-
公开(公告)号：CN111815561B
公开(公告)日：2024-04-16
申请号：CN202010517390.5
申请日：2020-06-09
Applicant: 中海石油(中国)有限公司 , 中海油能源发展装备技术有限公司 , 中海石油技术检测有限公司
IPC: G01N27/83 , G06F18/214 , G06F18/213 , G06F18/241 , G06N3/045 , G06N3/0455 , G06N3/0442 , G06F123/02
Abstract: 本发明公开了一种基于深度时空特征的管道缺陷及管道组件的检测方法，搭建由自编码器神经网络模型和长短期记忆神经网络模型组合而成的组合神经网络模型，并使自编码器神经网络模型的输出成为长短期记忆神经网络模型的输入；由不同时刻检测采集的已知的管道缺陷及管道组件的空间数据，构建管道缺陷及管道组件的时序空间数据样本集；采用该时序空间数据样本集，对组合神经网络模型进行训练及测试；将检测采集的待确认的管道缺陷或管道组件的空间数据输入至训练完成的组合神经网络模型；采用组合神经网络模型的输出来重构管道缺陷或管道组件的空间数据。本发明可应用海底管道缺陷及管道组件检测及分析系统中。
-
公开(公告)号：CN113958879A
公开(公告)日：2022-01-21
申请号：CN202111290149.4
申请日：2021-11-02
Applicant: 中海油能源发展装备技术有限公司 , 求工(天津)机械科技有限公司
Abstract: 本发明公开了一种适用于内检测器作业的收发球车及收发球方法，收发球车包括推进总成、升降台和行走机构，推进总成固定连接于升降台上部，行走机构通过支撑板连接于升降台下部，推进总成通过所设有的回形链轮带动双侧链环实现行走框架带动检测球托盘推进和回拉，实现对内检测球收发球的半自动化，大幅减少人力投入，有效提升管道漏磁检测作业效率；通过升降台的应用，实现对于收发球高度的调节以适应不同高度的收发筒；通过行走机构的应用，实现收发球在特殊环境的作业，避免对于大型吊车等作业设备的应用。
-
公开(公告)号：CN112816546A
公开(公告)日：2021-05-18
申请号：CN202110152106.3
申请日：2021-02-03
Applicant: 中海石油(中国)有限公司 , 中海油能源发展装备技术有限公司 , 北京华航无线电测量研究所
IPC: G01N27/83
Abstract: 本发明公开了一种三轴漏磁内检测器整机漏磁传感器校正装置，包括：磁体，用于固定磁体的磁体定位工装，用于安装磁体定位工装的管道工装；管道工装用于模拟管道，其包括圆筒状体；磁体定位工装包括：与管道工装固定连接的圆弧形安装座，与安装座滑动连接且垂直于圆筒状体外表面的高度调节支架；磁体固定在高度调节支架上，校正时磁体距圆筒体外表面的高度调整变化。本发明还公开了一种三轴漏磁内检测器整机漏磁传感器校正方法。本发明通过在漏磁传感器上方一定距离处，放置磁体来进行磁信号增强，使得每个漏磁传感器信号差异性明显，通过调节磁体的不同位置，来得到更多的漏磁传感器信号数据，从而可精确三轴高清漏磁内检测器整机的磁传感器校准。
-
公开(公告)号：CN112329588A
公开(公告)日：2021-02-05
申请号：CN202011188928.9
申请日：2020-10-30
Applicant: 中海石油(中国)有限公司 , 中海油能源发展装备技术有限公司 , 中海石油技术检测有限公司
Abstract: 本发明公开了一种基于Faster R‑CNN的管道故障检测方法，将漏磁数据样本预处理后转变为伪彩色图像样本，标记目标类别及位置，构建带标记的样本集；构建Faster R‑CNN网络及SimCLR网络，使两者特征提取卷积层结构相同；通过自监督方式生成预训练网络模型，然后用预训练网络模型初始化Faster R‑CNN网络特征提取部分卷积层网络参数；采用带标记的样本集训练Faster R‑CNN网络；设漏磁数据预处理后的数据为Vs，将Vs转为伪彩色图像并输至训练完的Faster R‑CNN中，生成目标位置信号Sf及类别信号；设Vs’为Sf与Vs叠加后生成的漏磁数据，将Vs更新为Vs’，经n次迭代后，得到最终的目标位置及类别信号。本发明可提高整体检测精度。
-
