«Труды Российского государственного университета нефти и газа имени И.М. Губкина»

Оптимизация процедур камерального этапа внутритрубной диагностики с использованием методологии полных достаточных статистик

УДК: 622.691.4
DOI: -

Авторы:

¹ Российский государственный университет нефти и газа (национальный исследовательский университет) имени И.М. Губкина, Москва, Российская Федерация
² Донской государственный технический университет, Ростов-на-Дону, Российская Федерация

Ключевые слова: цифровая обработка сигналов, алгоритм, полная достаточная статистика, внутритрубная диагностика, сварное соединение, камеральная обработка

Аннотация:

Работа посвящена построению алгоритма обработки сигналов датчиков магнитного поля снаряда-дефектоскопа внутритрубной диагностики на этапе камерального исследования. Приведено описание существующих подходов с учетом развития современных методов цифровой обработки сигналов. Сделан акцент на оптимизации использования рабочего времени аналитики при камеральной обработке данных, что дает прямой экономический эффект и уменьшает роль человеческого фактора при разборе рутинных ситуаций. Показана необходимость автоматизации бизнес-процесса с использованием робастного алгоритма. Предложено использование методологии полных достаточных статистик на базе теоремы Рао – Блеквелла – Лемана – Шеффе как инструмента оценивания параметров периодических сигналов сварных соединений на магнитограммах. Была разработана математическая модель, на основе которой проведены оценки потенциальной точности методов. Установлено, что для значения размера выборки n > 15 относительная среднеквадратичная ошибка оценки периода повторения с использованием методологии полной достаточной статистики существенно ниже, чем при традиционной оценке. Результаты подтверждены в широком интервале отношений сигнал/шум от 0 до 10 дБ, где работа эстиматоров традиционно затруднена. В дополнение к теоретическим расчетам представлены результаты моделирования, подтверждающие достигнутый эффект. Данные расчетов и моделирования проиллюстрированы на графиках и диаграмме, где показана устойчивость применения методологии к вариациям параметров n и сигнал/шум. Полученные результаты имеют широкий спектр применимости и могут быть использованы при проектировании контрольно-измерительной аппаратуры, при разработке медицинского оборудования, в области телекоммуникаций, при проектировании импульсно-доплеровских радаров и т. д.

Список литературы:

