 {х, у) ——, X е [/,, (м), у е [0, п -1], где т(у)

и^х,у) - сигнал с приведенными (нормированными) фонами, М - фон фрагмента - мода ряда, составленного из всех значений ио(х>У)>х 61ЛЛ+1 ),У е 1]) рассматриваемых как испытания дискретной случайной величины, т(у) - фон канала у - мода ряда, составленного из всех значений и0(х,у),х е рассматриваемых

как испытания дискретной случайной величины, у - параметр.

Дифференциальный сигнал

и2 (X, у) ~ и1 (х, у)-Мх е [/,, Iм), у е [0, п -1 ], где

М' - мода ряда, составленного из всех значений и^(х,у),х <=[(,,у е[0,и-1], рассматриваемых как испытания дискретной случайной величины. Полезным сигналом является локально неоднородный сигнал, т.е. всякий сигнал, не равный М'.

Бинаризация

Уровень ci - это геометрические места точек, определяемые выражением

Разметка связных областей

Пространство II - нормированное. Для любого а = (х, 7) из и

и2(х,у) = с,

Зададим бинарный сигнал иъ{х,у) выражением

и3(х,у) =

1 ,и2(х,у)>с/ 0,и2(х,у)<с,

И И

Для любых а = (х, у),Ъ = из II расстояние определяется

выражением

р{а,Ь) =

Множество А = {а,},а, е £/,/ = назовем связной областью, если выполняется:

1. Для любого а, е А справедливо и,{а,) = 1 .

2. Для любого с/, е А найдется такое а/. е А,у е [\,к],] * /, что

Назовем граничной точкой связной области Л точку £ = (х, у),Я б Л, для которой найдется такое Л = (7,/),Л е £/, что

1. и3(/?) = О

2. р(ё,!1)<42

Совокупность граничных точек С = {£,} ограничивает связную область Л и является линией уровня с,. Точки = (*1,.У|) и = (х2,у2) из С назовем соседними, если для них выполняется

Л.

Совокупность соседних граничных точек ^ - {&1>&2>•••,,?,,} назовем границей ЛТ длиной и. Для границы ^ зададим начальную точку обхода gl = (х1,у1), где:

1. у, таково, что для любых g¡ = (х,, у1) е К выполняется у1 > у]

2. х, таково, что для любых gl = {х],у1) е К выполняется х] > х,

Введем направление обхода по границе по часовой стрелке. В произвольной точке gi е К, г е [],«] зададим элементарный вектор (ЭВ) соединяющий ее с соседней точкой gj е К,] е [1,«]. Множество А 8-связно, значит, существует 8 возможных направлений ЭВ у1.

Рассмотрим произвольную связную область А с границей К, для которой зададим начальную точку обхода g[ и направление обхода. Обход по границе К области А реализуем с помощью алгоритма «жука». В результате обхода получим последовательность ЭВ Г, которую назовем контуром связной области А. Показано1, что контур Г связной области А всегда замкнут. Выражение для замкнутого контура Г :

Г = {у{п)}= [у{0),у{\),...,у(к -1)}, где

к - число ЭВ, образующих замкнутый контур.

ЭВ контура зададим комплексными числами

' Фурман Я. А. Введение в контурный анализ. Приложения к обработке изображений и сигналов. -М.: Физматлит, 2003. - 592 с.

{l,l -/',-/,-1 -/,-1,-1 +/,/,1 -r i}

Комплекснозначный код контура Г = a--i ввеДем на

плоскости дискретного комплексного переменного с квадратной сеткой. Каждому ЭВ ставится в соответствие координата его конечной точки в системе отсчета, совмещенной с началом вектора. Выражение для ЭВ в таком представлении имеет вид:

у(п) = 7,(п) + iy2(n) = |р(л)|ехр{/<р(л)}, где у^{п) = ^еу(п)\у2{п) = \ту{п)\\у{п)\ и <р(п) - модуль и аргумент ЭВ. Спектральный анализ контуров