公开(公告)号：CN111861985A
公开(公告)日：2020-10-30
申请号：CN202010517833.0
申请日：2020-06-09
Applicant: 中海油能源发展装备技术有限公司 , 中海石油技术检测有限公司 , 东北大学
Abstract: 一种基于自适应模糊神经网络的漏磁缺陷深度识别方法，该方法为：对漏磁缺陷数据进行特征提取，由提取的特征制作样本集；构建最大最小模糊神经网络，采用样本集对该神经网络进行训练并使之生成多个由最小点和最大点构成的N维聚类超盒，每一个超盒内所有样本属于同一漏磁缺陷类别；超盒的隶属度函数采用自适应隶属度函数；由隶属度函数计算待识别漏磁缺陷数据对应每个超盒的隶属度值，将隶属度值最大的超盒所对应的漏磁缺陷类别作为待识别漏磁缺陷的类别。本发明无需设置固定参数，提高了模型的自动化水平。同时采用自适应能力的隶属度函数，提高了模型识别精度。
-
Patent Agency Ranking
公开(公告)号：CN113049674B
公开(公告)日：2024-12-27
申请号：CN202110119371.1
申请日：2021-01-28
Applicant: 中海油能源发展装备技术有限公司 , 中海石油技术检测有限公司 , 东北大学
Abstract: 本发明公开了一种检知管道内检测器位置的检测装置，包括：壳体，设置在壳体内的控制器及均与控制器连接的数据采集卡、GPS模块和WiFi模块，设置在壳体上的与GPS模块和WiFi模块均连接的天线，安装在管道外壁上的加速度传感器；壳体上设加速度传感器与数据采集卡相连的接口；加速度传感器采集管道内检测器与管壁摩擦产生的振动信号，并将采集的信号通过数据采集卡发送给控制器；控制器接收来自GPS模块的信号，通过GPS模块提供的时间信息，对来自加速度传感器的检测数据打上时间戳，然后通过WiFi模块发送到外部监控平台。本发明还公开了一种检知管道内检测器位置的检测方法。本发明结构简单，使用方便，适合推广使用。
-
公开(公告)号：CN112329590B
公开(公告)日：2024-05-10
申请号：CN202011194472.7
申请日：2020-10-30
Applicant: 中海石油(中国)有限公司 , 中海油能源发展装备技术有限公司 , 中海石油技术检测有限公司
IPC: G06F18/2413 , G06F18/213 , G06F18/22 , G06N3/0464 , F17D5/00 , G06N3/045
Abstract: 本发明公开了一种管道组件检测系统，该系统包括：距离度量模块，均由神经网络构建的疑似区域生成模块和特征模块，作为管道组件类别对比辨识基准的组件特征样本库；疑似区域生成模块输入待辨识的管道漏磁数据并生成管道组件疑似区域；特征模块用于提取管道组件漏磁数据特征；其输入多种管道组件类别的样本漏磁数据并生成特征样本库；其输入管道组件疑似区域的漏磁数据，其输出疑似管道组件特征；距离度量模块计算疑似管道组件特征与组件特征样本库中的每个组件特征样本间的相似度，并根据相似度的值来判定管道组件类别。本发明还提供了一种管道组件检测方法。本发明克服了样本数量不足情况下检测精确度低的问题，提高了实际管道组件检测的精确度。
-
公开(公告)号：CN111861985B
公开(公告)日：2024-04-16
申请号：CN202010517833.0
申请日：2020-06-09
Applicant: 中海油能源发展装备技术有限公司 , 中海油(天津)管道工程技术有限公司 , 东北大学
Abstract: 一种基于自适应模糊神经网络的漏磁缺陷深度识别方法，该方法为：对漏磁缺陷数据进行特征提取，由提取的特征制作样本集；构建最大最小模糊神经网络，采用样本集对该神经网络进行训练并使之生成多个由最小点和最大点构成的N维聚类超盒，每一个超盒内所有样本属于同一漏磁缺陷类别；超盒的隶属度函数采用自适应隶属度函数；由隶属度函数计算待识别漏磁缺陷数据对应每个超盒的隶属度值，将隶属度值最大的超盒所对应的漏磁缺陷类别作为待识别漏磁缺陷的类别。本发明无需设置固定参数，提高了模型的自动化水平。同时采用自适应能力的隶属度函数，提高了模型识别精度。
-
公开(公告)号：CN112329588B
公开(公告)日：2024-01-05
申请号：CN202011188928.9
申请日：2020-10-30
Applicant: 中海石油(中国)有限公司 , 中海油能源发展装备技术有限公司 , 中海石油技术检测有限公司
IPC: G06F18/24 , G06F18/213 , G06F18/214 , G06F18/22 , G06V10/44 , G06V10/74 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0895 , F17D5/00
Abstract: 本发明公开了一种基于Faster R‑CNN的管道故障检测方法，将漏磁数据样本预处理后转变为伪彩色图像样本，标记目标类别及位置，构建带标记的样本集；构建Faster R‑CNN网络及SimCLR网络，使两者特征提取卷积层结构相同；通过自监督方式生成预训练网络模型，然后用预训练网络模型初始化Faster R‑CNN网络特征提取部分卷积层网络参数；采用带标记的样本集训练Faster R‑CNN网络；设漏磁数据预处理后的数据为Vs，将Vs转为伪彩色图像并输至训练完的Faster R‑CNN中，生成目标位置信号Sf及类别信号；设Vs’为Sf与Vs叠加后生成的漏磁数据，将Vs更新为Vs’，经n次迭代后，得到最终的目标位置(56)对比文件CN 110146589 A,2019.08.20CN 110568416 A,2019.12.13CN 110633759 A,2019.12.31CN 111062286 A,2020.04.24CN 111831872 A,2020.10.27US 2006170942 A1,2006.08.03US 2013031130 A1,2013.01.31US 2014204120 A1,2014.07.24US 2020210826 A1,2020.07.02US 5982990 A,1999.11.09WO 2019136946 A1,2019.07.18WO 2020181685 A1,2020.09.17刘金海等“.基于漏磁内检测的自监督缺陷检测方法”《.仪器仪表学报》.2020,第41卷(第9期),第180-187页.路建方等“.基于灰度分层的FPGA红外图像伪彩色实时化研究”《.红外技术》.2013,第35卷(第5期),第284-288页.Mingrui Fu等“.Anomaly detection ofcomplex MFL measurements using low-rankrecovery in pipeline transportationinspection”《.IEEE Transactions onInstrumentation and Measurement》.2020,第69卷(第9期),第6776-6786页.B.Abidi等.“Screener Evaluation ofPseudo-Colored Single Energy X-rayLuggage Images”《.IEEE Computer SocietyConference on Computer Vision and PatternRecognition》.2006,第1-12页.
-
公开(公告)号：CN111882518A
公开(公告)日：2020-11-03
申请号：CN202010517387.3
申请日：2020-06-09
Applicant: 中海石油(中国)有限公司 , 中海油能源发展装备技术有限公司 , 中海石油技术检测有限公司
Abstract: 本发明公开了一种漏磁数据自适应伪彩色化方法，对漏磁数据进行基值校正及去噪预处理；对预处理后的漏磁数据进行分类及灰度化处理，生成灰度图像；对生成的灰度图像采用两种方法进行分割，根据灰度阈值将生成的灰度图像分割成两部分，采用Otsu算法分别对这两部分图像进行二值化分割，得到背景区域灰度区间端点值；再根据类别标签对灰度图像进行分割，将C2至Ck类别所对应的灰度最大值作为灰度区间边界值；合并背景区域灰度区间端点值、灰度区间边界值和C1类别对应像素点灰度值极值，得到灰度区间各端点值；根据灰度区间各端点值调整伪彩色编码并对灰度图像伪彩色化处理。本发明伪彩色图像缺陷特征清楚，边界清晰，边界辨识度高。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.044 seconds)