1. Разработка и применение оборудования для внутритрубной диагностики линейной части магистральных газопроводов / В.А. Шабанов, В.А. Горичев, А.В. Губин, Д.А. Ковтунов // Оборудование и технологии для нефтегазового комплекса. – 2019. – № 2 (110). – С. 9–13. – DOI: 10.33285/1999-6934-2019-2(110)-9-13 – EDN AZISZX.
2. Выявление и оценка опасности упругопластических изгибов по данным ООО «НПЦ «Внутритрубная диагностика» / Р.Р. Усманов, М.В. Чучкалов, Н.Н. Иванова, А.Н. Кукушкин // Оборудование и технологии для нефтегазового комплекса. – 2021. – № 1 (121). – С. 78–82. – DOI: 10.33285/1999-6934-2021-1(121)-78-82 – EDN OVSKOW.
3. Жучков К.Н., Завьялов А.П. Совершенствование технологии внутритрубной диагностики трубопроводов с использованием алгоритма автоматизированной обработки диагностических данных // Наука и технологии трубопроводного транспорта нефти и нефтепродуктов. – 2022. – Т. 12, № 6. – С. 540–549. – DOI: 10.28999/2541-9595-2022-12-6-540-549 – EDN WZSILO.
4. Абакумов А.А., Абакумов А.А. (мл.). Магнитная диагностика газонефтепроводов. – М.: Энергоатомиздат, 2001. – 432 с.
5. Опыт разработки нейросети для автоматизации процесса определения швов на изображениях, полученных при проведении внутритрубного диагностического обследования линейной части магистрального газопровода / С.В. Скрынников, А.В. Шибанов, С.В. Светлов [и др.] // Наука и техника в газовой промышленности. – 2024. – № 3 (99). – С. 74–85. – EDN FNBJNF.
6. Вострецов А.Г., Филатова С.Г. Оценка параметров импульсных сигналов неизвестной формы на фоне аддитивной смеси белого гауссовского шума и линейной составляющей с неизвестными параметрами // Радиотехника и электроника. – 2021. – Т. 66, № 8. – С. 772–781. – DOI: 10.31857/S003384942108009X – EDN SGAPGN.
7. Оводкова К.В., Жучков К.Н., Завьялов А.П. К вопросу подготовки исходного массива информации для обучения нейронных сетей определению параметров дефектов трубопроводов // Труды Российского государственного университета нефти и газа имени И.М. Губкина. – 2023. – № 2 (311). – С. 85–97. – DOI: 10.33285/2073-9028-2023-2(311)-85-97 – EDN TPJNNM.
8. Ван Трис Г. Теория обнаружения, оценок и модуляции. Т. 1. – М.: Сов. радио, 1972. – 744 с.
9. Левин Б.Р. Теоретические основы статистической радиотехники. T. 2. – М.: Сов. радио, 1975. – 512 с.
10. Боровков А.А. Математическая статистика. – М.: Наука, 1984. – 704 с.
11. Закс Ш. Теория статистических выводов. – М.: Мир, 1975. – 776 с.
12. Богданович В.А., Вострецов А. Г. Теория устойчивого обнаружения, различения и оценивания сигналов. – М.: ФИЗМАТЛИТ, 2003. – 316 с.
13. Перспективные подходы в задачах оценки параметров сигналов / Н.Г. Пархоменко, С.Г. Хоружий, К.Н. Жучков [и др.] // Морская радиоэлектроника. – 2006. – № 2 (16). – С. 46–49. – EDN FPVKCE.
14. Abratkiewicz K., Samczyński P., Czarnecki K. Radar signal parameters estimation using phase accelerogram in the time-frequency domain // IEEE Sensors Journal. – 2019. – Vol. 19, No. 13. – P. 5078–5085.
15. Taki H., Mansour A., Azou S. Pulse parity modulation for impulse radio UWB transmission based on non-coherent detection // Physical Communication. – 2020. – Vol. 40. – P. 101061.
16. XAFS study of local atomic structure in InAs at low pressures / L.A. Bugaev, Y.V. Latokha, L.A. Avakyan [et al.] // AIP Conference Proceedings: X-RAY ABSORPTION FINE STRUCTURE – XAFS13: 13th International Conference, Stanford, CA, 09–14 July 2006. – Vol. 882. – Stanford, CA: AIP pablishing, 2007. – P. 395–397. – DOI: 10.1063/1.2644536 – EDN MRJWOF.
17. Deglitching procedure for XAFS / K.N. Zhuchkov, V.A. Shuvaeva, K. Yagi, H. Terauchi // Journal of Synchrotron Radiation. – 2001. – Vol. 8, No. 2. – P. 302–304. – DOI: 10.1107/S0909049500020951 – EDN LGOGGV.
18. Ромм Я.Е., Соколов И.Н. Компьютерное диагностирование аритмии, тахикардии и брадикардии с применением схем сортировки // Известия ЮФУ. Технические науки. – 2013. – № 7 (144). – С. 131–136. – EDN QOUCPH.
19. The use of machine learning for various predictive models of the occurrence of pipe defects / K. Zhuchkov, A. Zavyalov, A. Lopatin [et al.] // Insight – Civil Engineering. – 2024. – Vol. 7, No. 2. – P. 646. – DOI: 10.18282/ice.v7i2.646 – EDN BZCBWZ.
20. Improving the accuracy of estimates of the pulse sequence period using the methodology of complete sufficient statistics / K.N. Zhuchkov, M. Vasilchenko, A.D. Zagrebneva, A.P. Zavyalov // Scientific Reports. – 2022. – Vol. 12, No. 1. – P. 19932. – DOI: 10.1038/s41598-022-24457-2 – EDN JCVKPJ.