王宇 萬(wàn)勇 楊勇 戴永壽

1中國(guó)石油大學(xué)（華東）信息與控制工程學(xué)院

2中國(guó)石化股份有限公司勝利油田分公司技術(shù)檢測(cè)中心

油氣輸送管道在運(yùn)營(yíng)過(guò)程中，由于自身存在的質(zhì)量問(wèn)題和外界環(huán)境的影響，會(huì)產(chǎn)生腐蝕和應(yīng)力集中兩大類缺陷。腐蝕缺陷對(duì)管道的安全運(yùn)行有較大的影響；應(yīng)力集中缺陷如果不能被及時(shí)發(fā)現(xiàn)和處理，最終也會(huì)演變?yōu)楦g缺陷，從而對(duì)管道的安全運(yùn)行造成威脅。因此，開(kāi)展管道應(yīng)力腐蝕檢測(cè)對(duì)于管道隱患的整治以及防止管道破裂事故等都具有重要的指導(dǎo)意義[1-2]。

金屬磁記憶檢測(cè)技術(shù)是由俄羅斯學(xué)者DOUBOV等人提出的一種新型無(wú)損檢測(cè)技術(shù)[3-4]，基本工作原理可以描述如下[5-7]：鐵磁構(gòu)件在載荷和地磁場(chǎng)的共同作用下，內(nèi)部的磁疇結(jié)構(gòu)發(fā)生不可逆變化，這種變化會(huì)導(dǎo)致材料在應(yīng)力集中處產(chǎn)生漏磁場(chǎng)。然而，單從金屬磁記憶原始信號(hào)本身只能判斷被檢測(cè)管道有無(wú)缺陷，無(wú)法對(duì)缺陷的類型進(jìn)行有效區(qū)分，從而無(wú)法實(shí)現(xiàn)對(duì)管道缺陷的分級(jí)別預(yù)警[8]。

針對(duì)此問(wèn)題，龔利紅等人將感知器神經(jīng)網(wǎng)絡(luò)模型應(yīng)用在基于金屬磁記憶技術(shù)的管道缺陷判別中，實(shí)現(xiàn)了對(duì)管道缺陷的分類識(shí)別[9]。陳文明等人通過(guò)比較缺陷信號(hào)與已知類型的缺陷模板的匹配程度來(lái)判別缺陷類型，分類效果顯著[10]。龔利紅等人將線性判別分析模型應(yīng)用在識(shí)別應(yīng)力集中和宏觀裂紋這兩種缺陷之中，也取得了不錯(cuò)的分類效果[11]。然而，上述文獻(xiàn)中介紹的識(shí)別方法仍然存在數(shù)據(jù)樣本少、識(shí)別模型普適性差和無(wú)油田現(xiàn)場(chǎng)實(shí)際驗(yàn)證等問(wèn)題。

因此，為了充分發(fā)揮磁記憶技術(shù)在管道缺陷預(yù)警方面的優(yōu)勢(shì)，實(shí)現(xiàn)對(duì)管道鄰近破壞缺陷和早期缺陷的分階段預(yù)警，本文開(kāi)展了腐蝕缺陷和應(yīng)力集中缺陷分類關(guān)鍵技術(shù)的研究，利用極限學(xué)習(xí)機(jī)方法建立了管道缺陷分類模型，并驗(yàn)證了方法所建模型的實(shí)際應(yīng)用效果。

1 極限學(xué)習(xí)機(jī)特征提取原理

1.1 極限學(xué)習(xí)機(jī)

管道的磁記憶信號(hào)包含豐富的特征信息，因此缺陷分類在高維空間中進(jìn)行，導(dǎo)致管道缺陷段信號(hào)的識(shí)別工作面臨較大的困難。傳統(tǒng)的模式識(shí)別方法如BP神經(jīng)網(wǎng)絡(luò)，由于存在訓(xùn)練學(xué)習(xí)時(shí)間較長(zhǎng)，人為設(shè)置大量的網(wǎng)絡(luò)訓(xùn)練參數(shù)等問(wèn)題，對(duì)油田現(xiàn)場(chǎng)管道缺陷類別的快速準(zhǔn)確診斷較為困難。

