Классификация поверхностных дефектов основного металла трубопроводов по результатам комплексной диагностики

Автор: Алешин Николай Павлович, Скрынников Сергей Владимирович, Крысько Николай Владимирович, Щипаков Никита Андреевич, Кусый Андрей Геннадьевич

Журнал: Компьютерная оптика @computer-optics

Рубрика: Численные методы и анализ данных

Статья в выпуске: 1 т.47, 2023 года.

Бесплатный доступ

Рассмотрены вопросы классификации поверхностных эксплуатационных объемных и плоскостных дефектов по результатам комплексной диагностики ультразвуковым методом неразрушающего контроля с применением поверхностных волн Рэлея, генерируемых электромагнитно-акустическим преобразователем, и вихретокового метода. В работе представлены результаты отбора признаков с применением дисперсионного анализа (ANOVA) и алгоритма «экстра деревья» (Extra Trees Classifier), за счет чего выбран тип вихретокового преобразователя, оптимального для классификации поверхностных дефектов. Показана неоднозначность классификации поверхностных дефектов по амплитуде ультразвукового и вихретокового сигнала, а также фазе вихретокового сигнала по отдельности. Построены модели классификации поверхностных дефектов по типам объемный и плоскостной на основе статистических методов, таких как Байесовский вывод и теория Демпстера-Шафера. Оценена работоспособность построенных моделей классификации по таким метрикам, как коэффициент Жаккара и F1-мера.

Еще

Поверхностные дефекты, ультразвуковой контроль, вихретоковый контроль, комплексная диагностика, совместная оценка данных, машинное обучение, байесовский вывод, теория демпстера-шафера

Короткий адрес: https://sciup.org/140296255

IDR: 140296255   |   DOI: 10.18287/2412-6179-CO-1185

Список литературы Классификация поверхностных дефектов основного металла трубопроводов по результатам комплексной диагностики

  • Davydova DG. Defects in process pipelines: typology, assessment of the impact on operation [In Russian]. Prom-bezopasnost-Priuralye 2012; 8: 24-28.
  • Yerekhinsky BA, Maslakov SV, Shustov NI, Mitrofanov AV, Baryshov SN,ZaryaevMYu, Kravtsov AV, Yegorov SV. Cracking of metal housings of Christmas-tree gate valves of northern fields gas producers [In Russian]. Territory "Neftegaz" 2014; 2: 31-36.
  • Safina IS, Kauzova PA, Gushchin DA. Assessment of the technical condition of vertical steel tanks [In Russian]. TekhNadzor 2016; 3(112): 39-42.
  • Butusov DS, Egorov SI, Zavyalov AP, Lyapichev DM. Stress corrosion cracking of gas pipelines: Textbook [In Russian]. Moscow: Publishing Center of the Russian State University of Oil and Gas named after I.M. Gubkin; 2015.
  • Kalinichenko NP, Vasiliev MA. Atlas of defects in welded joints and base metal: teaching aid [In Russian]. Tomsk: Publishing House of Tomsk Polytechnic University; 2006. ISBN: 978-5-98298-908-6.
  • Aleshin NP. Physical methods of non-destructive testing of welded joints: textbook [In Russian]. 2nd ed., revised. Moscow: "Innovative Engineering" Publisher; 2019. ISBN: 978-5-94275-695-6.
  • Kuncheva LI. Fuzzy classifier design. Heidelberg: Springer-Verlag; 2000. DOI: 10.1007/978-3-7908-1850-5.
  • Fung G, Mangasarian O. Proximal Support vector machine classifiers. Mach Learn 2005; 59(1-2): 77-97.
  • Quinlan JR. Induction of decision trees. Mach Learn 1986; 1: 81-106. D0I:10.1007/BF00116251.
  • Minsky M, Papert SA. Perceptrons: An introduction to computational geometry. The MIT Press; 2017. DOI: 10.7551/mitpress/11301.001.0001.
  • Challa, S, Koks D. Bayesian and Dempster-Shafer fusion. Sadhana 2004; 29: 145-176. DOI: 10.1007/BF02703729.
  • Meyer SL. Data analysis for scientists and engineers. Peer Management Consultants Ltd; 1992. ISBN: 978-09635027-0-4.
  • Hall DL. Mathematical techniques in multisensor data fusion. Artech Print on Demand; 2004. ISBN: 978-1-58053-335-5.
  • Gros XE. NDT data fusion. London: U.K.: Arnold; 1997. ISBN: 978-0340676486.
  • Gros XE. Applications of NDT data fusion. New York: Springer; 2001. ISBN: 978-0-7923-7412-1.
  • Dromigny A, Zhu YM. Improving the dynamic range of real-time X-ray imaging systems via Bayesian fusion. J Nondestr Eval 1997; 16: 147-160. DOI: 10.1023/A:1022606310811
  • Aleshin NP, Skrynnikov SV, Krysko NV, Shchipakov NA, Kusy AG. Approaches to weld quality assurance in gas pipelines based on an integrated analysis of data obtained by various non-destructive test methods [In Russian]. GAS Industry of Russia 2021; S3(823): 28-32.
  • Aleshin NP, Krysko NV, Kusyy AG, Skrynnikov SV, Mo-gilner LY. Investigating the detectability of surface volumetric defects in ultrasonic testing with the use of rayleigh waves generated by an electromagnetic-acoustic transducer [In Russian]. Russian Journal of Nondestructive Testing 2021; 57 (5): 361-368. DOI: 10.31857/S0130308221050031.
  • Aleshin NP, Krysko NV, Skrynnikov SV, Kusyy AG. Studying detectability of plane surface defects by ultrasonic method using Rayleigh waves [In Russian]. Russian Journal of Nondestructive Testing 2021; 57 (6): 446-454. DOI: 10.31857/S0130308221060038.
  • SONAFLEX multipurpose test electronics unit. Source: (https://nordinkraft.de/sonatlex/).
  • Shubochkin AE. Development and current state of the eddy current method of non-destructive testing: monograph [In Russian]. Moscow: "Spectrum" Publishing house; 2014. ISBN: 978-5-4442-0075-9.
  • Wright M. Eddy current testing technology. Waterloo: Eclipce Scientific; 2015. ISBN: 978-0-9917095-6-4.
  • Barker TB, Milivojevich A. Quality by experimental design. CRC Press; 2016. ISBN: 9781032098050.
  • Aleshin NP, Krysko NV, Kirikov AV. Development of a flaw detector robot combining inspection methods with the use of digital technologies [In Russian]. Proc XIII All-Russian Conf on Testing and Research of the Properties of Materials "TestMat" 2021: 144-156.
  • Murphy KP. Machine learning: A probabilistic perspective. MIT Press Publisher; 2012. ISBN: 978-0262018029.
  • Chen Q, Whitbrook A, Aickelin U, Roadknight C. Data classification using the Dempster-Shafer method. J Exp Theor Artif Intell 2014; 26(4): 493-517. DOI: 10.1080/0952813X.2014.886301.
  • Powers DMW. Evaluation: From precision, recall and f-measure to ROC, informedness, markedness & correlation. J Mach Learn Res 2011; 2(1): 37-63.
Еще
Статья научная