夏威夷大学研究人员开发新的冲击方法来检测管道弯头腐蚀

休斯顿大学的工程研究团队正在开创一种基于撞击的新方法来检测管道弯头腐蚀。

这不是一个小问题。

在地表以下，一条名副其实的管道高速公路输送腐蚀性液体并运输二氧化碳、氢气、甲醇等元素，以满足从油井固井到化学采矿的各种工业需求。在每个转弯处，都会固定一个管道弯头，以引导流向新的方向。

研究表明，由于侵蚀，管道弯头的质量损失比直管大50倍左右，并且在连续运行中管道弯头的壁厚变薄。这可能导致管道弯头爆裂或刺穿，造成经济损失、环境污染和其他安全问题。

由于90度管道弯头容易因输送介质而产生冲蚀，因此管道弯头冲蚀的检测对于管道系统的健康至关重要。目前，管道弯头侵蚀的检测方法大多需要安装常接触式传感器，这受到一定环境的限制。

“我们提出了一种新颖的管道弯头腐蚀检测方法，结合了冲击、变分模式分解 (VMD) 和深度学习，”Moores 机械工程教授 Gangbing Song 在《机械系统和信号处理》杂志上报告道。“新方法无需常压传感器和专业操作人员，对相同结构和尺寸的不同管道弯头具有良好的适用性，且易于实施、成本低、无需安装常压触点。 -接触式传感器。” 博士生陈健和已毕业硕士生曹兰是该论文的共同作者。

该方法的工作原理是使用 VMD 来分析撞击表面时产生的声音。VMD 还将声音分解为七种不同的成分或模式。然后，一种称为多火箭的机器学习技术被应用于这些模式。多火箭本质上有助于从单次击打产生的原始声音中识别和选择最重要或最具代表性的成分。该过程的目标是增强对音频信号的理解和解释。

为了验证该方法的有效性，团队对三个结构和尺寸相似的管道弯头进行了两个案例研究。

在第一个案例研究中，所有方法都表现良好，在六个侵蚀级别上的准确度约为 100%。然而，在第二个案例研究中，所提出的方法显示出非凡的有效性，准确率超过 90%。这优于其他方法，无论是浅层学习还是深度学习，其准确率均低于 80%。在第二个案例研究中，所提出的方法在准确分类数据方面表现出优于其他方法的性能。

该文章标志着首次通过冲击法、机器学习和深度学习对管道弯头侵蚀进行研究。宋和他的团队已经为他的发明申请了专利，名为“通过机器学习的打击方法检测肘部侵蚀”。

标签：

版权声明：本文由用户上传，如有侵权请联系删除！