本文關(guān)鍵詞：基于稀疏表示的管道缺陷超聲復(fù)合陣列成像研究

  更多相關(guān)文章： 管道缺陷 超聲復(fù)合陣列 3D成像 稀疏表示 Gabor原子

【摘要】：管道作為石油和天然氣等能源輸送方式之一,長時間遭受腐蝕、壓力和溫度等多種環(huán)境應(yīng)力的作用,極易產(chǎn)生各種類型的缺陷,從而導(dǎo)致泄漏事故的發(fā)生,造成環(huán)境污染、經(jīng)濟(jì)損失,甚至火災(zāi)或爆炸等安全事故。因此,開展管道缺陷的檢測與成像研究對管道缺陷量化評估具有重要意義。超聲成像技術(shù)可以根據(jù)超聲回波信號中攜帶的聲場特征參量來構(gòu)建管道內(nèi)部結(jié)構(gòu)的聲學(xué)圖像,為管道缺陷的量化與評估提供直觀、可靠的可視化判斷依據(jù)。由于3D超聲成像技術(shù)可以顯示更加豐富和直觀的量化信息,逐漸引入到管道缺陷檢測領(lǐng)域中。但是,目前管道超聲3D成像技術(shù)一般通過2D平面切片圖像合成3D圖像,存在運(yùn)算復(fù)雜程度高,時間效率低的不足,限制了該項技術(shù)在管道缺陷可視化檢測中的應(yīng)用。論文采用超聲傳感器復(fù)合陣列結(jié)構(gòu)獲取管道缺陷的超聲回波信號,并應(yīng)用稀疏表示方法直接從超聲回波信號中提取缺陷的3D聲場特征參量,提高了特征參量提取的抗干擾性能,避免了從2D圖像中合成3D信息的復(fù)雜運(yùn)算過程。為了提高特征參量提取的運(yùn)算效率,針對稀疏表示方法分別提出了自適應(yīng)Gabor原子字典構(gòu)建方法和基于CSO(Chicken Swarm Optimization)的原子搜索算法。然后,將提取的缺陷3D聲場特征參量投影到由扇形體素劃分的管道空間模型中,構(gòu)建了管道缺陷超聲復(fù)合陣列的3D成像模型,實(shí)現(xiàn)了管道缺陷的3D成像,為后續(xù)的缺陷量化與評估提供了參考依據(jù)。論文的具體研究內(nèi)容如下:(1)分析了管道缺陷超聲復(fù)合陣列檢測原理,根據(jù)超聲復(fù)合陣列幾何結(jié)構(gòu)和聲束傳播特性,給出了缺陷空間位置求解算法。搭建了超聲復(fù)合陣列管道缺陷檢測試驗(yàn)系統(tǒng)。(2)分析了信號稀疏表示的基本原理及其關(guān)鍵技術(shù)問題,并針對超聲回波信號的特性,研究了傳統(tǒng)Gabor原子字典構(gòu)建方法及超聲回波信號稀疏表示的具體流程。(3)針對傳統(tǒng)Gabor原子字典規(guī)模大、運(yùn)算效率低的問題,研究了自適應(yīng)Gabor原子字典的構(gòu)建方法。通過仿真分析和實(shí)測實(shí)驗(yàn)結(jié)果分析,表明該字典具有良好的抗噪性能,能夠顯著提高稀疏表示的運(yùn)算效率,其運(yùn)行時間僅為傳統(tǒng)Gabor原子字典的19%左右。(4)針對遍歷式原子搜索方法復(fù)雜度高、耗時長的不足,研究了基于CSO的原子搜索算法。實(shí)驗(yàn)結(jié)果表明,該方法在保持與遍歷式原子搜索方法同等計算精度的條件下,運(yùn)行時間僅為后者的20%左右。(5)研究了基于稀疏表示方法的管道缺陷3D聲場特征參量提取方法,建立了管道缺陷超聲復(fù)合陣列3D成像模型。在搭建的試驗(yàn)系統(tǒng)上對不同走向和大小的內(nèi)外表面裂紋和孔狀缺陷進(jìn)行了3D成像實(shí)驗(yàn)。成像結(jié)果表明,該方法可顯示缺陷的位置、大小等量化信息,可為缺陷的量化與評估提供直觀的判斷依據(jù)。
【學(xué)位授予單位】：江蘇大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TE973.6;TB559;TP391.41

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 趙瑞珍;王飛;羅阿理;張彥霞;;基于稀疏表示的譜線自動提取方法[J];光譜學(xué)與光譜分析;2009年07期

2 高志榮;熊承義;笪邦友;;改進(jìn)的基于殘差加權(quán)的稀疏表示人臉識別[J];中南民族大學(xué)學(xué)報(自然科學(xué)版);2012年03期

