基于磁记忆检测和SVM的连续管疲劳失效判别.pdf

《基于磁记忆检测和SVM的连续管疲劳失效判别.pdf》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、石油机械2014年第42卷第4期CHINAPETR0LEUMMACHINERY钻井技术与装备基于磁记忆检测和SVM的连续管疲劳失效判别范磊樊建春李晓秋雷军(中国石油大学(北京)机械与储运工程学院)摘要：针对现有连续管疲劳损伤检测评价方法存在的不足，提出了基于金属磁记忆方法的连续管疲劳损伤评价方法，建立了连续管疲劳损伤状况判别支持向量机(SVM)模型。选取CT80材质的连续管进行弯曲疲劳损伤磁记忆检测试验研究，利用判别模型对试验数据进行分析，结果表明，SVM模型能够较好地建立起连续管疲劳损伤状态与磁记

2、忆信号之间的映射关系，并能清晰地反映连续管的疲劳损伤过程，为检测连续管疲劳失效提供了一种新的判别方法。关键词：金属磁记忆；连续管；疲劳失效；梯度峰值；SVM中图分类号：TE973．6文献标识码：Adoi：10．3969／j．issn．1001—4578．2014．04．004MMMTesting-andSVM-basedResearchonCTFatigueFailureDiscriminationFanLeiFanJianchunLiXiaoqiuLeiJun(CollegeofMechanica

3、landTransportationEngineering，ChinaUniversityofPetroleum，Beijing)Abstract：Inlightoftheweaknesswiththecoiledtubing(CT)fatiguedamagedetectionandevaluationmeth—odavailable，theCTfatiguedamageevaluationmethodwasformulatedonthebasisofthemetalmagneticmemory(M

4、MM)method．Thesupportvectormachine(SVM)modelofCTfatiguedamagestatediscriminationwasestab—fished．TheCTofCT80materialwasselectedtoconductanexperimentalstudyofbendingfatiguedamageMMMde—tection．Thediscriminationmodelwasusedtoanalyzethetestdata．Thefindingssh

5、owthattheSVMmodelcande—sirablyestablishthemappingrelationbetweenCTfatiguedamagestateandMMMsigna1．ItcanclearlyreflecttheCTfatiguedamageprocess．Therefore，anewdiscriminationmethodisprovidedfordetectingCTfatiguefailure．Keywords：MMM；CT；fatiguefailure；gradie

6、ntpeak；SVM弯曲条件下的疲劳寿命问题进行了研究，得到了连0引言续管弯曲疲劳寿命的计算方法。中国石油大学王优强等提出采用模糊贝叶斯理论方法建立连续管连续管工作环境复杂，服役时常受内压、弯曲疲劳寿命概率分布模型，得到了连续管可靠度的计等载荷作用，极易发生疲劳断裂，工作寿命受到很算公式。这些研究对连续管疲劳损伤评估等问题进大影响。因此，对连续管进行及时可靠的疲劳失效行了有效的探索，但存在耗费大、精度低的问题，判别及寿命预测有助于减少或避免其在使用中造成这主要是因为目前很难用非破坏性的方法来检测连的

7、失误和事故，同时对于提高其工作寿命、指导其续管实际的疲劳状况。而2O世纪末刚刚兴起的引进和管理，以及推广连续管作业技术都具有重要金属磁记忆技术，是通过检测铁磁材料表面磁场分意义。国内外学者对此进行了大量的研究。Tip—布对应力集中、早期失效进行现场检测，与传统无ton根据连续管的疲劳试验结果对大量的多轴低损检测方法相比，不仅能够检测出材料塑性变形及周疲劳失效理论进行了分析。毕宗岳等对3种材宏观裂纹，而且能有效检测材料早期应力集中危险料的连续管试样在不同内压条件下进行了疲劳试区域，因此在连续管疲劳损伤

8、检测与寿命评估方面验。西安石油大学朱小平对连续管在反复卷绕极富开发潜力。石油机械2O14年第42卷第4期由于室内检测全尺寸连续管疲劳过程中的磁记(SupportVector)。求解最优超平面就相当于在式忆信号所需的时间较长，很难得到大量的试样磁记(3)的约束条件下求式(2)的最大值，即：忆信号样本，所以如何利用小样本数据建立预测模margin广广(2)型是一个值得探讨的问题。而基于结构风险最小化原理的支持向量机(SVM)在解决非线性、小样本Y(WX+b)+一1≥0(3