《油气管道漏磁检测缺陷区域的分段识别方法》由会员分享，可在线阅读，更多相关《油气管道漏磁检测缺陷区域的分段识别方法（9页珍藏版）》请在金锄头文库上搜索。
1、油气管道漏磁检测缺陷区域的分段识别方法 陈俊杰 电力规划设计总院 摘 要： 为解决油气管道漏磁检测数据量巨大所带来的处理难题, 研究一种从漏磁检测数据中快速识别出待求解目标缺陷区域的检测方法。基于有限元仿真计算, 对油气管道三维漏磁检测信号的特性进行研究, 进而对检测数据进行分段阈值截取处理, 并提出一种管道待求解缺陷区域的分段识别方法, 可快速且准确地处理油气管道漏磁检测海量数据。基于实际油气管道的漏磁检测数据, 对所提出的分段识别方法进行试验验证。试验结果表明:所提出的方法可准确识别出管道上的缺陷区域, 既完整地包含缺陷及其附近区域, 也不存在过量的无关区域, 可有效地控制后续处理过程的数
2、据量。关键词： 漏磁检测; 缺陷识别; 分段处理; 阈值截取; 油气管道; 作者简介：陈俊杰 (1988-) , 男, 安徽六安市人, 工程师, 博士, 主要从事现代电磁检测方法、电力系统相关问题研究。收稿日期：2017-02-09Segmentation identification method for defect area of MFL detection of oil and gas pipelinesCHEN Junjie Electric Power Planning & Engineering Institute; Abstract： In order to solve the
3、 problem of the huge data of oil and gas pipelines magnetic flux leakage (MFL) detection, it is necessary to research a method to identify the target defect area to be solved from the MFL detection signals quickly.Based on the finite element simulation method, the characteristics of three-dimensiona
4、l magnetic flux leakage detection signal for oil and gas pipelines are studied.Then, the detection data is processed with segmentation and threshold interception, and a segmentation method is proposed to identify the defect area quickly and properly.The experiment results based on real oil and gas p
5、ipelines demonstrate that the method can identify the pipeline defect area accurately, containing the defect and its nearby region without excess of irrelevant areas.Therefore, the proposed method can control the data quantity of the subsequent processing effectively.Keyword： MFL detection; defect i
6、dentification; segmentation processing; threshold interception; oil and gas pipelines; Received： 2017-02-090 引言油气输送管道极易在介质腐蚀、地基变化、地质灾害等因素的作用下产生腐蚀、裂纹等缺陷。在众多的油气管道缺陷检测方法中, 漏磁 (magnetic flux leakage, MFL) 检测对检测环境要求不高, 且能同时检测管道的内壁与外壁缺陷, 因而获得了广泛应用1-5。由 MFL 检测信号评估缺陷的位置与形状参数, 是 MFL 检测技术的关键6-7。现代化的油气管道检测与维护,
7、 要求精确地确定缺陷的形状轮廓, 以便分析缺陷的发展趋势以及其对管道安全运行的影响, 进而精确地指导油气管道的检测与维护8。然而, 现阶段的油气管道 MFL 检测多是基于轴向或径向分量的一维MFL 检测, 获取的检测信息量有限, 难以满足 MFL 检测的现代化发展趋势要求9。同时, 实际油气管道漏磁检测的数据量巨大, 有必要研究如何快速从中识别出待求解的目标缺陷区域, 从而为后续的缺陷轮廓反演评估打下基础。为此, 本文通过建立油气管道漏磁检测的有限元仿真模型, 对油气管道三维MFL 检测信号的特性进行研究。进而提出一种管道待求解缺陷区域的分段识别方法, 并进行试验验证。1 三维 MFL 检测信
8、号的特性研究漏磁检测通过外加磁场在铁磁性管壁内部激发饱和磁场, 进而通过磁传感器检测由管壁缺陷造成的泄漏磁场, 从而获取缺陷的相关信息10-11。图 1 为油气管道三维 MFL 检测示意图, 其磁路主要由钢刷、永磁体、背铁和管壁组成。在检测器内部, 沿管道周向均匀布置有测量探头。其中, 每个测量探头内部有多组霍尔传感器或线圈传感器, 用于测量由管壁缺陷造成的漏磁场信号, 包括轴向信号 Ba、径向信号 Br与周向信号 Bc。图 1 油气管道三维 MFL 检测示意图 下载原图在对实际的油气管道进行检测时, 为了获得最优的检测效果, 永磁体沿管道轴向将管壁磁化至饱和或近饱和状态。同时, 磁传感器被布
