SHI Y, ZHANG C, LI R, et al. Theory and Application of Magnetic Flux Leakage Pipeline Detection [J]. Sensors(Basel, Switzerland), 2015, 15(12): 31036-31055. doi: 10.3390/s151229845
侯超钧, 唐宇, 庄家俊, 等. 高压油管的压力优化控制与仿真研究[J]. 西南大学学报(自然科学版), 2021, 43(2): 130-137.
杨理践, 张国光, 刘刚. 管道漏磁内检测技术[M]. 北京: 化学工业出版社, 2014.
BERNAL-MORALES J. A Method for Defect Detection and Characterisation Through Magnetic Flux Leakage Signals Using 3D Magnetoresistive Sensors [D]. Durham: Durham University, 2020.
庞家栋. 基于漏磁检测的管道损伤缺陷仿真与分类识别研究[D]. 北京: 中国石油大学, 2019.
卢森骧. 复杂工况下管道漏磁内检的缺陷智能诊断方法[D]. 沈阳: 东北大学, 2018.
张冬妍, 韩睿, 张瑞, 等. 基于CapsNet神经网络的树叶图像分类模型[J]. 西南大学学报(自然科学版), 2021, 43(8): 143-151.
赵翰学, 张咪, 郭岩宝, 等. 基于机器学习的管道金属损失缺陷识别方法[J]. 石油机械, 2020, 48(12): 138-145.
崔凯. 基于支持向量机和极限学习机的管道缺陷分类方法研究[D]. 沈阳: 东北大学, 2014.
杨海英, 戴光, 李伟, 等. 管道漏磁检测信号的支持向量机识别方法[J]. 科学技术与工程, 2010, 10(27): 6628-6632. doi: 10.3969/j.issn.1671-1815.2010.27.005
戴光, 杨海英, 于永亮. 基于有限元分析的管道漏磁检测信号识别技术[J]. 大庆石油学院学报, 2010, 34(5): 122-127, 172.
张鑫博. 基于机器学习的漏磁信号异常检测方法研究[D]. 沈阳: 东北大学, 2017.
LANG X M, ZHENG H, SONG H D, et al. Weld Defect Recognition Method of Pipeline Based on Improved Least Squares Twin Support Vector Machine [C]//2021 29th Mediterranean Conference on Control and Automation (MED). June 22-25, 2021. PUGLIA, Italy. IEEE, 2021: 1-6.
KHODAYARI-ROSTAMABAD A, REILLY J P, NIKOLOVA N K, et al. Machine Learning Techniques for the Analysis of Magnetic Flux Leakage Images in Pipeline Inspection [J]. IEEE Transactions on Magnetics, 2009, 45(8): 3073-3084. doi: 10.1109/TMAG.2009.2020160
LIU J, FU M, LIU F, et al. Window Feature-Based Two-Stage Defect Identification Using Magnetic Flux Leakage Measurements [J]. IEEE Transactions on Instrumentation and Measurement, 2018, 67(1): 12-23. doi: 10.1109/TIM.2017.2755918
敖太平. 天然气管道内壁漏磁检测系统研究[D]. 成都: 西华大学, 2019.
岳明星, 杨理践, 石萌. 基于卷积神经网络的管道漏磁内检测焊缝识别方法[J]. 电子世界, 2018(12): 49-50.
YANG L J, WANG Z J, GAO S W, et al. Magnetic Flux Leakage Image Classification Method for Pipeline Weld Based on Optimized Convolution Kernel [J]. Neurocomputing, 2019, 365: 229-238.
王宏安. 基于深度学习的管道环焊缝目标检测方法[J]. 自动化与仪器仪表, 2020(9): 144-146, 151.
刘金海, 赵贺, 神祥凯, 等. 基于漏磁内检测的自监督缺陷检测方法[J]. 仪器仪表学报, 2020, 41(9): 180-187.
SHEN X K, LIU J H, ZHAO H, et al. Research on Multi-Target Recognition Algorithm of Pipeline Magnetic Flux Leakage Signal Based on Improved Cascade RCNN [C]//2021 3rd International Conference on Industrial Artificial Intelligence (IAI). November 8-11, 2021, Shenyang, China. IEEE, 2021: 1-6.
YANG L J, WANG Z J, GAO S W. Pipeline Magnetic Flux Leakage Image Detection Algorithm Based on Multiscale SSD Network [J]. IEEE Transactions on Industrial Informatics, 2020, 16(1): 501-509.
王宏安, 陈国明. 基于深度学习的漏磁检测缺陷识别方法[J]. 石油机械, 2020, 48(5): 127-132.
SINGH W S, KUMAR S V S, MUKHOPADHYAY C K, et al. Modeling and Experimental Studies on 3D-Magnetic Flux Leakage Testing for Enhanced Flaw Detection in Carbon Steel Plates [J]. Research in Nondestructive Evaluation, 2019, 30(5): 253-268.
FU M R, LIU J H, ZHANG H G, et al. Multisensor Fusion for Magnetic Flux Leakage Defect Characterization Under Information Incompletion [J]. IEEE Transactions on Industrial Electronics, 2021, 68(5): 4382-4392.
杨海英. 基于支持向量机的管道漏磁检测信号识别方法研究[D]. 大庆: 东北石油大学, 2012.
曹丽娜. 管道漏磁检测数据分析专家系统的研究[D]. 天津: 天津大学, 2007.
杨秀杰. 基于深度学习稀疏测量的压缩感知图像重构[J]. 西南师范大学学报(自然科学版), 2020, 45(1): 42-47.
李艳波, 胡铁华, 吴哲, 等. 管道漏磁检测数据分析系统设计与实现[J]. 机电产品开发与创新, 2013, 26(2): 87-89.
MAO B Y, LU Y, WU P L, et al. Signal Processing and Defect Analysis of Pipeline Inspection Applying Magnetic Flux Leakage Methods [J]. Intelligent Service Robotics, 2014, 7(4): 203-209.
胡甫. 基于多传感器数据融合的输油管道检测技术研究[D]. 大庆: 东北石油大学, 2011.
席桂清. 多传感器海底输油管道腐蚀检测系统及算法实现[D]. 大庆: 大庆石油学院, 2005.
林蔚, 褚胜楠. 多传感器输油管道检测数据融合技术[J]. 黑龙江大学自然科学学报, 2015, 32(3): 397-403.