Элементарным контуром (ЭК) Г^ = {у Д«)}0/(ч порядка /, j е[0,1,...,А:-1], назовем правильный ориентированный к -угольник с одинаковыми по модулю ЭВ, равными \у\ и одинаковыми по величине

углами между соседними ЭВ, равными -— j :

к

Полным семейством ЭК назовем множество ЭК, задаваемое выражением

Показано', что любые два ЭК Г^ = {у ¡(п)\0 и Г, = {y¡(n)}0l¡из полного семейства ЭК являются ортогональными, а семейство ЭК (Г|},у = 0,1,...Д-1 образует ортогональный базис, по которому раскладывается произвольный контур. Контурным сигналом (КС)

1 Фурман Я. А. Введение в контурный анализ. Приложения к обработке изображений и сигналов. -М.: Физматлиг, 2003. - 592 с.

назовем сигнал в виде замкнутого полигонального контура, заданного комплекснозначным кодом. При многократном обходе контура элементы его кода задают периодическую последовательность с периодом к , т.е.

КС Г = {/(н)}о*-| можно представить как периодическую последовательность ЭВ у{п),п = 0,1,...,А: -1, что позволяет ввести операцию дискретного преобразования Фурье (ДПФ) КС. ДПФ КС -это операция получения спектра Р = {р(т)}0 контурного сигнала

Г = {у(п)}ок_, в частотной области, определяемая выражением

т = 0,1,

Обратное ДПФ КС - это операция восстановления КС из его частотного спектра, заданная выражением

Сокращение длины описания контурного сигнала Фильтрация сигнала позволяет значительно облегчить дальнейшую процедуру распознавания. Отбрасывание бесполезной для классификации информации позволяет сократить длину описания КС, нормализовать КС и упростить решающее правило. В качестве признаков формы будем использовать коэффициенты Фурье-спектра

Выберем произвольный MFL-образ и выделим из него контур. Для этого контура комплекснозначным кодом зададим КС Г = {у (п)}ок_,. С

помощью ДПФ КС получим спектр Р = {р(т)}0КС Г. Каждый

коэффициент р(т) из Р зададим в полярных координатах и опишем

у{п) = у(п ± ak),a - 0,1,2,...,к

КС.

тройкой чисел х\, > которая включает значение модуля rfm = \р(т)\,

значение аргумента срт - <р(т) и порядковый номер ¡т = т коэффициента р(т) в спектре Р :

В X1 упорядочим тройки %'т по убыванию Т]'т. Обозначим порядковый номер %)п после упорядочения через г, а сам элемент %]т в упорядоченной последовательности - через 2:

Низкочастотная фильтрация

Макроскопическая форма КС в значительной мере определяется Фурье-коэффициентами, лежащими в низкочастотной (НЧ) полосе спектра. Высокочастотная (ВЧ) часть спектра соответствует значениям

к

т, сосредоточенным вблизи т - —. Обозначим через V ширину НЧ

полосы спектра, через Р' - результат НЧ фильтрации спектра Р с шириной V НЧ полосы. Тогда

Р(т) -> XI = »<Р1>111т е [0, * -1],

1- п- = п'„ = \р(т%(р'; =<р)„ =<р(т),1? =ч! = т

2. При любых \,) е [0,к -1],г < ) выполняется 77,2 > г^ Модель КС определяется выражением

(1)

Р' = {р'(т)}

р\т) =

[т,,т2] - границы ВЧ полосы спектра.

В модели (1) признаком принадлежности к ВЧ полосе положим 'Г =-!■

Пороговая фильтрация

Вклад в формообразование коэффициентов с небольшим модулем невелик, и их отбрасывание изменит форму КС незначительно. Обозначим через Р' результат пороговой фильтрации спектра Р с порогом Ь. Тогда

Результатом пороговой фильтрации модели (1) будет выражение

к - число элементов х? с модулем, не меньшим заданного порогового значения Ь, ^ - X?, г е [0, а: -1].

Нормализация спектра

Для стереотипного распознавания КС одного класса сходной формы, но разного масштаба, необходимо получить инвариантное к преобразованию масштабирования описание КС. Обозначим наибольший модуль коэффициента спектра Р через |р|тах:

Введем число Я е 2, которое назовем «нормирующий множитель». Обозначим через Р' спектр Р, каждый коэффициент которого нормирован на Л-1:

Р' = {р'(т)}

х3 = {х'с\,х1,->Х*>-->х1-\), где

Ишах = тах(/?(т)|)т = 0,1,.-Д-1

шах

Р' = {р'{т)}0к_„ \р'(т)\ = | р(т)

Здесь \р\т)\ е [0,1,..., Д - Х],т е [ОД -1]. Результатом нормализации модели (1) будет выражение

X {Хо ' X] т-'ТХЬ »■■•> Хк-\

х4 =Ь/4»^4»',4}» где

»7, =

Я-1

V

2 ' 'тах

= тах

! тах

Нормализация аргументов Фуръе-коэффициентов Введем число р е 2, которое назовем мощностью множества значений ^з(т). В Р округлим каждый (р{т) до ближайшего значения

\2ж ] '' ь-

из множества — и>,и-=0',1,2,...,^-1. Полученный с помощью такого

]

преобразования спектр обозначим Р'= {р'(/")}о*-1 > где (р'(т) е л|,л = 0,1,2,...,// -1.

Если применить последовательно все рассмотренные операции сокращения длины описания КС, получим модель

х = [хъ Хк-\ 1> X, = {пп <Р,,}>

(2)

где г,

2 2

г

-и2 е

.2 2

Экспериментально установлены минимальные значения лг, Л, //, V, при которых результат субъективной классификации КС, восстановленных из модели (2), совпадает с результатом субъективной классификации исходных КС: к = А = р = у = 20. При таких значениях параметров можно говорить о модели (2) как о сокращенном

описании формы КС, которое:

-удовлетворяет принципу минимальной длины описания;

-не зависит от длины КС, преобразований поворота и масштабирования КС;

-сохраняет субъективные классификационные признаки формы.

В четвертой главе для четырех классов МРЬ-образов описаны количественные характеристики, определяющие качественные классификационные признаки, которые используются при визуальном распознавании. Предложен алгоритм классификации МРЬ-образов.

Дефекты порождают уникальные сигналы. Поэтому у МРЬ-образов дефектов нет характерных особенностей форм, по которым можно было бы их распознавать. Шумы же такими свойствами форм обладают. Задачу обнаружения полезных сигналов сформулируем как задачу обнаружения и фильтрации шумовых МРЬ-образов. МРЬ-образы, которые не обладают свойствами ни одного класса шумовых сигналов, будем считать полезными сигналами. Основную массу шумовых сигналов составляют следующие.

Аномалия продольного шва (АПШ) - это шумовой сигнал, возникающий из-за ошибки измерения магнитного поля по причине отхода ласты с датчиками от стенки трубы на продольных сварных швах.

Классификационные признаки АПШ:

1. Растянутость

Форма КС АПШ растянута вдоль горизонтальной оси в системе координат комплексной плоскости. Назовем коэффициенты Фурье-спектра КС с наибольшими модулями «старшими коэффициентами». В модели (2) старшими коэффициентами являются %0 и Х\ > а качественное свойство «растянутости» формы реализует условие

г0,г, е {О,лг — 1}

2. Тонкость

Для АПШ характерны тонкие КС. В модели (2) ширина КС пропорциональна величине —. Оптимальное эмпирическое условие

«тонкости» как свойства АПШ в общем виде

7, > 0.85Т70

3. Прямолинейность

КС АПШ вытянут вдоль прямой. Условие «прямолинейности»:

4. Ориентированность

Продольная ось КС АПШ всегда ориентирована горизонтально. Ориентация продольной оси КС определяется биссектрисой угла, образованного на комплексной плоскости двумя старшими коэффициентами (%0 и /,):

+ <Р\ = М

Аппаратный сбой (АС) связан с нарушениями в работе бортового оборудования. АС характеризуется следующими информативными признаками:

1. Растянутость (см. аналогичное свойство АПШ)

КС АС растянут вдоль вертикальной оси в системе координат комплексной плоскости.