9、置于磁路的中心, 以使其与缺陷处于均匀的磁化场中, 从而不受钢刷附近不规则磁场的影响。1.1 信号的基本特征基于油气管道三维 MFL 检测的磁路结构, 采用有限元分析软件 ANSYS 建立的90有限元仿真模型如图 2 所示。该模型可以仿真任意缺陷产生的三维 MFL 检测信号, 其所使用的三维漏磁检测器结构尺寸与线性磁性材料的特性参数如表1 所示。图 3 为三维有限元仿真模型中的背铁、钢刷与管壁 3 种材料的磁化特性曲线。图 2 油气管道三维 MFL 检测有限元仿真模型 下载原图表 1 三维漏磁检测器结构尺寸与磁性材料特性参数 下载原表 图 3 三维有限元仿真模型中部分材料的磁化特性曲线 下载原
10、图图 4图 6 分别给出了一个 28.6 mm14.3 mm7.15 mm (长宽深) 矩形缺陷、一个 28.6 mm7.15 mm (直径深) 弧面缺陷以及一个 28.6 mm7.15 mm (直径深) 圆柱缺陷的仿真三维 MFL 信号分布图。由图可以得到缺陷三维漏磁检测信号的基本特征为1) 轴向分量具有一个峰值区域、两个谷值区域以及两个对称面, 其轮廓主要反映了缺陷底部轮廓的拐点。2) 径向分量具有一个峰值点和一个谷值点, 同时具有一个对称面与一个反对称面, 其轮廓主要反映了缺陷的开口形状。3) 周向分量具有两个峰值点、两个谷值点以及两个反对称面, 其轮廓主要反映了缺陷侧面边界的拐点。图
11、4 28.6 mm14.3 mm7.15 mm 矩形缺陷的三维 MFL 信号 下载原图图 5 28.6 mm7.15 mm 弧面缺陷的三维 MFL 信号 下载原图图 6 28.6 mm7.15 mm 圆柱缺陷的三维 MFL 信号 下载原图同时, 图 4图 6 中黑色虚线标示了真实的缺陷开口轮廓。对比缺陷开口轮廓与三维 MFL 信号图可知:1) 沿施加外部磁场的轴向方向, 轴向分量的两个谷值点分别位于缺陷开口的最后与最前边沿处, 峰值区域位于缺陷开口的中心, 峰值点则位于缺陷开口的左右边沿。2) 径向分量的峰、谷值点分别位于缺陷开口的最后与最前边沿处。3) 周向分量的峰值点位于缺陷开口的左后与右
12、前边沿处, 谷值点位于缺陷开口的左前与右后边沿处。1.2 信号随缺陷尺寸的变化规律为了更详细地研究三维 MFL 检测信号随缺陷参数改变而变化的规律, 基于图 4所示的矩形缺陷三维 MFL 信号强度图, 定义了如表 2 所示的待研究三维 MFL 信号特征参数。基于三维有限元仿真, 得到一系列矩形缺陷的三维 MFL 检测信号分布。其中, 缺陷长度变化范围为 15105 mm, 缺陷宽度变化范围为 17.539.5 mm, 缺陷深度变化范围为 1.7910.01 mm。统计所研究特征参数随矩形缺陷长、宽、深尺寸的变化规律, 绘制结果如图 7图 9 所示。表 2 矩形缺陷三维 MFL 检测信号的特征参
13、数定义 下载原表 由统计结果, 可得到不同缺陷尺寸下三维 MFL 信号特征参数的基本变化规律:MFL 检测信号轴向、径向与周向分量的峰谷差值, 均随缺陷长度、宽度、深度的增大而明显改变, 其中, 特征参数随缺陷长度先减小后增大, 与缺陷宽度、深度呈现单调递增的关系;当缺陷长度增大时, 周向分量峰谷值点间的周向间距不变, 其余与轴向间距有关的特征参数均增大;当缺陷宽度增大时, 周向分量峰谷值点间的周向间距增大, 其余与轴向间距有关的特征参数均不变;当缺陷深度增大时, 所有与轴向间距以及周向间距有关的特征参数均无明显变化。由以上变化规律可知, 三维 MFL 检测信号的三个分量均受缺陷外形轮廓变化的
14、影响, 也均携带有对应于缺陷轮廓的有用信息。因此, 为了准确地反演缺陷轮廓从而获得缺陷外形的可视化结果, 应实施油气管道三维 MFL 检测以获取充足的检测信息。2 管道缺陷区域的分段识别方法为了实现油气管道缺陷形状轮廓的反演, 在对管道进行漏磁检测后, 首先需要根据三维 MFL 检测信号图识别出待求解的目标缺陷区域 (TR) 。在包含完整缺陷轮廓的前提下, 应尽可能地缩小待求解的 TR 区域面积, 从而减少后续缺陷轮廓反演过程中需要处理的数据量。同时, 由于缺陷产生的全部 MFL 信号均含有缺陷轮廓的潜在信息, 为了更准确地反演缺陷轮廓, 原始的缺陷 MFL 信号均应保留。2.1 分段识别方法
15、三维 MFL 检测信号轴向分量的幅值, 是待求解缺陷区域的最基本判别条件。在无缺陷的管壁完好区域, 轴向 MFL 检测信号的幅值较小, 相应的检测图像比较平坦;而在管壁上的缺陷区域, 轴向 MFL 检测信号的幅值显著增大, 相应的检测图像的变化比较明显。鉴于此, 可将油气管道上有缺陷的区域及其邻近的区域定义为待求解的 TR 区域;对应地, 将无缺陷的完好区域称为 NON-TR 区域。图 7 三维 MFL 检测信号特征参数随缺陷长度的变化规律 下载原图图 8 三维 MFL 检测信号特征参数随缺陷宽度的变化规律 下载原图图 9 三维 MFL 检测信号特征参数随缺陷深度的变化规律 下载原图基于轴向
16、MFL 检测信号的上述特性, 为了划定出管壁的 TR 区域和 NON-TR 区域, 可采用如下的分段识别方法对管道轴向 MFL 检测信号图进行检测:1) 将获得的管道轴向 MFL 检测数据按周向进行划分, 对每一路传感器所测数据进行单独检测。2) 对于每一路待检测的轴向 MFL 数据, 将其沿轴向分割成长度为 L 的多个数据段, 查找每个数据段内的最大值 maxX和最小值 minX。3) 定义阈值 TH1和 TH2, 若 maxXTH1成立, 或者 maxX-minXTH2成立, 则判定该段数据为管道 TR 区域内的检测数据, 否则即为 NON-TR 区域的检测数据。该分段识别方法的关键在于定义合适的数据段长度 L、阈值 TH1和 TH2, 而这些参数需要根据管壁磁化强度、检测器采样间隔等条件进行合理的选择。图 10 为一段 457 mm 口径、14.3 mm 壁厚管道的轴向 MFL 检测数据, 其中检
