何孝兵　俞阿龍

摘 要： 針對鋼管損傷識別的漏磁檢測技術(shù)存在智能化低、檢測裝置復(fù)雜、使用有線傳輸采集數(shù)據(jù)的傳輸方式的現(xiàn)狀，同時也為了使鋼管損傷識別技術(shù)得到進(jìn)一步的發(fā)展，提出將WSN和數(shù)據(jù)融合理論與漏磁檢測技術(shù)相結(jié)合的方法。一方面，WSN技術(shù)為漏磁檢測裝置提供了無線傳輸?shù)姆绞?，省略了布線，簡化了檢測裝置，提高了數(shù)據(jù)傳輸效率；另一方面，損傷識別的判斷速率與精度通過遺傳算法與神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法得到了明顯提高。這使得漏磁檢測裝置的效率得到了顯著提升。

關(guān)鍵詞： 鋼管損傷識別； 漏磁檢測技術(shù)； WSN； 數(shù)據(jù)融合； 遺傳算法

中圖分類號： TN98?34； TP183 文獻(xiàn)標(biāo)識碼： A 文章編號： 1004?373X（2017）21?0167?03

Application of WSN and data fusion theory in study of steel tube damage identification

HE Xiaobing1， YU Along2

（1. School of Physics and Electronic?Electrical Engineering， Ningxia University， Yinchuan 750021， China；

2. School of Physics and Electronic Electrical Engineering， Huaiyin Normal University， Huaian 223300， China）

Abstract： The magnetic flux leakage （MFL） detection technology of steel tube damage identification has the problems of low intellectualization and complex detector， and uses the wire transmission for data acquisition， so a method combining MFL detection technology with wireless sensor network （WSN） and data fusion theory is proposed to further promote the development of steel tube damage identification technology. The WSN technology provides a wireless transmission mode for MFL detector， which can save the wiring， simplify the detector and improve the efficiency of data transmission； the method combining the genetic algorithm （GA） and neural network （NN） can improve the judgment rate and precision of damage identification， which can increase the efficiency of the MFL detector greatly.

Keywords： steel tube damage detection； MFL detection technology； WSN； data fusion； GA

0 引 言

生活中隨處可見鋼管的身影，在感嘆鋼管重要作用的同時，也應(yīng)關(guān)注每年因鋼管生產(chǎn)質(zhì)量不過關(guān)或使用過度等損傷引起的工業(yè)事故。例如由于檢修維護(hù)不當(dāng)、工作環(huán)境苛刻和人為破壞等原因，導(dǎo)致能源管道受到破壞，進(jìn)而引發(fā)能源泄漏，甚至引起失火、爆炸等安全事故；又如由于城市供水、排污管道疏于修葺、維護(hù)甚至遭到破壞，在極端天氣下引發(fā)城市內(nèi)澇，給人們的生產(chǎn)生活帶來不便，造成巨大的經(jīng)濟(jì)損失。這一系列的事件都為鋼管損傷識別的發(fā)展提出了更高的要求。

1 鋼管損傷識別的研究現(xiàn)狀

鋼管損傷識別技術(shù)已經(jīng)得到了飛速發(fā)展，當(dāng)前已經(jīng)成熟的損傷識別技術(shù)包括利用超聲波振動原理的檢測、運(yùn)用渦流原理探傷、使用射線技術(shù)檢測、采用磁粉滲透法進(jìn)行檢測[1]，以及針對特定運(yùn)輸物的檢測方法，例如，針對石油的高聚物電纜法檢測、針對可燃物的空氣采樣檢測[2]等，它們作為比較成熟的技術(shù)，都得到了快速的發(fā)展，并已被廣泛應(yīng)用于各行各業(yè)。但由于檢測成本、操作環(huán)境嚴(yán)苛等技術(shù)難題，傳統(tǒng)的檢測技術(shù)都存在或多或少的缺陷，如渦流檢測對于鋼管外部損傷的判斷非常精確，但對于內(nèi)部缺陷卻束手無策。針對可燃物的空氣采樣檢測雖然具有良好的靈敏度和準(zhǔn)確度，可技術(shù)本身卻具有非常高的危險性[2?3]。很多專家和研究人員都對各式各樣的檢測方法提出了改進(jìn)和優(yōu)化，Barbosar等人提出將遺傳算法應(yīng)用到結(jié)構(gòu)損傷檢測的想法引起了業(yè)內(nèi)的廣泛關(guān)注[4]，近幾年將傳統(tǒng)檢測方法與現(xiàn)代智能技術(shù)相結(jié)合的研究成果令人感到非常欣喜[5?7]。