3 陳才扣;喻以明;史俊;;一種快速的基于稀疏表示分類器[J];南京大學(xué)學(xué)報(自然科學(xué)版);2012年01期

4 耿耀君;張軍英;;一種基于投影稀疏表示的基因選擇方法[J];哈爾濱工程大學(xué)學(xué)報;2011年08期

5 熊承義;汪淑賢;高志榮;;基于字典優(yōu)化的稀疏表示人臉識別[J];中南民族大學(xué)學(xué)報(自然科學(xué)版);2014年02期

6 戴平陽;洪景新;李翠華;詹小靜;;一種基于稀疏表示的判別式目標(biāo)跟蹤算法[J];廈門大學(xué)學(xué)報(自然科學(xué)版);2014年04期

7 趙佳佳;唐崢遠(yuǎn);楊杰;劉爾琦;周越;;基于圖像稀疏表示的紅外小目標(biāo)檢測算法[J];紅外與毫米波學(xué)報;2011年02期

8 柯激情;祝磊;厲力華;韓斌;鄭智國;孟旭莉;;基于稀疏表示算法的蛋白質(zhì)質(zhì)譜數(shù)據(jù)特征選擇[J];生物物理學(xué)報;2012年08期

9 王立國;劉丹鳳;趙亮;;基于高光譜圖像稀疏表示的彩色可視化模型(英文)[J];Applied Geophysics;2013年02期

10 宋琳;程詠梅;趙永強(qiáng);;基于稀疏表示模型和自回歸模型的高光譜分類[J];光學(xué)學(xué)報;2012年03期

中國重要會議論文全文數(shù)據(jù)庫 前3條

1 何愛香;劉玉春;魏廣芬;;基于稀疏表示的煤矸界面識別研究[A];虛擬運(yùn)營與云計算——第十八屆全國青年通信學(xué)術(shù)年會論文集（上冊）[C];2013年

2 樊亞翔;孫浩;周石琳;鄒煥新;;基于元樣本稀疏表示的多視角目標(biāo)識別[A];2013年中國智能自動化學(xué)術(shù)會議論文集（第五分冊）[C];2013年

3 葛鳳翔;任歲玲;郭鑫;郭良浩;孫波;;微弱信號處理及其研究進(jìn)展[A];中國聲學(xué)學(xué)會水聲學(xué)分會2013年全國水聲學(xué)學(xué)術(shù)會議論文集[C];2013年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 李進(jìn)明;基于稀疏表示的圖像超分辨率重建方法研究[D];重慶大學(xué);2015年

2 王亞寧;基于信號稀疏表示的電機(jī)故障診斷研究[D];河北工業(yè)大學(xué);2014年

3 姚明海;視頻異常事件檢測與認(rèn)證方法研究[D];東北師范大學(xué);2015年

4 黃國華;蛋白質(zhì)翻譯后修飾位點(diǎn)與藥物適應(yīng)癥預(yù)測方法研究[D];上海大學(xué);2015年

5 王瑾;基于稀疏表示的數(shù)據(jù)收集、復(fù)原與壓縮研究[D];北京工業(yè)大學(xué);2015年

6 王文卿;基于融合框架與稀疏表示的遙感影像銳化[D];西安電子科技大學(xué);2015年

7 解虎;高維小樣本陣列自適應(yīng)信號處理方法研究[D];西安電子科技大學(xué);2015年

8 秦振濤;基于稀疏表示及字典學(xué)習(xí)遙感圖像處理關(guān)鍵技術(shù)研究[D];成都理工大學(xué);2015年

9 薛明;基于稀疏表示的在線目標(biāo)跟蹤研究[D];上海交通大學(xué);2014年

10 孫樂;空譜聯(lián)合先驗(yàn)的高光譜圖像解混與分類方法[D];南京理工大學(xué);2014年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 王道文;基于稀疏表示的目標(biāo)跟蹤算法研究[D];華南理工大學(xué);2015年

2 李哲;基于稀疏表示和LS-SVM的心電信號分類[D];河北大學(xué);2015年

3 孫雪青;Shearlet變換和稀疏表示相結(jié)合的甲狀腺結(jié)節(jié)圖像融合[D];河北大學(xué);2015年

4 吳麗璇;基于稀疏表示的微聚焦X射線圖像去噪方法[D];華南理工大學(xué);2015年

5 趙孝磊;基于圖像分塊稀疏表示的人臉識別算法研究[D];南京信息工程大學(xué);2015年

6 黃志明;基于辨別式稀疏字典學(xué)習(xí)的視覺追蹤算法研究[D];華南理工大學(xué);2015年

7 張鈴華;非約束環(huán)境下的稀疏表示人臉識別算法研究[D];南京信息工程大學(xué);2015年

8 賀妍斐;基于稀疏表示與自適應(yīng)倒易晶胞的遙感圖像復(fù)原方法研究[D];南京信息工程大學(xué);2015年

9 楊爍;電能質(zhì)量擾動信號的稀疏表示/壓縮采樣研究[D];西南交通大學(xué);2015年

10 應(yīng)艷麗;基于低秩稀疏表示的目標(biāo)跟蹤算法研究[D];西南交通大學(xué);2015年

，

本文編號：1269330