本发明属于管道内检测领域,尤其涉及一种基于遗传算法与改进禁忌搜索的不规则管道缺陷反演方法。
背景技术:
1、铁磁材料是一种广泛应用于石油、化工等工业领域的材料,目前已被广泛应用于油气管道等多个领域,并取得了良好的效果。由于其通常在高温高压环境下工作,其表面通常会出现缺陷。漏磁检测是一种重要的无损检测方法,通过磁传感器测量磁性元件上的漏磁场分布,主要用于检测铁磁材料中的缺陷和裂纹。与射线检测技术和磁粉检测技术等相比,漏磁检测技术的检测速度更快,检测精度更高,成本需求更低并且对环境的要求较低,在无损检测和评估中的效果更为显著。在漏磁检测技术中,对缺陷轮廓进行量化是一个关键步骤,通过量化缺陷的尺寸和形状,可以判断缺陷的严重程度,为后续的修复和维护提供准确的依据。漏磁检测信号的量化识别过程就是根据漏磁检测信号确定被测材料中是否存在缺陷、并标定缺陷的形状和位置,进而实现缺陷检测的可视化,称为漏磁检测的反演问题。
2、在利用漏磁信号进行反演的过程中,所利用的方法可分为直接反演和迭代反演两种。直接反演所得到的结果精度较低,并且无法准确描绘出缺陷的具体形状。当实际缺陷和训练样本相差较远时,模型的准确率较低,尤其对于形状不规则的缺陷不能精准的预测,而实际应用中缺陷绝大多数是不规则的。因此在本发明中应用的是迭代反演方法。其原理在于:通过不断地迭代和修正计算过程,以提高对漏磁信号中缺陷轮廓的量化精度。迭代反演技术是一种在漏磁检测领域中应用的重要技术方法。该技术通过迭代的方式,不断优化模型参数,以更准确地反演出材料中的缺陷信息。漏磁检测迭代反演技术主要有正向模型和迭代优化算法组成。与正向模型相比,反演优化问题相对复杂。由于缺陷漏磁场分布不均,而且不同缺陷可能产生相似的漏磁场分布,因此缺陷反演的结果缺乏唯一性和连续性,这使得相应的问题很难得到精确的解决。因此如何在现有迭代反演技术的基础上进一步提高反演精度和反演速度是我们目前急需解决的问题。
技术实现思路
1、本发明要解决的技术问题是针对上述现有技术的不足,提供基于遗传算法与改进禁忌搜索的不规则管道缺陷反演方法,实现不规则管道缺陷的反演。
2、为解决上述技术问题,本发明所采取的技术方案是:基于遗传算法与改进禁忌搜索的不规则管道缺陷反演方法,包括以下步骤:
3、步骤1:使用传感器采集管道上存在缺陷段的漏磁检测信号,同时利用基于三维磁偶极子模型的缺陷重构法进行管道缺陷的正演;
4、步骤1.1:定义管道缺陷的初始深度;
5、步骤1.2:利用步骤1.1中的管道缺陷的初始深度对管道缺陷建立三维磁偶极子模型,模拟出管道缺陷的漏磁检测信号;
6、在管道缺陷范围内等距离划分成网格,并将每个网格设定为一个立方体;将一个立方体作为管道子缺陷共同构成完整的管道缺陷;设定立方体的高度近似于网格区域的等效深度,得到该立方体所形成的漏磁检测信号估计矩阵,进而获得完整管道缺陷的漏磁检测信号估计矩阵;
7、步骤1.3:利用步骤1.2中得到的漏磁检测信号估计矩阵模拟出管道缺陷的漏磁检测信号;
8、步骤1.4:将通过三维磁偶极子模型模拟出的管道缺陷的漏磁检测信号与传感器采集的漏磁检测信号进行残差计算,得到重构的管道缺陷;
9、步骤1.5:检测重构的管道缺陷精度是否满足要求,如果不满足,则回到步骤1.1更新管道深度后重复执行步骤1.2至步骤1.5;否则,直接重建三维管道缺陷轮廓,得到管道缺陷的正演结果,即管道缺陷的确切深度值;
10、步骤2:针对管道缺陷等距离划分为的网格,构建管道缺陷的深度矩阵,深度矩阵中的数据为管道深度估计值,并初始化遗传算法的种群;
11、将管道缺陷再次采用步骤1的方法等距离划分成的网格,每个网格对应一个管道子缺陷,整个管道缺陷由管道子缺陷共同构成,网格中每一个子缺陷的深度构成了的矩阵,即深度矩阵,深度矩阵中的数据为管道深度估计值,满足,其中,为深度矩阵中的数据值, d为管道横截面的直径;将遗传算法的种群设定为深度矩阵中的数据;
12、步骤3:设置一个适应度函数,使步骤2获得的管道深度估计值能与步骤1所得的确切深度值吻合;
13、所述适应度函数会给每次迭代中生成的染色体数据打分,来评判染色体数据的适应度,即判断种群中各组数据的优劣程度;根据步骤1得到在该管道缺陷处的漏磁检测信号;种群的每组染色体数据中漏磁产生的漏磁检测信号为,则存在适应度函数;
