王長新 陳金忠 辛佳興 張雪偉 何仁洋 王德國

(1.中國石油大學(xué)(北京) 2.中國特種設(shè)備檢測研究院 3.南昌航空大學(xué))

0 引 言

管道運(yùn)輸是實(shí)現(xiàn)油氣資源與市場高效結(jié)合的關(guān)鍵環(huán)節(jié)，在油氣領(lǐng)域起著至關(guān)重要的作用。油氣管道在制造、運(yùn)輸和服役等階段易受外界環(huán)境、內(nèi)部輸送介質(zhì)的沖擊和腐蝕，以及人為因素的影響而出現(xiàn)裂紋或凹坑等多種缺陷，加之油氣管道多處于條件惡劣及人員密集的廠區(qū)環(huán)境中，一旦發(fā)生泄漏事故可能造成人員傷亡和經(jīng)濟(jì)損失[1-5]。為了避免管道泄漏事故的發(fā)生，需對管道進(jìn)行定期檢測和維護(hù)，以保障管道安全有效運(yùn)行[6-8]。

相對于傳統(tǒng)的油氣管道裂紋檢測技術(shù)，渦流檢測技術(shù)有著無需外加磁化和精度高的優(yōu)點(diǎn)，且無需耦合劑，是實(shí)現(xiàn)管道裂紋檢測的有效手段[9-12]。但由于管道檢測里程長、檢測數(shù)據(jù)量大，為快速準(zhǔn)確掌握裂紋的分布情況以及尺寸識別，有必要對管道裂紋進(jìn)行定量分析[13]。近年來，國內(nèi)外學(xué)者對管道裂紋定量識別進(jìn)行了大量研究[14]。LIU S.J.等[15]提取了金屬管道裂紋的磁記憶檢測信號,構(gòu)建了BP神經(jīng)網(wǎng)絡(luò)，有效地定量識別出管道的裂紋參數(shù)。ZHANG H.等[16]采用IPSO-RBF神經(jīng)網(wǎng)絡(luò)對管道缺陷進(jìn)行識別研究，提高了油氣管道缺陷形態(tài)特征的識別精度。DAI Y.C.等[17]采用增加隱層神經(jīng)元數(shù)量的方法對神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行優(yōu)化，提高了神經(jīng)網(wǎng)絡(luò)的訓(xùn)練精度，優(yōu)化后的BP神經(jīng)網(wǎng)絡(luò)能夠較好地識別出管道裂紋狀態(tài)。WANG Z.W.等[18]通過數(shù)值模擬和試驗(yàn)研究，得到了裂紋深度、寬度與檢測信號之間的關(guān)系，利用基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)對裂紋的高精度反演。

目前，管道裂紋識別研究主要集中在漏磁檢測領(lǐng)域[19]，針對管道裂紋渦流檢測定量識別的研究較少，主要問題有：①裂紋尺寸較小，不易檢出且外部干擾信號對裂紋檢測影響較大；②缺乏對管道裂紋檢測信號有效特征參數(shù)提??；③缺少高精度管道裂紋定量識別算法。本文基于SSA-BP神經(jīng)網(wǎng)絡(luò)對管道裂紋進(jìn)行定量識別研究，運(yùn)用Maxwell有限元仿真軟件對不同尺寸裂紋進(jìn)行數(shù)值模擬，探究不同尺寸裂紋信號特征的變化規(guī)律，并搭建基于渦流檢測技術(shù)的裂紋檢測系統(tǒng)，驗(yàn)證了數(shù)值模擬的正確性；對試驗(yàn)及數(shù)值模擬的檢測信號進(jìn)行特征參數(shù)提取，采用SSA-BP神經(jīng)網(wǎng)絡(luò)對裂紋參數(shù)進(jìn)行定量識別。所得結(jié)果對油氣管道裂紋定量識別技術(shù)的發(fā)展具有一定的指導(dǎo)意義。

1 數(shù)值模擬

1.1 渦流檢測理論分析

渦流檢測技術(shù)以鐵磁性材料導(dǎo)體感應(yīng)出的渦流為基礎(chǔ)，通過測量相應(yīng)的磁場變化得到缺陷信息。

渦流檢測原理如圖1所示。當(dāng)激勵線圈通入交變激勵信號時，根據(jù)安培定律，線圈內(nèi)部會產(chǎn)生交變一次磁場H1，假設(shè)該磁場在空間中一點(diǎn)處的磁感應(yīng)強(qiáng)度為B1，其方向可由右手螺旋定則判斷。根據(jù)法拉第電磁感應(yīng)定律，當(dāng)交變一次磁場H1作用于被測試件時，試件內(nèi)部會產(chǎn)生感應(yīng)渦電流I1，進(jìn)而渦電流衍生出渦流磁場H2，其磁感應(yīng)強(qiáng)度為B2。由于管道多為鐵磁性材料，當(dāng)線圈產(chǎn)生的一次磁場H1作用在試件表面時，試件內(nèi)部磁疇朝著磁場H1的方向發(fā)生旋轉(zhuǎn)，還會產(chǎn)生一個與一次磁場方向相同的磁化磁場H3，其磁感應(yīng)強(qiáng)度為B3。在檢測點(diǎn)A1處放置磁性芯片，此時磁性芯片在空間中檢測到的復(fù)合磁感應(yīng)強(qiáng)度B是B1、B1與B3的矢量和。B值可由式(1)確定。

圖1 渦流檢測原理圖Fig.1 Principle of eddy current detection

B=B1+B2+B3

(1)

式中：B1為交變一次磁感應(yīng)強(qiáng)度，T；B2為渦流磁感應(yīng)強(qiáng)度，T；B3為磁化磁感應(yīng)強(qiáng)度，T。

當(dāng)試件存在裂紋時，線圈激勵的一次磁場不變，裂紋阻礙渦流形成回路，從而使渦流變大，渦流磁場隨之增大；同時裂紋會削弱試件磁化，導(dǎo)致磁化磁場減小，由于渦流磁場和磁化磁場方向相反且磁化磁場遠(yuǎn)大于渦流磁場，所以磁化磁場將渦流磁場抵消。最后通過放置在A1處磁性芯片來獲取復(fù)合場的磁信號并轉(zhuǎn)化成直觀的電信號進(jìn)行分析，通過電信號的差異來判斷被測試件的裂紋尺寸。

1.2 有限元模型

由于管道曲率相對于探頭尺寸較小，所以利用平面代替管道弧面進(jìn)行仿真分析，建立簡化的三維管道裂紋渦流檢測模型，如圖2所示。

圖2 管道裂紋渦流檢測三維模型Fig.2 Three-dimensional model of pipeline crack identification from eddy current detection

模型主要包括激勵線圈、裂紋、試件及空氣域。將試件材料設(shè)置為X52管材，經(jīng)過仿真優(yōu)化及考慮試驗(yàn)中芯片封裝的影響，最終將激勵線圈尺寸設(shè)置為內(nèi)徑9 mm，外徑11 mm，高度5 mm，匝數(shù)200。激勵電流信號幅值為0.1 A，頻率為500 Hz。

1.3 裂紋深度與仿真信號關(guān)系

設(shè)置7條不同深度的裂紋，長度20 mm，寬度1 mm，深度0.2～0.8 mm(步長0.1 mm)，相鄰裂紋間距35 mm。在實(shí)際工程中考慮探頭外殼以及芯片封裝的影響，將提離高度設(shè)置為0.5 mm，激勵線圈沿X正方向掃描，提取A1點(diǎn)的磁通密度Z向分量幅值，截取掃描路徑上各裂紋的仿真信號，結(jié)果如圖3所示。

圖3 不同深度裂紋仿真信號Fig.3 Simulation signals of cracks with different depths

由圖3可以看出：激勵線圈在無裂紋區(qū)域時仿真信號近似呈一條水平直線，信號分布與試件表面形貌一致；通過裂紋區(qū)域時仿真信號發(fā)生明顯突變，呈現(xiàn)“近V字形”；波峰值隨著深度的增加出現(xiàn)小幅度增加，波谷值隨著深度的增加而減小，但減小速率逐漸減緩，信號峰峰間距無明顯變化。

1.4 裂紋寬度與仿真信號關(guān)系

設(shè)置7條不同寬度的裂紋，長度100 mm，深度3 mm，寬度1.0～4.0 mm(步長0.5 mm)，相鄰裂紋間距80 mm。將提離高度設(shè)置為0.5 mm，激勵線圈沿X正方向掃描，提取A1點(diǎn)處的磁通密度Z向分量幅值，截取掃描路徑上各裂紋的仿真信號，結(jié)果如圖4所示。

圖4 不同寬度裂紋仿真信號Fig.4 Simulation signals of cracks with different widths

由圖4可知：激勵線圈在無裂紋區(qū)域時仿真信號近似呈幅值為0的水平直線，通過裂紋區(qū)域時仿真信號出現(xiàn)不同程度突變；裂紋寬度對信號峰峰間距影響較為明顯，寬度越大峰峰間距隨之變大；波峰值隨著寬度的增加呈現(xiàn)遞增的趨勢；波谷值隨著深度的增加而減小，但減小速率逐漸降低。

2 試驗(yàn)驗(yàn)證

2.1 試驗(yàn)平臺

為驗(yàn)證仿真結(jié)果的正確性，搭建裂紋渦流檢測試驗(yàn)系統(tǒng)，對不同尺寸裂紋進(jìn)行試驗(yàn)驗(yàn)證，試驗(yàn)探頭及裂紋參數(shù)與仿真一致。試驗(yàn)系統(tǒng)組成如圖5所示，主要包括激勵模塊、檢測模塊、信號調(diào)理模塊、數(shù)據(jù)采集模塊、上位機(jī)軟件和PC機(jī)。

圖5 試驗(yàn)系統(tǒng)構(gòu)成圖Fig.5 Composition of test system

激勵模塊采用BP 4610信號發(fā)生器，產(chǎn)生幅值為0.1 A、頻率為500 Hz的正弦交流信號并通過導(dǎo)線傳遞至激勵線圈。檢測模塊由探頭、三軸聯(lián)動滑臺和試件組成，用于檢測試件表面的磁場信號。三軸聯(lián)動滑臺固定并驅(qū)動探頭實(shí)現(xiàn)在試件上方路徑掃描運(yùn)動，位于檢測探頭底部圓心位置處的TMR傳感器(敏感方向Z軸)將提取到的磁場信號轉(zhuǎn)化成電壓信號輸出至調(diào)理電路，調(diào)理電路對電壓信號進(jìn)行放大濾波處理。數(shù)據(jù)采集模塊包括采集卡和采集程序，經(jīng)過放大濾波處理后的電壓信號由采集卡轉(zhuǎn)變?yōu)閿?shù)字信號傳輸至采集程序中。最終電腦端對采集到的數(shù)據(jù)進(jìn)行分析處理。

2.2 裂紋深度與檢測信號關(guān)系

探頭沿不同深度裂紋試件上方0.5 mm處路徑掃描，提取檢測電壓信號峰值，截取各裂紋的檢測信號，結(jié)果如圖6所示。

圖6 不同深度裂紋檢測信號Fig.6 Detection signals of cracks with different depths

分析圖6可知，由于試驗(yàn)臺在運(yùn)行過程中存在不同程度的振動以及受試件表面粗糙度的影響，檢測信號在無裂紋區(qū)域的穩(wěn)定性欠佳，但裂紋區(qū)域的檢測信號較為穩(wěn)定。波峰值隨著裂紋深度的增加而小幅度上升，在深度0.2～0.4 mm階段波峰值呈現(xiàn)微增長趨勢，深度0.5～0.8 mm階段波峰值增長速率極為緩慢，在深度0.8 mm區(qū)域達(dá)到頂峰(2.274 V)；波谷值隨著裂紋深度的增加而減小，且減幅逐漸變小，在深度0.2～0.3 mm階段減幅最大(0.102 00 V)，在深度0.7～0.8 mm階段減幅最小(0.000 86 V)，在深度0.8 mm區(qū)域降至最低(2.173 40 V)；檢測信號峰峰間距無明顯變化。針對波峰值和波谷值的增長、減小速率由快到慢的現(xiàn)象，分析原因是受趨膚效應(yīng)的影響，隨著深度的增加，電流密度呈指數(shù)衰減，深層裂紋檢測信號的分辨率有所下降。

2.3 裂紋寬度與檢測信號關(guān)系

探頭沿不同寬度裂紋試件上方0.5 mm處路徑掃描，提取檢測電壓信號峰值，截取各裂紋的檢測信號，結(jié)果如圖7所示。

圖7 不同寬度裂紋檢測信號Fig.7 Detection signals of cracks with different widths

圖7表明:探頭在無裂紋區(qū)域時檢測信號趨于平緩，峰峰間距和波峰值均隨著裂紋寬度的增加出現(xiàn)不同程度的增長，但增幅逐漸減小;寬度1 mm時峰峰間距和波峰值最小，分別為2.749 mm和2.268 V;寬度4 mm時峰峰間距和波峰值最大，分別為5.500 mm和2.438 V。波谷值與裂紋寬度呈負(fù)相關(guān)的非線性變化規(guī)律，且變化趨勢逐漸減緩。在寬度1.0～2.5 mm階段波谷值出現(xiàn)明顯降低，由2.147 V降至1.866 V，平均降幅為4.57%；在寬度3.0～4.0 mm階段波谷值出現(xiàn)小幅度降低，由1.822 V降至1.747 V，平均降幅為2.08%，比上一階段減少2.490%。針對峰峰間距和波峰值隨裂紋寬度的增加，其增長速率逐漸變小，及波谷值隨裂紋寬度的增加，其減小速率逐漸降低的現(xiàn)象，分析原因是隨著裂紋寬度與探頭尺寸的比例增大，能夠到達(dá)裂紋邊緣的磁場減少，對復(fù)合磁場的影響相應(yīng)減小，進(jìn)而導(dǎo)致裂紋檢測信號分辨率降低。

2.4 試驗(yàn)結(jié)果與仿真結(jié)果對比

對仿真信號與試驗(yàn)信號進(jìn)行歸一化處理，結(jié)果如圖8所示。由圖8可以看出，仿真與試驗(yàn)所得到的信號趨勢基本一致。

圖8 歸一化處理結(jié)果對比圖Fig.8 Comparison of normalization results

為驗(yàn)證仿真的正確性，對仿真結(jié)果與試驗(yàn)結(jié)果進(jìn)行定量對比分析。定義偏差δ為衡量指標(biāo)。

(2)

式中：B為各裂紋仿真信號幅值與試驗(yàn)信號幅值之比；A為各裂紋仿真信號幅值與試驗(yàn)信號幅值之比的均值。

將歸一化數(shù)值代入，結(jié)果如表1和表2所示。表1和表2中的數(shù)值(信號幅值)均為歸一化后的數(shù)值。

表1 不同深度裂紋偏差對比Table 1 Comparison of deviations for cracks with different depths

表2 不同寬度裂紋偏差對比Table 2 Comparison of deviations for cracks with different widths

由表1和表2可知：不同深度裂紋信號偏差在一定范圍內(nèi)浮動，最大不超過5.240%，平均偏差為2.219%；不同寬度裂紋偏差均小于1.000%，且最低至0.100%，平均偏差為0.443%。通過仿真與試驗(yàn)比值偏差的定量對比分析，驗(yàn)證了仿真的正確性。

3 基于SSA-BP神經(jīng)網(wǎng)絡(luò)的裂紋定量識別

3.1 特征參數(shù)及樣本庫的選取

裂紋信號的定量識別與其特征參數(shù)的選取密切相關(guān)，通過仿真與試驗(yàn)渦流檢測信號的對比分析，結(jié)合BP神經(jīng)網(wǎng)絡(luò)的特點(diǎn)，本文采用基谷值(Bg)、峰峰值(Bz)、周長(C)和面積(S)作為管道裂紋信號的特征參數(shù)，如圖9所示。

圖9 特征參數(shù)提取示意圖Fig.9 Schematic diagram of extraction of characteristics parameters

由于TMR芯片為線性磁場傳感器，所以相同裂紋尺寸下試驗(yàn)值和仿真值存在如下比例關(guān)系。

(1)基谷值比例系數(shù)K1。K1=V1/(Bj-Bmin),其中V1為試驗(yàn)信號基谷值，Bj為仿真信號基線值，Bmin為仿真信號谷值。

(2)峰峰值比例系數(shù)K2。K2=V2/(Bmax-Bmin),其中V2為試驗(yàn)信號峰峰值，Bmax為仿真信號峰值，Bmin為仿真信號谷值。

(3)周長比例系數(shù)K3。

對不同深度和寬度尺寸裂紋對應(yīng)的比例系數(shù)進(jìn)行均值處理，得到比例系數(shù)與裂紋深度、寬度的對應(yīng)關(guān)系，結(jié)果如表3所示。

表3 比例系數(shù)與裂紋深度、寬度尺寸對應(yīng)關(guān)系Table 3 Corresponding relationship between proportional coefficients and crack depths and widths

為降低加工精度對預(yù)測結(jié)果的影響，同時獲得足夠的訓(xùn)練樣本，按照表3的對應(yīng)關(guān)系將仿真數(shù)據(jù)與試驗(yàn)數(shù)據(jù)進(jìn)行等比例換算，將換算后的134組數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本，14組數(shù)據(jù)作為測試樣本。測試樣本特征參數(shù)如表4所示。

表4 測試樣本特征參數(shù)Table 4 Characteristics parameters of test sample

3.2 SSA-BP神經(jīng)網(wǎng)絡(luò)

BP神經(jīng)網(wǎng)絡(luò)由輸入層、隱藏層和輸出層3部分組成，其網(wǎng)絡(luò)結(jié)構(gòu)如圖10所示。

圖10 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖Fig.10 Structure of BP neural network

BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程由信息的正向傳播和誤差的反向傳播組成，其通過調(diào)節(jié)網(wǎng)絡(luò)參數(shù)以實(shí)現(xiàn)網(wǎng)絡(luò)的實(shí)際輸出向期望輸出逼近。但在BP神經(jīng)網(wǎng)絡(luò)中，神經(jīng)單元的權(quán)值和閾值隨機(jī)產(chǎn)生，為避免求解過程中隨機(jī)權(quán)值和閾值對識別精度和運(yùn)行效率的影響，本文將麻雀搜索算法[20]和神經(jīng)網(wǎng)絡(luò)相結(jié)合，采用麻雀搜索算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值，以此獲得較高的識別精度。以基谷值、峰峰值、周長和面積為輸入，裂紋的深度或?qū)挾葹檩敵?，建立SSA-BP神經(jīng)網(wǎng)絡(luò)裂紋定量識別模型。SSA-BP神經(jīng)網(wǎng)絡(luò)裂紋定量識別模型的流程如圖11所示。

圖11 SSA-BP神經(jīng)網(wǎng)絡(luò)裂紋定量識別模型流程圖Fig.11 Flow chart of SSA-BP neural network model for quantitative crack identification

3.3 裂紋定量識別結(jié)果與分析

為驗(yàn)證特征參數(shù)與算法的可靠性和實(shí)用性，將134組訓(xùn)練樣本和14組測試樣本(見表4)作為SSA-BP神經(jīng)網(wǎng)絡(luò)模型的樣本集，對仿真數(shù)據(jù)和試驗(yàn)數(shù)據(jù)進(jìn)行預(yù)測，預(yù)測結(jié)果和相對誤差分別如圖12和圖13所示。

圖12 預(yù)測結(jié)果對比Fig.12 Comparison of prediction results

圖13 相對誤差對比Fig.13 Comparison of relative errors

由圖12、13可以看出，傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)出現(xiàn)較大的測試誤差，深度最大絕對誤差為0.42 mm，最大相對誤差為69.23%；寬度最大絕對誤差為0.017 mm，最大相對誤差為0.61%，對裂紋寬度的識別精度尚可，但對裂紋深度的識別精度欠佳；采用SSA-BP神經(jīng)網(wǎng)絡(luò)預(yù)測,深度最大絕對誤差為0.05 mm，最大相對誤差為12.53%；寬度最大絕對誤差為0.004 3 mm，最大相對誤差0.25%；較傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)，SSA-BP神經(jīng)網(wǎng)絡(luò)深度、寬度最大相對誤差分別減小56.7百分點(diǎn)和0.36百分點(diǎn)，對裂紋深度和寬度的識別精度顯著提高。

4 結(jié) 論

(1)基于渦流測試技術(shù)，采用數(shù)值模擬方法研究了裂紋尺寸對渦流檢測信號的影響規(guī)律，搭建了裂紋渦流檢測試驗(yàn)系統(tǒng)，對裂紋渦流檢測的可靠性和準(zhǔn)確性進(jìn)行驗(yàn)證。研制的渦流檢測探頭可實(shí)現(xiàn)對寬1 mm、深0.2 mm的裂紋有效檢出。

(2)針對傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)識別精度低和收斂慢的缺點(diǎn)，采用麻雀搜索算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)，提高了神經(jīng)網(wǎng)絡(luò)的識別精度和運(yùn)行速度。構(gòu)建的SSA-BP神經(jīng)網(wǎng)絡(luò)管道裂紋識別模型較傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)模型，深度、寬度最大相對誤差分別減小56.7個百分點(diǎn)和0.36個百分點(diǎn)，深度和寬度最大絕對誤差分別為0.05和0.004 3 mm，能夠有效實(shí)現(xiàn)對管道裂紋尺寸的定量識別。