г0,г, е {0,/г — 1}

2. Тонкость (см. аналогичное свойство АПШ)

КС АС сильно сжат вдоль горизонтальной оси в системе координат комплексной плоскости. Эмпирическое условие «тонкости» для КС АС в общем случае:

77, > 0.85770

3. Ориентированность (см. аналогичное свойство АПШ)

АС - единственный класс МТЬ-образов, ориентированных вертикально. Для АС должно выполняться условие:

И-

Переход толщины стенки трубы (ПТ)

Величина регистрируемого магнитного поля рассеяния зависит от толщины стенки трубы. Поэтому трубам с разной толщиной стенок соответствуют разные фоновые значения поля. При вычитании фоновых значений на этапе предобработки в местах плавного перехода толщины стенки возникают аномальные сигналы. ПТ характеризуется следующими информативными признаками:

1. Сложная форма

Характерной особенностью КС ПТ является сложная геометрия формы и, следовательно, широкополосный частотный спектр. Модель (2) позволяет ввести оценку ширины полосы спектра в виде «если 77, >у, то спектр широкополосный», где - параметры.

Эмпирическое условие «широкополосности» спектра КС ПТ:

Ъ >6

2. Негладкость

КС ПТ имеет негладкую форму с острыми углами и большими «низкочастотными» изломами. В частотном спектре КС «угловатой» формы два старших коэффициента имеют разную частоту. Признак негладкой формы КС:

г0 е (0,/с-1},г] € или г0 ё {о,лг-1},/, е {0,лг-1}

3. Прямая граница

Фрагмент КС ПТ представляет собой вертикально ориентированную прямую, совпадающую с границей фрагмента сигнала. Границей обрабатываемого фрагмента сигнала является ось КСШ. Кольцевой шов всегда лежит внутри области ПТ (если переход имеет место). Поэтому левая или правая граница ПТ всегда «обрезана» границей фрагмента и совпадает с ней. В качестве признака «прямолинейности» границы примем условие:

тах(/72, -т0) У

> 0.6, где

т0,т] е [0,лт - 1];ш0 < т,; т 6 [т0,т1 ], у{т) е {-/,/}, У - высота описанного около КС прямоугольника.

Магнитная аномалия (МА)

Стенка бесшовной (цельнотянутой) трубы обладает неоднородной магнитной проницаемостью, обусловленной технологией ее изготовления. При магнитной инспекции таких труб регистрируется масса аномальных сигналов. МА характеризуется следующими информативными признаками:

1. Негладкость

Контур МА содержит много мелких «высокочастотных» изломов и обладает негладкой формой. Такая форма в Фурье-представлении характеризуется большим влиянием (большими модулями) высокочастотных коэффициентов. В этом случае модель (2) содержит большее число высокочастотных коэффициентов (г;. = -1).

Спектр будем считать высокочастотным, если выполняется:

ГО, г, Ф -1 а, >0.15к, где а,.=■>.

/=0 ' [.М/ ~~ 1

2. Сложная форма

КС МА обладает сложной формой и, следовательно, широкополосным спектром (см. аналогичное свойство ПТ)

Т}7> 6

Перечисленные типы шумов составляют подавляющее большинство объема помех при измерении методом МРЬ. По этой причине описаний этих четырех классов шумов достаточно для корректной идентификации полезных сигналов.

Контурное моделирование магнитной поверхности

Построив контуры МБЬ-образа на всех уровнях сигнала, мы получим его модель, состоящую из замкнутых контуров. Каждый МРЬ-образ описывается набором контуров, таких, что контур / +1 -го уровня целиком находится внутри контура г -го уровня. Отношения иерархии контуров представим древовидной структурой, где:

1. Контур описывается узлом дерева;

2. Соседство уровней двух контуров одного МРЬ-образа описывается ребром;

3. Уровень сигнала описывается ярусом дерева;

20

4. МРЬ-образ описывается ветвью (путем от корня до листа). МРЬ-образ классифицируется в соответствии с тем, КС какого класса в ветви окажется больше.