14、步骤4:将种群中的染色体数据进行交叉配对和变异,进一步将管道深度估计值与步骤1中所得的确切深度值吻合;
15、所述变异过程为随机将交叉配对后的染色体数据进行加1或者减1,从而改变个体染色体数据中的基因,以增加种群的每组染色体数据多样性;
16、步骤5:将生成的子代染色体数据替换父代的染色体数据,判断是否满足设定要求,如果不满足则重新执行步骤4,直至满足设定要求,得到更新后的深度矩阵,否则,则执行步骤6;
17、将配对和变异后生成的子代适应度小于设定阈值的染色体数据替换父代的染色体数据,判断是否满足,如果不满足则重复步骤4的配对和变异操作,逐层迭代直至种群的每组染色体数据,即每一个深度矩阵中最后的数据满足,其中和,和分别为深度矩阵中数据的最小值和最大值;
18、步骤6:将步骤5得到的更新后的深度矩阵中的数据进行禁忌搜索,得到最终的管道缺陷全局最优解;
19、步骤6.1:将步骤5所得到的更新后的深度矩阵中的数据作为当前解,并将禁忌表设为空,设定禁忌长度t=d,设定禁忌搜索的终止条件;
20、步骤6.2:从当前解出发,对于当前迭代后的解,生成邻域解集合;
21、在生成邻域解集合的过程中,采用滑窗策略,即生成一个的窗格在划分成个网格的管道缺陷从头开始进行滑动,其中,=n-2,从而对个网格的管道缺陷进行加减,得到其邻域解集合,个窗格中前个窗格中数据的计算公式为:,其中,为第个窗格中的数据,, k为步长,random为乘同余法的结果;
22、最后一个窗格中的数据;
23、所述乘同余法的结果random具体公式为:,其中,a和c为常数,且为正整数,m为模数,mod为模运算,为第k+1步的结果,为第k步的结果;
24、步骤6.3:在邻域解集合中选取满足不受禁忌的候选解集合;随后根据步骤1得到的漏磁检测信号和禁忌表,从邻域解集合中选择候选解集合;
25、步骤6.4:更新禁忌表,重复执行步骤6.2-步骤6.4,得到全局最优解;
26、从候选解集合中选择一组最优解作为当前解;重复执行步骤6.2-步骤6.4,当重复多次后得到的解仍然不变,则认为结果为局部最优;此时增大步长k,从而增大解邻域的范围,再次进行搜索;直到与步骤1得到的漏磁检测信号总差小于设定阈值时,停止搜索,得到全局最优解,即最终深度矩阵的数据值。
27、采用上述技术方案所产生的有益效果在于:本发明提供的一种基于遗传算法与改进禁忌搜索的不规则管道缺陷反演方法,与现有技术相比,具有以下有益效果:
28、(1)在该方法中,将遗传算法与禁忌搜索相结合,极大提高了方法的精确性和收敛能力,并且以最快的收敛速度避开局部最优从而找到全局最优解;
29、(2)本方法更适用于真实的复杂环境,抵抗外界干扰的能力更强;
30、(3)本方法根据种群的离散程度将迭代过程分为两个阶段,遗传计算和逐层计算;并且反演过程中考虑了腐蚀的规律,使得反演后的缺陷更加符合真实情况。
1.一种基于遗传算法与改进禁忌搜索的不规则管道缺陷反演方法,其特征在于:包括以下步骤:
2.根据权利要求1所述的一种基于遗传算法与改进禁忌搜索的不规则管道缺陷反演方法,其特征在于:所述步骤1包括以下步骤:
3.根据权利要求2所述的一种基于遗传算法与改进禁忌搜索的不规则管道缺陷反演方法,其特征在于:所述步骤1.2的具体方法为:
4.根据权利要求3所述的一种基于遗传算法与改进禁忌搜索的不规则管道缺陷反演方法,其特征在于:所述步骤2的具体方法为:
5.根据权利要求4所述的一种基于遗传算法与改进禁忌搜索的不规则管道缺陷反演方法,其特征在于:所述步骤3的具体方法为:
6.根据权利要求5所述的一种基于遗传算法与改进禁忌搜索的不规则管道缺陷反演方法,其特征在于:
7.根据权利要求6所述的一种基于遗传算法与改进禁忌搜索的不规则管道缺陷反演方法,其特征在于:所述步骤5的具体方法为:
8.根据权利要求7所述的一种基于遗传算法与改进禁忌搜索的不规则管道缺陷反演方法,其特征在于:所述步骤6包括以下步骤:
9.根据权利要求8所述的一种基于遗传算法与改进禁忌搜索的不规则管道缺陷反演方法,其特征在于:所述步骤6.2的具体方法为:
10.根据权利要求9所述的一种基于遗传算法与改进禁忌搜索的不规则管道缺陷反演方法,其特征在于:所述步骤6.4的具体方法为: