Журнал Российского общества по неразрушающему контролю и технической диагностике
The journal of the Russian society for non-destructive testing and technical diagnostic
 
| Русский Русский | English English |
 
Главная Архив номеров
30 | 11 | 2020
2016, 08 август (August)

DOI: 10.14489/td.2016.08.pp.030-033

Слесарев Д.А., Белая А.В.
АВТОМАТИЧЕСКАЯ КЛАССИФИКАЦИЯ КОНСТРУКТИВНЫХ ЭЛЕМЕНТОВ ТРУБОПРОВОДОВ ПО ДАННЫМ МАГНИТНОЙ ВНУТРИТРУБНОЙ ДЕФЕКТОСКОПИИ
(c. 30-33)

Аннотация. Рассмотрен вопрос построения алгоритма классификации конструктивных элементов трубопроводов при обработке данных внутритрубной магнитной дефектоскопии. Обсуждается возможность идентификации таких элементов, как отводы, тройники, задвижки. Предложен набор признаков, позволяющий идентифицировать данные конструктивные элементы. Приведены статистические результаты применения алгоритма к данным двух тестовых участков трубопровода, обследованных с помощью внутритрубного дефектоскопа ВИД-219.

Ключевые слова:  внутритрубная диагностика, магнитная дефектоскопия, распознавание образов, обработка сигналов.

 

Slesarev D.A., Belaia A.V.
AUTOMATED CLASSIFICATION OF PIPELINE STRUCTURAL COMPONENTS ON THE BASE MFL IN-LINE INSPECTION
(pp. 30-33)

Abstract. The article is devoted to the problem of pipeline structural components identification. This is an actual problem because, on the one hand, structural components can act as  reference marks for verification of defect location, on the other hand,  structural components cause often false calls. Typical C-scan of such components as pipebends, T-bends and sliding valves is shown on figures. A set of morfometrical image features and standard signal features are proposed as a basis for structural component identification from MFL in-line inspection data. Statistical discriminant method is used to identify pipe-bends, T-bends and sliding valves. Proposed algorithm has applied to test data from MFL inspection of two short pipeline branches made by means of VID219 MFL instrument. The Algorithm has given correct classification results.

Keywords: in-line pipeline diagnostics, MFL non-destructive testing, image recognition, signal processing.

Рус

 

Д. А. Слесарев (ООО «ИНТРОН ПЛЮС», Москва, Россия) E-mail: Данный адрес e-mail защищен от спам-ботов, Вам необходимо включить Javascript для его просмотра.
А. В. Белая (ООО «ИНТРОН ВТД», Москва, Россия)

Eng

 

D. A. Slesarev (INTRON PLUS, Moscow, Russia)
A. B. Belaia (INTRON VTD, Moscow, Russia)

Рус

1. Слесарев Д. А., Васин Е. С., Степанов Н. О. и др. Идентификация и оценка параметров дефектов при магнитной внутритрубной диагностике дефектоскопом МДСкан // Материалы XVII Российской научно-технической конференции «Неразрушающий контроль и диагностика». Екатеринбург, 2005. С. 327.
2. Слесарев Д. А., Абакумов А. А. Обработка и представление информации в MFL-методе неразрушающего контроля // Дефектоскопия. 2013. № 9. С. 3 – 9.
3. Reber K., Willems H., Barbian A.O. et al. Application of artificial intellegence for the analysis of data acquired by in-line inspection of pipelines // WCNDT 2004. Montreal, 2004.
4. ГОСТ 9698–86. Задвижки. Основные параметры. М., 1986.
5. ГОСТ 17376–2001. Тройники равнопроходные и переходные. М., 2001.
6. ГОСТ 17375–83. Отводы крутоизогнутые. М., 1983.
7. Barat V., Lunin V., Seidel H.-U., Bock A. Signal Processing of Magnetic flux Leakage Data Obtained from Pipeline Inspection // 48th Intern. Scientific Colloquium: Proceedings Ilmenau, Germany, 2003. Р. 131–132.
8. Претт Э. Цифровая обработка изображений. М.: Мир, 1982.
9. Носов Ф. В. Вид на трубу // Сибирская нефть. 2016. № 2. С. 36.

Eng

1. Slesarev D. A., Vasin E. S., Stepanov N. O. et al. (2005). Identification and assessment of defects parameters in magnetic in-line inspection using MDScan defectoscope. Proceedings of the XVII Russian scientific and technical conference «Nondestructive testing and diagnostics». (p. 327). Ekaterinburg. [in Russian language]
2. Slesarev D. A., Abakumov A. A. (2013). Data processing and representation in the MFL method for nondestructive testing. Defektoskopiia, (9), pp. 3 – 9. [in Russian language]
3. Reber K., Willems H., Barbian A.O. et al. (2004). Application of artificial intelligence for the analysis of data acquired by in-line inspection of pipelines. WCNDT 2004.
4. Fasteners. Main Parameters. (1986). Ru Standard No. GOST 9698–86. USSR. Moscow. [in Russian language]
5. Standard and transitional pipe wyes. Ru Standard No. GOST 17376–2001. Russian Federation. Moscow. [in Russian language]
6. Short radius bends. Ru Standard No. GOST 17375–83. USSR. Moscow. [in Russian language]
7. Barat V., Lunin V., Seidel H.-U., Bock A. (2003). Signal processing of magnetic flux leakage data obtained from pipeline inspection. 48th Intern. Scientific Colloquium: Proceedings Ilmenau, Germany, pp. 131-132.
8. Pratt E. (1982). Digital image processing. Moscow: Mir. [in Russian language]
9. Nosov F. V. (2016). View on the pipe. Sibirskaia neft', (2), p. 36. [in Russian language]

Рус

Статью можно приобрести в электронном виде (PDF формат).

Стоимость статьи 350 руб. (в том числе НДС 18%). После оформления заказа, в течение нескольких дней, на указанный вами e-mail придут счет и квитанция для оплаты в банке.

После поступления денег на счет издательства, вам будет выслан электронный вариант статьи.

Для заказа статьи заполните форму:

Форма заказа статьи



Дополнительно для юридических лиц:


Type the characters you see in the picture below



.

Eng

This article  is available in electronic format (PDF).

The cost of a single article is 350 rubles. (including VAT 18%). After you place an order within a few days, you will receive following documents to your specified e-mail: account on payment and receipt to pay in the bank.

After depositing your payment on our bank account we send you file of the article by e-mail.

To order articles please fill out the form below:

Purchase digital version of a single article


Type the characters you see in the picture below



 

 

 

 

 

.

.

 

 
Поиск
На сайте?
Сейчас на сайте находятся:
 21 гостей на сайте
Опросы
Понравился Вам сайт журнала?
 
Баннер
Баннер
Баннер
Баннер
Rambler's Top100 Яндекс цитирования