-
公开(公告)号：CN110646507B
公开(公告)日：2022-11-08
申请号：CN201910917297.0
申请日：2019-09-26
Applicant: 东北大学
IPC: G01N27/9013 , G06K9/62
Abstract: 本发明提供一种基于锁相放大的多频旋转磁场的金属缺陷检测装置及方法，涉及电磁无损检测技术领域。该方法首先通过正弦激励信号发生模块产生正弦电流激励信号为检测探头提供激励，检测探头检测到电压信号并通过信号处理模块对信号数据处理后输入到缺陷数据识别模块，缺陷数据识别模块基于可扩展处理平台ZYNQ采用归一化动态阈值法对管道金属数据进行归一化，识别出管道缺陷特征，同时对异常数据进行滤波；将识别到的缺陷特征数据输入到基于随机森林的缺陷角度识别模块对缺陷的角度进行识别，得到最终的缺陷分类结果。该装置及方法能够实现非接触耦合检测及金属近表面的任意方向缺陷检测，同时可以实现缺陷任意角度的识别。
-
公开(公告)号：CN115201320A
公开(公告)日：2022-10-18
申请号：CN202210829342.9
申请日：2022-07-15
Applicant: 东北大学
Abstract: 一种基于ELF衰减场的管道内外检测机器人自适应联动方法，属于自动化管道检测技术领域，通过外检测机器人发出信号给内检测机器人，控制内检测机器人调整工作模式，完成内、外检测机器人的自适应联动；包括以下步骤：判断各个时刻管道厚度是否发生改变，当管道厚度发生改变时，需调整相应模型参数；当管道厚度未发生变化时，保持原有参数继续进行检测。构建了极低频电磁信号衰减场，用实际数据仿真，通过磁场的场强信号变化证明了管道厚度与内、外检测机器人的水平偏差和竖直偏差之间的灵敏度差异足够明显。可以通过探测信号强度突变探测管道厚度的变化，并可用于探测部分管道腐蚀。
-
公开(公告)号：CN114632773B
公开(公告)日：2022-08-05
申请号：CN202210536103.4
申请日：2022-05-18
Applicant: 东北大学
Abstract: 本申请公开了一种基于复杂管道环境的柔性测径清管器及其使用方法，应用于管道检测领域，所述柔性测径清管器包括柔性壳体、电子舱体、测量装置和清洗管，电子舱体设置于柔性壳体的内部，测量装置包括无源射频标签阵列、测量模块和控制模块，测量模块和控制模块设置在所述电子舱体内，无源射频标签阵列设置于柔性壳体和电子舱体之间，清洗管设置于所述柔性壳体内的贯穿孔中。柔性壳体与清洗管配合对管道内壁污垢进行清理，控制模块通过测量模块发出射频信号使无源射频标签阵列产生电磁场，进而通过电磁场信号进行管道形变测量。所述柔性测径清管器可以将清管和形变测量的过程结合，更稳定省时地进行在役管道内检测工作，避免传统设备的卡堵风险。
-
公开(公告)号：CN112347903A
公开(公告)日：2021-02-09
申请号：CN202011216366.4
申请日：2020-11-04
Applicant: 东北大学
Abstract: 本发明提供一种基于异构场信号的管道多组件识别方法，涉及故障诊断和无损检测技术领域。该方法首先实时采集管道异构场数据，并进行滤波处理和基值校正；再利用自适应阈值将异构场数据转换为伪彩色图；获得伪彩色图中包含组件或缺陷的异常区域位置信息，并确定同一组件或缺陷目标的异常推荐区域集合；去除异常推荐区域集合中面积的交集和并集的比小于面积比阈值的异常推荐区域，得到组件或缺陷的目标推荐区域；从目标推荐区域提取组件或缺陷类型的特征信息，设定组件或缺陷类别标签，进行多分类器的训练，并生成分类模型；提取待识别的异构场数据的特征信息，并作为分类模型的输入，输出每个目标推荐区域对应的组件或缺陷的类别。
-
公开(公告)号：CN110082424A
公开(公告)日：2019-08-02
申请号：CN201910387892.8
申请日：2019-05-10
Applicant: 东北大学
Abstract: 本发明提供一种快速管道漏磁数据多尺度异常区域推荐系统及方法，涉及管道检测技术领域。本发明步骤如下：步骤1：获取一段管道的漏磁信号，并将其进行多尺度窗体划分，对N个尺度层级进行异常边缘提取，得到异常窗体集合；步骤2：对异常窗体集合进行异常区域估计，得到异常估计集合；步骤3：边界精确；根据异常估计集合，将Wk″中的所有窗体进行相邻窗体的面积比，遍历异常估计集合W″，去除面积比小于λ的窗体，并选取当前集合内交叠窗体中最外围窗体作为异常推荐区域；该方法能够发现尺寸较大，信号明显的异常，同时能够发现较小的异常，能够提供充分的异常候选区域；具有明显的快速性，特别适应管道庞大的数据集。
-
Patent Agency Ranking
公开(公告)号：CN109783906A
公开(公告)日：2019-05-21
