基于融合特征矩阵和CNN模型的管道埋藏微裂纹超声导波定位

摘要

针对石化行业管道中埋藏微裂纹的检测和定位问题，提出了一种基于融合特征矩阵和卷积神经网络（Convolutional Neural Network,CNN）模型的新方法 .首先，使用ABAQUS软件建立包含埋藏微裂纹的三维管道仿真模型，并部署传感器阵列采集超声导波信号.然后，提取并融合两类特征因子来构建融合特征矩阵：反映微裂纹非线性特征的零频分量和表征微裂纹位置信息的损伤指数.最后，将该矩阵输入到构建的CNN模型中进行训练和测试，实现了对管道中埋藏微裂纹的精确定位.仿真分析结果表明，与传统的高次谐波分量相比，零频分量对微裂纹的非线性效应更敏感；损伤指数可以放大原始信号中包含的损伤信息，对埋藏微裂纹的定位具有重要价值；CNN模型可以有效地从融合特征矩阵中提取微裂纹的位置信息，确定其空间坐标，为无损检测领域管道微裂纹的定位提供了新的思路.

关键词

零频分量 / 损伤指数 / 融合特征矩阵 / CNN

基金资助

国家自然科学基金（61571222）; 江苏省研究生科研与实践创新计划（SJCX24＿0563）