極限學(xué)習(xí)機(jī)（ELM）算法是一種簡(jiǎn)單有效的單隱層前饋神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法。與傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法相比，極限學(xué)習(xí)機(jī)只需要設(shè)置網(wǎng)絡(luò)的隱層節(jié)點(diǎn)數(shù)量，在算法執(zhí)行過(guò)程中不需要調(diào)整網(wǎng)絡(luò)的輸入權(quán)值以及隱元的偏置，并且產(chǎn)生唯一的最優(yōu)解，因此具有學(xué)習(xí)速度快且泛化性能好的優(yōu)點(diǎn)。

在分析管道缺陷的磁記憶信號(hào)時(shí)，需要算法模型可以進(jìn)行快速識(shí)別和分類預(yù)測(cè)，以達(dá)到及時(shí)預(yù)警的目的，雖然極限學(xué)習(xí)機(jī)方法在其他缺陷識(shí)別診斷領(lǐng)域也有廣泛的應(yīng)用，而在管道缺陷分類領(lǐng)域的研究較少。因此，本文引入極限學(xué)習(xí)機(jī)方法建立兩種固定缺陷的識(shí)別模型，并以油田現(xiàn)場(chǎng)的實(shí)際輸油管道對(duì)模型的可行性進(jìn)行驗(yàn)證，以確定方法的實(shí)際應(yīng)用效果。

1.2 磁記憶信號(hào)的特征提取

管道缺陷磁記憶信號(hào)的特征提取是建立缺陷分類識(shí)別模型，實(shí)現(xiàn)缺陷分類的前提。目前，管道缺陷的分類研究還沒(méi)有明確固定的特征量分析要求；因此，本文從信號(hào)的形態(tài)、時(shí)域和頻域三方面全面計(jì)算了多種特征量。

1.2.1 形態(tài)特征

形態(tài)特征是指信號(hào)在直觀上的某些特點(diǎn)，如信號(hào)與坐標(biāo)軸圍成的面積等。通過(guò)計(jì)算，分別得到如下形態(tài)特征量：各通道缺陷段信號(hào)與X軸圍成的面積、各通道缺陷段信號(hào)磁場(chǎng)梯度最大值，以及磁場(chǎng)梯度平均值。

1.2.2 時(shí)域特征

時(shí)域特征即磁記憶信號(hào)隨時(shí)間變化的特點(diǎn)，如一段信號(hào)的平均值等。通過(guò)計(jì)算，得到如下特征量：各通道缺陷段信號(hào)磁場(chǎng)強(qiáng)度平均值、磁場(chǎng)強(qiáng)度最大值、磁場(chǎng)強(qiáng)度最小值、磁場(chǎng)強(qiáng)度峰峰值和缺陷段信號(hào)的能量。

1.2.3 頻域特征

除了計(jì)算信號(hào)的形態(tài)和時(shí)域特征量，本文還在頻率域中對(duì)信號(hào)的特征進(jìn)行了提取，考慮對(duì)磁記憶信號(hào)進(jìn)行小波包分解，以獲取缺陷段的頻域特征。

小波包分解將信號(hào)投射到由一組相互正交的小波函數(shù)構(gòu)成的子空間中，使信號(hào)在不同程度上展開(kāi)，從而可以提取不同頻帶上的信號(hào)特征。由于各頻帶均包含了豐富的信息，其能量分布可以表征信號(hào)的不同特性，因此計(jì)算小波包能量作為磁記憶信號(hào)頻域特征的有效特征量，用于缺陷識(shí)別分類方法的建模。下面以三層小波包分解為例解釋小波包能量的計(jì)算方式。小波包三層分解的結(jié)構(gòu)如圖1所示。

圖1 三層小波包分解結(jié)構(gòu)圖Fig.1 Decomposition structure diagram of three-layer wavelet packet

圖中：Si,j表示第i層的第j個(gè)節(jié)點(diǎn)，其中，i=0，1，2，3，j=0，1，...，7。每個(gè)節(jié)點(diǎn)的系數(shù)表示相應(yīng)頻段的信號(hào)特征。設(shè)S3,j中某一頻段的小波包分解系數(shù)為mj,k(j=0，1，...，7，k=1，2，...，n)，則該頻段的小波包能量為