Контурная модель МРЬ-образа:

5 = {ГР/\,...,Г(,...,Г,;}, где

Г1 - контур среза МРЬ-образа по уровню и0 - г, С - длина ветви. Оценочная функция МРЬ-образа:

О = {о],о2,...,о,,...,о(;}, где

о, - оценка КС Г,. о, = 0, если Г1 распознан как «шум», о, = 1, если Г(. распознан как «дефект».

МРЬ-образ 5 распознается как «дефект», если выполняется

V

<■=1 А

Если это условие не выполняется, МРЬ-образ распознается как «шум».

Пятая глава посвящена вопросам программной реализации и применения разработанных алгоритмов для обработки фактических инспекционных данных. Получены следующие результаты:

С помощью алгоритма идентификации КСШ обработано 24,73 Тб данных. При й -1 обнаружено 3010607 КСШ, пропущено 3,2% КСШ, обнаружено 1,5% ложных КСШ.

Результаты идентифицикации КС из тестовой выборки:

- АПШ: 9% ложной идентификации, 6% ложных отказов.

- АС: 3% ложной идентификации, 11% ложных отказов.

- ПТ: 7% ложной идентификации, 16% ложных отказов.

- МА: 1% ложной идентификации, 30% ложных отказов. Промышленная эксплуатация разработанных алгоритмов

обнаружила следующие результаты. На сегодняшний день с их помощью обработано свыше 500 Гб сигналов. Вероятность пропуска неопасного дефекта глубиной не более 20% от толщины стенки трубы составляет 1%-3%. На данный момент не выявлено пропусков опасных дефектов. Этот результат удовлетворяет требованиям качества

идентификации дефектов для анализа состояния газопроводов. Разработанный комплекс алгоритмов позволил полностью автоматизировать процедуру поиска дефектов для экспертного анализа магнитограмм и сократить время проведения экспресс-анализа в 20-100 раз.

В заключении приводятся основные результаты работы.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

Разработаны методы автоматической идентификации сигналов, получаемых при магнитной дефектоскопии газопроводов. Они позволили снизить аварийность магистральных газопроводов за счет увеличения скорости и качества их диагностики.

1. Разработан метод автоматического обнаружения кольцевых сварных швов. Создана модель сигнала, которая позволила добиться высокого качества распознавания кольцевых сварных швов путем моделирования качественных признаков их магнитных образов. Эксплуатация разработанного метода обнаружения кольцевых сварных швов показала, что он удовлетворяет требованиям качества и производительности для автоматического создания трубных журналов газопроводов. Метод инвариантен к природе магнитного сигнала.

2. Разработан метод выделения сигналов, содержащих классификационные признаки магнитных образов объектов. Визуальная классификация магнитных образов производится путем анализа форм их контуров по уровням сигнала. Разработан метод описания форм контуров, инвариантный к их длине и преобразованиям масштабирования и поворота. Метод основан на фильтрации и нормализации Фурье-спектров контуров.

3. Предложен способ сокращения длины записи контуров, который позволяет описать магнитные образы минимальным количеством информации и не приводит к ошибкам их визуальной интерпретации. Обнаружено, что качественные свойства форм контуров адекватно описываются при помощи линейных комбинаций параметров Фурье-коэффициентов. Это обстоятельство позволяет выявлять классификационные признаки магнитных образов.

4. Разработанная модель позволила получить количественные характеристики, соответствующие качественным классификационным признакам магнитных образов объектов, по которым эксперт производит их распознавание. Это позволило решить важную задачу выделения полезных сигналов. Показано, что контурный анализ

магнитных образов позволяет распознавать магнитные образы с качеством, превосходящим известные аналоги.