而另一種低成本、可多用途使用的漏磁檢測作為一項(xiàng)已經(jīng)得到大型油氣管道維護(hù)機(jī)構(gòu)使用的成熟技術(shù)，卻受制于較低的智能化率而難以得到很好的發(fā)展。因此，本文提出將WSN、數(shù)據(jù)融合理論與漏磁檢測技術(shù)相結(jié)合的方式進(jìn)行鋼管損傷識別，以提高漏磁檢測準(zhǔn)確性、提高檢測效率、改善漏磁檢測裝置低智能化的現(xiàn)狀。

2 檢測技術(shù)理論簡介

WSN（無線傳感器網(wǎng)絡(luò)）是指利用搭載微型傳感器的無線傳輸芯片作為檢測節(jié)點(diǎn)，在采集完數(shù)據(jù)后，利用節(jié)點(diǎn)間的無線通信方式將各節(jié)點(diǎn)采集的信息互相傳遞，最終傳遞給遠(yuǎn)程上位機(jī)的一種技術(shù)，上位機(jī)可將數(shù)據(jù)處理后傳遞給用戶或大型控制中心，其原理如圖1所示。endprint

霍爾效應(yīng)是指置于磁場中的電流由于受洛倫茲力，發(fā)生載流子偏轉(zhuǎn)，產(chǎn)生霍爾電壓，進(jìn)而又受到與洛倫茲力方向相反的電場力，直到載流子所受的洛倫茲力與電場力達(dá)到平衡狀態(tài)，原理圖如圖2所示。

圖2中霍爾電勢[UH=RHIB⊥d，]其中[RH]與[d]分別與霍爾元件本身的材料和厚度有關(guān)，令[KH=RHd，]則有[8]

[UH=KHIB⊥]。

圖3給出了漏磁檢測的原理。檢測時使用磁鐵等磁性物質(zhì)對被測管進(jìn)行磁化，當(dāng)鋼管有缺陷，因?yàn)槿毕萏幍目諝夂凸荏w磁導(dǎo)率不同，磁力線在損傷處會彎曲漏出管壁，從而發(fā)生漏磁現(xiàn)象，進(jìn)而被利用霍爾效應(yīng)制成的磁敏傳感器捕捉到漏磁場，經(jīng)過適當(dāng)?shù)臑V波、放大和進(jìn)一步轉(zhuǎn)化從而產(chǎn)生可檢測利用的漏電壓，電壓信號的參數(shù)將被傳輸?shù)椒治鱿到y(tǒng)中作具體分析。

數(shù)據(jù)融合是針對有關(guān)數(shù)據(jù)進(jìn)行多級、多層面的處理，包括運(yùn)用自動檢測、關(guān)聯(lián)、相關(guān)、估計及組合等方法處理傳感器數(shù)據(jù)，并得出特定決策的過程。

