管道无损检测学习记录2 #基础概念+融合技术

Passion_tt

已于 2022-10-27 06:37:27 修改

阅读量624

点赞数

分类专栏：管道无损检测文章标签：学习

于 2022-10-14 03:33:55 首次发布

本文链接：https://blog.csdn.net/qq_37322935/article/details/127312667

版权

管道无损检测专栏收录该内容

4 篇文章 6 订阅

订阅专栏

"流水不争先，争的是滔滔不绝"

油气管道概况

截止2020年底，我国国内建成油气管道总里程为 $14.4\times10^4 km$ ，其中输油管道里程约为 $5.9\times10^4 km$ ，约占管道总里程的41%

管道内检测与外检测

管道检测可以分为管道外检测和管道内检测两种方法。管道外检测主要在管道外壁使用超声等仪器直接进行检测，这种方法虽然检测灵活但是效率低，同时难以形成自动化检测。管道内检测则是通过检测器搭载存储设备，在管道内部行进和检测，并将检测数据实时存入存储设备，后续再通过读取存储数据进行数据处理和分析，实现对管道的检测。相较于外检测技术，管道内检测技术在保证管道正常运行的前提下拥有更高的检测效率，且理论上可以形成自动化检测。

管道内检测基本概念

管道内检测的难点主要如下：1）管道内部结构多变，检测器运行会产生抖动和提离改变等问题，导致采集信号中含有大量噪声和干扰信号，传统信号处理算法难以有效检出缺陷信号；2）内检测器数据分析极度依赖经验，没有固定的评判标准。缺陷的形状，种类，深度甚至与检测器的夹角都会对采集到的缺陷信号产生较大影响，难以设计软件使其能实现管道内缺陷的自动化检测；3）缺陷检出后，传统缺陷定位方法如里程轮等存在精度低等问题，导致检出缺陷在真实管道中对应困难；受制于管道环境的限制，如何仅通过机械结构或者加速度计，陀螺仪等传感器实现缺陷的精确定位。
内检测数据成像特性：（1）噪声较多，信噪比较低。管道漏磁内检测器在管道内随管道介质运行时，其运动姿态的变化、传感器的抖动、外界脉冲信号和电磁的干扰、管道物理性质的变化都会导致噪声的产生。这导致每一通道的数据曲线图都不是光滑的，灰度成像后就会在图像上呈现出许多椒盐噪声。无缺陷漏磁数据一般为低频信号，高频信号可能包含了缺陷信息。低频信号变化缓慢、波形平滑，高频信号变化非常快、有突变。图像的能量主要集中在其低频部分，噪声所在的频段主要在高频段，同时图像边缘信息也主要集中在其高频部分。（2）图像中有长条状条纹。因为各通道的数据基线值不同，即通道与通道之间的数据波动范围会有一些差别。管道漏磁内检测器中的传感器数目众多，而且是极其敏感的，很多因素都会导致其检测结果的变化，比如各传感器的放大电路不同、探头安装位置偏差、各传感器的提离值不同、管道材质变化、环境温度变化等。（3）图像分辨率不高。对应的数据优化方法：通道基值校准、小波去噪、插值处理。
管道内部缺陷定位方法：里程轮定位法，加速度计定位法，GPS 定位法和顶面定点标记系统定位法。
数据有效性指标：数据损失率不能超过 3%，且不能存在超过 3 个相邻通道或者沿管道周向 25mm 的连续数据缺失。数据有效性判定的具体方法包括以下五个步骤：数据抽样、峰值信噪比判定、异常百分比判定、缺失百分比判定、里程信息准确性判定。一般的管道缺陷至少能够覆盖3个或3个以上的传感器通道。

管道内检测术语

中文表示	英文表示	解释
异常	Anomaly	由管道内检测方式探测到的区别于正常管道材质、焊缝材质或防腐材质的不规则或偏差特征，或为真正的缺陷
制管异常	Mill anomaly	制管期间出现的异常，如：搭接、裂缝、夹层，非金属夹杂、卷制痕迹及电弧烧伤
屈曲	Buckle	管道产生较大的塑性变形，造成管道整体或管道截面永久性起皱或变形
缺陷簇	Cluster	管壁或管道组件上的两个或多个邻近异常，其交互作用比各自孤立的异常更加削弱管道性能
碎片	Debris	管道内无关的物质
凹陷	Dent	因外力撞击或挤压造成管道表面曲率明显变化的局部弹塑性变形
划痕	Gouge	金属机械切削造成的细长凹槽或凹腔
夹层	Lamination	金属内壁分离成多层，通常平行于管壁
提离	lift-off	可能来源于检测器的抖动，管道内的杂志等……
量化精度	Sizing accuracy	报告的异常尺寸或特性的精度。通常用公差和可信度表示，如金属损失的深度量化精度可表示为可信度为90%时，公差为±10%的壁厚
检测概率	Probability of detection	检测器检测出特征的概率
识别概率	Probability of identification	能够正确识别被检测到的异常或其他特征的概率

参考文献

[1]徐和武. 基于多模态传感信息融合的管道缺陷检测研究[D].电子科技大学,2022.

本文以管道缺陷检测和定位为研究目标，采用涡流传感器，惯性测量单元（Inertial Measurement Unit，IMU）和里程轮作为主要传感器，对得到的多模态传感信号进行融合，重点研究了复杂信号中缺陷信号识别和定位问题。用于小口径管道的缺陷内检测

1. 针对采集信号中信号组成复杂，干扰缺陷识别的问题，设计了 Feature Boosting 缺陷检测框架。（顺序剔除静止信号，特征信号……）

2. 针对采集信号中噪声干扰大，影响缺陷识别精确度的问题，设计了一种时序序列特征映射模块。该模块综合考虑时序序列的总体特征和局部特征，并将其统一映射到极坐标系，通过极径和极角的大小可以区分出时序序列中的异常点。
3. 针对传统管道内缺陷定位方法定位效果不佳问题，通过对多模态传感信号进行融合，设计了一种两阶段定位策略。

[2]李睿,冯庆善,蔡茂林,李海军,张海亮,刘成海,赵晓明.基于多传感器数据融合的长输埋地管道中心线测量[J].石油学报,2014,35(05):987-992. （北大核心 EI CSCD）