在計(jì)算磁記憶信號(hào)的小波包能量時(shí)，采用三層小波包分解，通過(guò)對(duì)磁記憶信號(hào)作離散傅里葉變換，發(fā)現(xiàn)信號(hào)的低頻成分占比較大，高頻成分幾乎為0，因此提取的缺陷段磁記憶信號(hào)的小波包能量為節(jié)點(diǎn)S3,0低頻段的小波包能量。

2 測(cè)試件磁記憶檢測(cè)試驗(yàn)

仿照實(shí)際油氣輸送管道設(shè)計(jì)并制作了5根圓孔腐蝕加直角彎焊縫應(yīng)力集中管道測(cè)試件。5根測(cè)試件分別命名為1#～5#腐蝕加直角彎測(cè)試件，使用Ф114mm無(wú)縫鋼管制成，材料質(zhì)地符合國(guó)標(biāo)，壁厚1.5 cm，長(zhǎng)6.3 m，包括2個(gè)圓孔腐蝕管段和1個(gè)直角彎管段。每個(gè)圓孔腐蝕管段都有3個(gè)肉眼明顯可見(jiàn)的腐蝕圓孔，視為腐蝕缺陷；直角彎管段未經(jīng)淬火處理，存在應(yīng)力，視為應(yīng)力集中缺陷。5根測(cè)試件僅圓孔腐蝕的孔深存在區(qū)別，其余特征均相同，設(shè)計(jì)圖如圖2所示。

圖2 腐蝕加直角彎測(cè)試件實(shí)物及結(jié)構(gòu)圖Fig.2 Corrosion and right-angle bend test pieces and structure diagram

本次試驗(yàn)使用的儀器是TSC-5M型磁記憶檢測(cè)儀，該儀器是國(guó)內(nèi)外研究工作者普遍使用的一種磁記憶檢測(cè)設(shè)備，也是最先進(jìn)的磁記憶檢測(cè)設(shè)備之一。儀器共有4個(gè)探頭（1#～4#探頭），每個(gè)探頭可以檢測(cè)該探頭位置磁記憶信號(hào)的3個(gè)分量，共檢測(cè)12個(gè)通道（HP1～HP12）的磁記憶信號(hào)。對(duì)5根管道測(cè)試件分別開(kāi)展了提離距離0～15 cm的磁記憶信號(hào)檢測(cè)試驗(yàn)，每根管道測(cè)試件各留下20組試驗(yàn)數(shù)據(jù)，共獲取100組建模測(cè)試件試驗(yàn)數(shù)據(jù)。

3 極限學(xué)習(xí)機(jī)分類模型的建模及驗(yàn)證

3.1 建模

在建模研究過(guò)程中，利用三種類型特征量的不同組合建立了多個(gè)極限學(xué)習(xí)機(jī)缺陷識(shí)別模型，對(duì)比了各模型的實(shí)際應(yīng)用效果，尋找最優(yōu)的缺陷分類模型，發(fā)現(xiàn)使用以下通道及特征量建模，模型的缺陷識(shí)別效果相對(duì)較好：設(shè)置隨機(jī)產(chǎn)生輸入層與隱含層間的連接權(quán)值及隱含層神經(jīng)元的閾值，神經(jīng)元數(shù)量設(shè)為30個(gè)，腐蝕缺陷的預(yù)測(cè)結(jié)果設(shè)為1，應(yīng)力集中缺陷的預(yù)測(cè)結(jié)果設(shè)為2。下面列出所建立的有代表性的極限學(xué)習(xí)機(jī)管道缺陷分類模型。

首先，僅選擇磁記憶信號(hào)的時(shí)域特征量進(jìn)行建模及方法驗(yàn)證，時(shí)域特征量包括HP1通道和HP10通道缺陷段信號(hào)的平均值、HP1通道和HP7通道缺陷段信號(hào)的最大值、HP2通道和HP5通道缺陷段信號(hào)的最小值以及HP1、HP4、HP7、HP10通道磁記憶信號(hào)的峰峰值。

其次，考慮信號(hào)的形態(tài)和時(shí)域特性，除上述的多種時(shí)域特征量外，還加入了形態(tài)特征量HP1通道缺陷段信號(hào)與 X軸圍成的面積，HP1、HP4、HP7、HP10通道磁記憶信號(hào)的梯度最大值和梯度平均值進(jìn)行建模及方法驗(yàn)證。

最后，利用信號(hào)形態(tài)、時(shí)域和頻域三類特征量組合建模，加入頻域特征量，即HP1通道信號(hào)的小波包三層分解中第3層第1個(gè)低頻節(jié)點(diǎn)的小波包能量。

3.2 現(xiàn)場(chǎng)管道非盲測(cè)數(shù)據(jù)驗(yàn)證

為驗(yàn)證模型在油田現(xiàn)場(chǎng)的實(shí)際應(yīng)用效果，在油田輸油管道現(xiàn)場(chǎng)進(jìn)行了驗(yàn)證試驗(yàn)。試驗(yàn)對(duì)象為東營(yíng)市勝利采油廠和現(xiàn)河采油廠野外的5根油氣輸送管道，5根管道均為裸露管道，管道缺陷類型已知，對(duì)所有管道檢測(cè)的提離距離始終保持在0～15 cm之間，共獲取到48組管道的缺陷段數(shù)據(jù)。

選擇48組油田現(xiàn)場(chǎng)管道缺陷數(shù)據(jù)對(duì)三組模型的分類效果進(jìn)行驗(yàn)證。針對(duì)相同特征量組合建模的模型進(jìn)行10次驗(yàn)證，取平均值進(jìn)行統(tǒng)計(jì)。經(jīng)驗(yàn)證，僅使用時(shí)域特征量建模模型的缺陷平均正確識(shí)別率為72.92%；使用形態(tài)和時(shí)域特征量混合建模模型的缺陷平均正確識(shí)別率為76.67%；使用三類特征量混合建模模型的缺陷正確識(shí)別率為80.21%。部分模型分類結(jié)果如圖3～圖5所示。

圖3 時(shí)域特征量模型的非盲測(cè)部分分類結(jié)果Fig.3 Classification results of non-blind measurement parts of the time domain feature quantity model

圖4 形態(tài)特征量和時(shí)域特征量組合模型的非盲測(cè)部分分類結(jié)果Fig.4 Classification results of non-blind measurement parts of combination model for morphological feature quantity and time domain feature quantity

圖5 三類特征量組合模型的非盲測(cè)部分分類結(jié)果Fig.5 Classification results of non-blind measurement parts of combination model for three types of feature quantity

3.3 現(xiàn)場(chǎng)管道盲測(cè)數(shù)據(jù)驗(yàn)證

為了驗(yàn)證本文建立的識(shí)別方法在油田現(xiàn)場(chǎng)的盲測(cè)效果，除選擇了以上東營(yíng)市野外的裸露管道進(jìn)行識(shí)別方法的非盲測(cè)驗(yàn)證外，還選擇了東營(yíng)市現(xiàn)河采油廠野外的一條埋地油氣輸送管道進(jìn)行盲測(cè)驗(yàn)證，該管道的缺陷類型由于管道埋地未知，真實(shí)的缺陷類型需開(kāi)挖后明確（圖6）。

圖6 開(kāi)挖后埋地油氣輸送管道實(shí)物圖Fig.6 Physical map of buried oil and gas pipeline after excavation

經(jīng)試驗(yàn)共獲得10組盲測(cè)試驗(yàn)數(shù)據(jù)，然后將埋地管道挖開(kāi)，記錄真實(shí)缺陷類型，其中本次試驗(yàn)的埋地管道缺陷類型為腐蝕缺陷。使用三類特征量組合建模的模型對(duì)該埋地管道進(jìn)行了10次識(shí)別，平均正確識(shí)別率為74%。其中兩次識(shí)別結(jié)果如圖7所示。

圖7 三類特征量組合模型的盲測(cè)部分分類結(jié)果

4 試驗(yàn)結(jié)果分析

缺陷類型識(shí)別方法的試驗(yàn)結(jié)果如表4所示，根據(jù)試驗(yàn)結(jié)果可知，在充滿干擾因素的油田現(xiàn)場(chǎng)環(huán)境下，無(wú)論是盲測(cè)試驗(yàn)還是非盲測(cè)試驗(yàn)，本文所選取的三組極限學(xué)習(xí)機(jī)缺陷分類模型的平均正確識(shí)別率均在70%以上，識(shí)別率較高。由驗(yàn)證結(jié)果可見(jiàn)，建立的極限學(xué)習(xí)機(jī)分類模型對(duì)油氣管道腐蝕缺陷和應(yīng)力集中缺陷的識(shí)別是可行的，模型主要適用于對(duì)管道腐蝕缺陷和應(yīng)力集中缺陷類型的識(shí)別，且適用于油田大部分輸油管道的情況，在油田現(xiàn)場(chǎng)有著較好的實(shí)際應(yīng)用效果。