本文使用遺傳算法（GA）與人工神經(jīng)網(wǎng)絡(luò)（ANN）相結(jié)合的方式，保留了各自的優(yōu)點(diǎn)，同時也避免了各自的缺點(diǎn)對整個系統(tǒng)最終可能產(chǎn)生的干擾。對于典型的BP神經(jīng)網(wǎng)絡(luò)，擬利用GA來優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值或在GA中嵌入BP算子等方式，從而克服BP神經(jīng)網(wǎng)絡(luò)常有的收斂速度慢、易陷入局部極小值點(diǎn)等弊端[9?10]，同時也能將不適用大型復(fù)雜系統(tǒng)的GA在復(fù)雜系統(tǒng)的設(shè)計研發(fā)中得到應(yīng)用，最終推動數(shù)據(jù)融合理論的發(fā)展，GA?BP結(jié)合圖如圖4所示。

3 鋼管損傷檢測系統(tǒng)的設(shè)計與算法理論

對鋼管損傷檢測系統(tǒng)的設(shè)計主要包含硬件設(shè)計和軟件設(shè)計。

3.1 漏磁檢測器的硬件設(shè)計

硬件設(shè)計包括各種器件的選型，本文選擇TI公司利用ZigBee協(xié)議進(jìn)行無線傳輸?shù)腃C2530芯片作為漏磁檢測器的核心處理器，磁敏元件選擇AH3503線性霍爾傳感器，理論靈敏度在7.5～25 MV/MT范圍內(nèi)，經(jīng)過正常調(diào)校可穩(wěn)定在13.5 MV/MT，且在-100～200 MT范圍內(nèi)有著較好的線性度，滿足本次設(shè)計的要求，且在進(jìn)一步對比后，選擇直流磁化線圈作為鋼管的磁化方式。

3.2 漏磁檢測器的軟件設(shè)計

軟件設(shè)計主要包括傳感器的數(shù)據(jù)采集和傳輸設(shè)計，CC2530對于數(shù)據(jù)的保存、處理和傳輸，神經(jīng)網(wǎng)絡(luò)系統(tǒng)對于損傷類型和程度的判別以及檢測結(jié)果的最終顯示和反饋。本文主要思路是使用經(jīng)遺傳算法改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)作為系統(tǒng)的判別算法，完成對損傷的分析和判斷。

為了對損傷進(jìn)行判斷，在完成神經(jīng)網(wǎng)絡(luò)的構(gòu)建及初始化之后，便需要讓它訓(xùn)練，以使得神經(jīng)網(wǎng)絡(luò)能夠在以后的檢測中對具體的損傷做出準(zhǔn)確的判斷。

以各自的缺陷處中心作為原點(diǎn)，單個裂紋損傷和單個孔洞損傷的漏磁信號分布如圖5所示，且同種類型漏磁信號與損傷尺寸在一定范圍內(nèi)呈正比趨勢，如圖6所示。

利用裂紋損傷信號的峰峰值大于孔洞損傷，裂紋損傷信號的平均值小于孔洞損傷，裂紋損傷信號的方差大于孔洞損傷等特性，以及漏磁[B]與漏電壓成正比的關(guān)系，可以明確利用遺傳算法及BP神經(jīng)網(wǎng)絡(luò)定性損傷程度和類別，從而提高鋼管損傷檢測技術(shù)的精度和實(shí)用性。

3.3 算法理論

以單純的單隱層BP神經(jīng)網(wǎng)絡(luò)為例，以霍爾電勢的峰峰值和最大脈沖寬度[Vpp，wd]作為網(wǎng)絡(luò)的輸入，選擇函數(shù)[f（net）=11+e-net]作為本設(shè)計中神經(jīng)網(wǎng)絡(luò)的激勵函數(shù)，其中[net=i=0mωikxi，][xi]為網(wǎng)絡(luò)第[i]層的輸入信號，當(dāng)[i=0]時，令[xi=-1，]此時[ω0k]即為本系統(tǒng)的閾值；[ωik]為系統(tǒng)第[i]層到第[k]層的輸入權(quán)值，神經(jīng)網(wǎng)絡(luò)通過學(xué)習(xí)調(diào)整[ωik，]使得定義的誤差函數(shù)[σ=j=1Myj-f（netj）2]最小，其中[yj]是系統(tǒng)的理想輸出。訓(xùn)練的最終目的是使該神經(jīng)網(wǎng)絡(luò)能夠輸出損傷類型和損傷尺寸，從而達(dá)到分辨損傷的目的。

在加入遺傳算法前，首先需要解決的便是編碼方式問題，為了減少數(shù)據(jù)的長度，以節(jié)省系統(tǒng)處理數(shù)據(jù)的時間，提高系統(tǒng)的效率，權(quán)衡之下選擇實(shí)數(shù)編碼方式進(jìn)行編碼。直接將神經(jīng)網(wǎng)絡(luò)的權(quán)值編排為長串，并在最后附著本次系統(tǒng)的閾值，即[pi=（ωik，ω0k）]。定義個體評價函數(shù)[Eval（pi）=E（pi），]則整個群體評價函數(shù)可定義為[Eval（P）=1ni=1nEval（pi）]。顯然，[Eval（P）]越小，則[Eval（pi）]越小，從而可得[pi]越好。

4 結(jié) 語

本文提出將WSN和數(shù)據(jù)融合技術(shù)應(yīng)用于鋼管損傷識別的構(gòu)想，通過將傳統(tǒng)檢測技術(shù)與原理和當(dāng)前使用廣泛的無線網(wǎng)絡(luò)傳輸技術(shù)和現(xiàn)代化的BP神經(jīng)網(wǎng)絡(luò)算法相結(jié)合的構(gòu)思，以推動兩者的共同發(fā)展。在探索將傳統(tǒng)檢測技術(shù)智能化的道路上還有很多問題需要解決，譬如，在神經(jīng)網(wǎng)絡(luò)中運(yùn)用哪種激勵函數(shù)可以最大限度地辨別孔洞損傷的半徑，是否能夠利用輸出信號的簡單迭加來模擬一般性損傷的具體形狀，這些問題有待進(jìn)一步深入研究。

參考文獻(xiàn)

[1] 金濤，闕沛文.一種管道漏磁無損檢測傳感器的設(shè)計與實(shí)現(xiàn)[J].工業(yè)儀表與自動化裝置，2004（4）：28?30.

[2] 楊磊.基于WSN的輸油管道安全監(jiān)測系統(tǒng)網(wǎng)關(guān)設(shè)計[D].大連：大連理工大學(xué)，2013.

[3] 馬超.無損檢測技術(shù)在鋼管檢測中的應(yīng)用概述[J].工程技術(shù)，2015（9）：230.

[4] BORGES C C H， BARBOSA H J C， LENNONGE A C C. Structural damage identification method based on genetic algorithm and vibrational data [J]. International journal for numerical methods in engineering， 2007， 69（13）： 2663?2686.

[5] 周邵萍，郝占峰，韓紅飛，等.基于應(yīng)變模態(tài)差和神經(jīng)網(wǎng)絡(luò)的管道損傷識別技術(shù)[J].振動、測試與診斷，2015，35（2）：334?338.

[6] 解源，朱亦丹，曾桂英，等.鋼管磁性探傷多傳感器信息融合模型的研究[J].集美大學(xué)學(xué)報（自然科學(xué)版），2011，16（2）：123?127.

[7] 林蔚，褚勝楠.多傳感器輸油管道檢測數(shù)據(jù)融合技術(shù)[J].黑龍江大學(xué)自然科學(xué)學(xué)報，2015，32（3）：397?403.

[8] 黃傳河.傳感器原理與應(yīng)用[M].北京：機(jī)械工業(yè)出版社，2014：101?102.

[9] 鐘珞，饒文碧，鄒成明.人工神經(jīng)網(wǎng)絡(luò)及其融合應(yīng)用技術(shù)[M].北京：科學(xué)出版社，2007：83?84.

[10] 張德豐.Matlab神經(jīng)網(wǎng)絡(luò)應(yīng)用設(shè)計[M].北京：機(jī)械工業(yè)出版社，2009：262?266.endprint