基于ResGNNet多模态融合的油气管道缺陷等级磁记忆定量识别

摘要

针对油气管道磁记忆信号特征自动提取及缺陷等级定量识别难题，提出一种结合残差神经网络和图神经网络的多模态融合模型即ResGNNet模型。采用金属磁记忆检测仪采集L245N管线钢不同深度缺陷的磁记忆原始信号。为实现特征的自动提取，保留原始磁记忆信号的完整信息并考虑样本之间的相互关系，利用K近邻-动态时间规整将原始信号转换成节点图，并利用格拉姆角场将原始信号转换成二维图像。设计的图神经网络、残差神经网络可分别自动提取一维信号和二维图像的嵌入特征向量。融合多模态嵌入特征向量经多头自注意力机制加权筛选后，输入Softmax分级模块，完成缺陷等级识别。模型验证结果表明，管道缺陷等级定量识别的准确率达到93%。

关键词

油气管道 / 金属磁记忆技术 / 缺陷等级 / 图神经网络 / 残差神经网络