5. Созданы алгоритмы, которые позволили на порядок сократить время и трудоемкость экспертного анализа диагностических данных.

ОСНОВНЫЕ ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

Основное содержание работы изложено в следующих ведущих рецензируемых журналах, определенных Перечнем ВАК:

1. Канайкин В. А., Матвиенко А. Ф., Повагин В. А. Автоматизация экспертного анализа диагностических данных в дефектоскопии газопроводов методом MFL // Дефектоскопия. - 2007. - №8. - с. 25-31.

2. Повагин В. А. Автоматическая идентификация дефектов при диагностике газопроводов магнитными методами // Технологии нефти и газа. - 2007. - №4. - с. 59-67.

3. Повагин В. А. Анализ магнитных сигналов для обнаружения дефектов газопроводов // Автоматизация и современные технологии. -2008,-№5.-с. 24-28.

4. Повагин В. А. Метод распознавания образов дефектов на магнитных сигналах в дефектоскопии газопроводов // Газовая промышленность. - 2007. - №7. - с. 51 -54.

5. Повагин В. А. Обнаружение дефектов нефтепроводов на основе контурного анализа диагностических магнитных сигналов // Автоматизация, телемеханизация и связь в нефтяной промышленности. - 2007. - №7. - с. 19-25.

6. Повагин В. А., Корзунин Г. С. Метод автоматического обнаружения кольцевых сварных швов по диагностическим данным в магнитной дефектоскопии газопроводов // Газовая промышленность. -2008. - №9.-с. 88-90.

7. Повагин В.А., Лаврентьев А.Г. Обнаружение классификационных признаков магнитных образов для разделения полезных и шумовых сигналов в дефектоскопии газопроводов // Дефектоскопия. - 2008. - №11. - с. 90-95.

и в других изданиях:

8. Повагин В. А. Библиотека алгоритмов машинного зрения для автоматического распознавания образов на магнитограммах дефектоскопов поперечного намагничивания TFI Cerebrum. РОСПАТЕНТ. Свидетельство №2005610557 от 02.03.2005.

9. Повагин В. А. Программный комплекс для исследований свойств магнитограмм дефектоскопов поперечного намагничивания и

H

разработки алгоритмов искусственного интеллекта TFI Lab. РОСПАТЕНТ. Свидетельство №2005610560 от 02.03.2005.

10. Повагин В. А. Система автоматического экспертного анализа магнитограмм дефектоскопов поперечного намагничивания TFI Exfoder. РОСПАТЕНТ. Свидетельство №2005610559 от 02.03.2005.

11. Повагин В. А., Федулов С. В. Использование методов беспризнакового распознавания образов и решения экстремальных задач в реконструкции магистральных газопроводов // Инновационные технологии в педагогике и на производстве: Материалы XI межрегион, науч.-практ. конф. мол. ученых и специалистов. - Екатеринбург: Изд-во РГППУ, 2005. - с. 143-146.

12. Повагин В. А., Федулов С. В. Использование методов беспризнакового распознавания образов и решения экстремальных задач в реконструкции магистральных газопроводов // XVII Российская научно-техническая конференция «Неразрушающий контроль и диагностика»: Тезисы докладов. - Екатеринбург: Типография «Уральский центр академического обслуживания», 2005. - с. 354.

13. Повагин В. А., Федулов С. В. Использование методов беспризнакового распознавания образов в реконструкции магистральных газопроводов // Успехи современного естествознания. -2005.-№11.-с. 41-44.

14. Федулов С. В., Повагин В. А. Автоматизация экспертного анализа во внутритрубной магнитной дефектоскопии магистральных газопроводов // Современные наукоемкие технологии. - 2004. - №6. - с. 35.

Отпечатано на ризографе ИФМ УрО РАН тираж 100 экз. заказ № 74 Объем 1 печ.л. формат 60x84 1/16 620041 г. Екатеринбург, ГСП-170, ул. С. Ковалевской, 18