仪器仪表学报

作者：罗斌，师奕兵，陶爱华，冯强，张伟

单位：罗斌,电子科技大学自动化工程学院成都611731,,师奕兵,电子科技大学自动化工程学院成都611731,ybshi@uestc.edu.cn,陶爱华,中海油田服务股份有限公司油田技术事业部廊坊065201,,冯强,电子科技大学自动化工程学院成都611731,,张伟,电子科技大学自动化工程学院成都611731,

关键词：物理信息神经网络;脉冲涡流检测;代理模型;电磁响应估计

基金：国家自然科学基金项目（U25B20244）、中国海油测井与定向钻井重点实验室开放基金项目（202517434042）资助

脉冲涡流检测方法作为一种无接触、无需耦合剂且环保安全的无损检测方法，常被用于检测金属管道的结构健康状态，脉冲涡流响应估计的及时性和准确性受到油井套管脉冲涡流检测的电磁建模方法的严重限制。传统的数学建模方法需要大量的先验知识，数学模型建立过程复杂且计算成本高。同时，基于纯数据驱动的神经网络方法缺乏物理信息约束，且不够稳健。在生产现场，常常需要一种兼顾效率和精度的脉冲涡流检测建模方法，提出了一种新的物理信息神经网络代理模型，填补了这一空白。将电磁物理定律作为先验知识嵌入到目标损失函数中，以监督深度神经网络的训练过程。此外，使用子神经网络来估计不同计算域的电磁响应，这些域根据其物理特性被分开，设计了一个界面损失函数，以补偿在预测双计算域的结果时各网络之间输出的不连续性，从而提高电磁响应估计的准确性和稳健性。利用有限元分析方法获得的电磁响应数据验证了所提出的物理信息神经网络的性能，并将所提出的物理信息神经网络与传统纯数据驱动的神经网络和插值算法的性能进行了对比。综合分析表明，物理信息神经网络模型能够准确估计油套管脉冲涡流检测中的电磁响应，其决定系数超过0.95。此外，物理信息神经网络模型的推理速度比有限元分析快52倍以上。

来源：2025年第12期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2025年第12期