表4 缺陷類型識(shí)別方法驗(yàn)證結(jié)果Tab.4 Verification results of defect type identification method

同時(shí)針對(duì)不同類型特征量的不同組合進(jìn)行建模驗(yàn)證，其中以三種不同類型特征量建模模型的識(shí)別效果最好，平均識(shí)別率較其余兩種模型有顯著上升。這是因?yàn)槿N不同類型特征量之間均為非線性關(guān)系，關(guān)聯(lián)性較低，且多角度分析特征量可以更好地反映缺陷信號(hào)的特點(diǎn)，考慮問(wèn)題更加全面與嚴(yán)謹(jǐn)，也說(shuō)明從三個(gè)方面分析和提取磁記憶信號(hào)特征量是必要的，可以有效地提高缺陷類型識(shí)別方法的正確識(shí)別率。但是，本文采用的極限學(xué)習(xí)機(jī)方法仍然存在部分問(wèn)題，最大的問(wèn)題就是方法僅能實(shí)現(xiàn)腐蝕缺陷和應(yīng)力集中缺陷這兩種特定類型缺陷的識(shí)別，受樣本數(shù)量的限制，其普適性有一定的限制，暫時(shí)無(wú)法適用于所有缺陷類型的識(shí)別工作。以上問(wèn)題需要在后續(xù)的研究中考慮并解決。

5 結(jié)束語(yǔ)

目前，尚未有將極限學(xué)習(xí)機(jī)方法應(yīng)用在管道缺陷檢測(cè)中的有效研究，故本文針對(duì)磁記憶信號(hào)本身無(wú)法有效識(shí)別管道腐蝕缺陷和應(yīng)力集中缺陷的問(wèn)題，將極限學(xué)習(xí)機(jī)方法有效地應(yīng)用在油田管道缺陷的檢測(cè)中，建立了一種全新的基于金屬磁記憶技術(shù)的多特征量極限學(xué)習(xí)機(jī)缺陷識(shí)別模型。

同時(shí)針對(duì)目前在磁記憶技術(shù)檢測(cè)分析過(guò)程中無(wú)明確固定特征量分析需求這一問(wèn)題，從磁記憶信號(hào)的形態(tài)特征、時(shí)域特征和頻域特征三方面全面分析、計(jì)算了多種特征量，并利用不同類型特征量的不同組合進(jìn)行建型，根據(jù)模型識(shí)別結(jié)果也說(shuō)明從三方面全面考慮磁記憶信號(hào)特征是必要的，對(duì)磁記憶信號(hào)特征量種類的計(jì)算和提取過(guò)程也可以為后續(xù)信號(hào)特征的定量化研究提供參考。

最后，將該模型應(yīng)用在實(shí)際油田現(xiàn)場(chǎng)的油氣管道中，通過(guò)盲測(cè)數(shù)據(jù)及非盲測(cè)數(shù)據(jù)兩方面對(duì)模型的實(shí)際應(yīng)用效果進(jìn)行驗(yàn)證，通過(guò)驗(yàn)證結(jié)果發(fā)現(xiàn)，極限學(xué)習(xí)機(jī)方法可以有效地識(shí)別油田現(xiàn)場(chǎng)5根不同管道的腐蝕缺陷和應(yīng)力集中缺陷，實(shí)際應(yīng)用性較強(qiáng)。后續(xù)可以在本研究基礎(chǔ)上繼續(xù)開(kāi)展研究，引入更多類型的缺陷特征，以提高模型的普適性；可繼續(xù)開(kāi)展管道缺陷的分級(jí)識(shí)別、管道缺陷磁記憶信號(hào)的定量化研究等工作，通過(guò)對(duì)管道缺陷做系統(tǒng)的分級(jí)識(shí)別和定量化研究等工作，實(shí)現(xiàn)對(duì)管道破裂的及時(shí)預(yù)警。