申请号：CN201811633698.5
申请日：2018-12-29
Applicant: 东北大学
Abstract: 本发明提出一种管道内检测漏磁数据智能分析系统及方法，流程包括：在数据完备集构建模块中采用一种基于类时域稀疏采样和KNN-softmax的数据完备集构建方法，得到完备漏磁数据集；在发现模块中采用一种基于选择性搜索与卷积神经网络相结合的管道连接组件发现方法，得到焊缝的精确位置；在发现模型中采用一种基于拉格朗日数乘框架和多源漏磁数据融合的异常候选区域搜索与识别方法，找出有缺陷的漏磁信号；在量化模块中采用一种基于随机森林的缺陷量化方法，得到缺陷尺寸；在解决方案模块中采用一种基于ASME B31G标准改进的管道解决方案，输出评估结果。本发明从整体角度提出了分析方法，实现了预处理，连接组件检测和异常检测，缺陷尺寸反演以及最终维修决策。
-
公开(公告)号：CN109242115A
公开(公告)日：2019-01-18
申请号：CN201811082332.3
申请日：2018-09-17
Applicant: 东北大学
Abstract: 本发明提供一种基于GAN的风机轮毂测风缺失数据的插补方法，涉及风机故障诊断技术领域。本发明通过从风场SCADA系统获取初始风速数据集，删除初始风速数据集中的异常数据，并按照风机编号构成风速数据集；在进行不同风机之间的风速数据相关性分析后，得出相关系数矩阵；采用蚁群算法对不同风机的风速数据进行排序；构建生成对抗网络训练时所需的训练样本、构建生成对抗网络的生成器模型及对抗器模型；将训练样本输入到生成器模型及对抗器模型中，进行迭代训练，完成数据的插补工作。本发明对风机场的数据进行了相关性分析，使得具有高相关性的数据能够聚集得更近，使得图片变得更为平滑，提高了模型训练的收敛速度；该方法能够进行较长时间的数据插补。
-
公开(公告)号：CN108982652A
公开(公告)日：2018-12-11
申请号：CN201810928650.0
申请日：2018-08-15
Applicant: 东北大学
IPC: G01N27/83
Abstract: 一种多频激励场阵列电磁无损检测金属表面裂纹的方法，方法：1)在待测试件的中心位置处生成一个标准缺陷；2)将激励装置与待测试件连接，搭建检测模型；3)在线圈接受激励的同时进行分量的采集，提取出每个数据的检测信号，使用EMD进行经验模态分解，得到本征模函数信号；4)根据分量数据特征，实现裂纹缺陷的角度、轴向长度、周向长度以及径向长度的精准识别，进而换算出缺陷的实际尺寸；本发明使用缠绕着通电矩形线圈的U型磁轭对待检构件磁化激发出缺陷漏磁场，实现缺陷上方磁场扰动的信号采集，并对金属表面缺陷进行检测与识别，提高检测结果的可靠性，对于缺陷形状较复杂试件的电磁无损检测具有较强的使用价值。
-
公开(公告)号：CN104197203B
公开(公告)日：2017-10-17
申请号：CN201410334406.3
申请日：2014-07-14
Applicant: 东北大学
IPC: F17D5/02
Abstract: 本发明提供一种基于模糊推理的管道泄漏定位方法，包括：实时采集管道首末两端的压力信号和温度信号；若实时采集的管道两端的压力信号中存在非工况调整引起的压力突变信号，则当前管道存在泄漏点，计算压力突变信号到达管道首末两端的时间差；利用负压波法、广义递归神经网络定位方法、利用温度梯度法，定位管道泄漏点到管道首端的距离；根据利用负压波法、广义递归神经网络定位方法、温度梯度法定位得到的管道泄漏点到管道首端的距离，利用模糊推理算法对泄漏点进行定位。采用三种不同的定位方法对管道泄漏点进行定位，经过模糊推理，鱼群算法隶属度函数参数自适应优化，赋予三种定位结果不同的置信度，从而实现泄漏点的精确定位。
-
公开(公告)号：CN102706955B
公开(公告)日：2015-04-22
申请号：CN201210177825.1
申请日：2012-05-31
Applicant: 东北大学
IPC: G01N27/83
Abstract: 本发明基于单轴漏磁数据的管道缺陷特征提取方法及装置，该装置包括：内检测装置主体、磁铁、单轴霍尔传感器和控制单元电路板，所述的控制单元电路板包括模拟开关、电压跟随器、低通滤波器、AD转换模块、DSP数据处理模块、FPGA和缺陷特征存储器。管道缺陷特征提取方法只使用管道内检测装置的单轴数据作为特征提取的数据，通过磁场强度和像素的映射关系将单轴漏磁数据转换成图像形式，并对图像进行滤波处理，通过判断找出缺陷的可能位置，再用一个检测阈值对图像进行二值化处理，通过连通和链码确定缺陷的边界，并根据内检测器的传感器排布确定缺陷类型。
-
-
-
-
-
-
-
-
-
Search Results
128
records
(took 0.033 seconds)
