牛愛軍，郭克星，董 超，高 杰

1.國家石油天然氣管材工程技術研究中心，陜西寶雞 721008

2.寶雞石油鋼管有限責任公司，陜西寶雞 721008

3.陜西省特種設備檢驗檢測研究院，陜西西安 710000

隨著全球經濟的持續(xù)發(fā)展，能源需求將激增，根據國際能源署（IEA）的預測，石油仍然是全球未來最重要的能量來源[1]。管道作為輸送石油和天然氣最經濟、高效的方式，一直以來被廣泛使用。隨著我國管道工業(yè)的不斷發(fā)展，已經形成了以中俄東線管道為代表的第三代管道體系，管道輸送技術躋身世界第一方陣[2]。隨著管道長度的增加，泄漏風險加大。自1970 年起的50 年時間里，歐洲發(fā)生了共計1 172 起管道失效事故。其中，因外力引發(fā)的事故占比48.4%，因違規(guī)操作引發(fā)的事故占比7.4%[3]。1984年我國東北某管段斷裂跑油1 470 t，1988 年某穿越黃河管段斷裂耗資1 700 萬元修建了復線，造成了極大的能源和經濟損失。近年來，美國加利福尼亞州南部奧蘭治縣、圣佩德羅灣和墨西哥灣等地也發(fā)生了管道失效造成的原油泄漏事故。楊玉鋒等[4]研究指出，自2002年美國開始重視管道管理以來，特大事故明顯減少，上報事故和重大事故數量基本持平。上報事故和重大事故主要失效原因為材料/焊接、腐蝕和開挖損壞，特大事故的主要失效原因是開挖損壞、其他不明原因和誤操作。為了降低管道運行風險，提高風險預防能力，在“十三五”期間，我國重點支持了在管道行業(yè)開展泄漏監(jiān)測、第三方損壞預警、地災監(jiān)測、腐蝕監(jiān)測和設備故障等技術攻關，取得了長足的進步[5?6]。駱正山等[7]提出一種基于RS?MSWOA?LSSVM 的油氣管道失效壓力預測模型。結果表明，RS?MSWOA?LSSVM 模型與LSSVM 模型和WOA?LSSVM 模型相比，其預測結果的相關系數提升至0.996 8，均方誤差降至0.063 9 MPa，均方根誤差降至0.252 8 MPa，平均絕對誤差降至0.222 3 MPa，說明該模型的預測結果與實際結果的擬合度更高，且預測精度優(yōu)于其他兩種模型。馮翠翠[8]指出，新形勢下長輸油氣管道管理模式應以精細化管理為主要理論依據。

目前，在役長輸油氣管道數量巨大，管道穿越的地質條件復雜，早期的施工工藝不佳且服役年限較長，管道已經進入事故多發(fā)期，因此圍繞管道檢測開展相關研究刻不容緩?；诖?，對長輸油氣管道檢測技術的研究進展進行分析，總結了常用的管道檢測技術，旨在為我國的管道檢測從業(yè)人員提供參考。

1 內檢測技術

管道內檢測技術是指在不影響管道正常安全運行的條件下，通過載有無損檢測設備和信號采集、處理及存儲系統(tǒng)的智能型清管器，以管內輸送介質為行進動力，對管道腐蝕、變形以及裂紋程度進行在線監(jiān)測的技術[9]。管道內檢測是管道完整性評價的重要手段，可獲得內檢測數據。通過內檢測數據的對比，可以對管道基礎特征、管道缺陷、管道坐標等進行分析[10]。對管道的管理和實時監(jiān)控具有重要意義。

1.1 漏磁檢測

漏磁檢測（Magnetic Flux Leakage，MFL）技術是管道檢測應用最多的無損檢測（Nondestructive Testing，NDT）技術之一。管道漏磁內檢測技術的原理是在管道周向均勻布置永磁鐵，對管壁進行飽和磁化，當管壁沒有缺陷時，磁力線被約束在管壁之內；當管壁存在缺陷時，管壁磁力線穿出管壁產生漏磁。通過傳感器采集漏磁信號，達到檢測目的，檢測原理如圖1所示。

管道漏磁內檢測系統(tǒng)由驅動模塊、磁化模塊、傳感模塊、數據采集與傳感模塊、供電模塊、里程記錄模塊、環(huán)向定位測量模塊、速度控制模塊、振動和沖擊懸置模塊等組成[11]。管道漏磁內檢測技術的特點是檢測效率高、技術相對成熟、結果可靠、經濟性高，是目前全球長輸管道、油氣田集輸管道應用最多的檢測技術。

李亞平等[12]設計了一種長輸變徑管道的漏磁管道內檢測器。該檢測器的密封節(jié)采用折疊型皮碗，磁路及探頭采用浮動式結構，探頭為雙排交錯布置。結果顯示，磁路及探頭浮動效果良好，在不同管徑中可保持對管壁的貼合，滿足檢測要求。

在目前的研究中還沒有發(fā)現關于缺陷檢測速度的研究。針對這一問題，Ege 等[13]設計了兩種新的管道檢測儀（Pipeline Inspection Gauge，PIG），如圖2 所示。測量采集的數據通過使用MyRIO 1900顯示在LCD 屏幕上。針對新設計的PIG 在檢測管道缺陷方面的可用性通過Origin 分析程序的試驗結果進行了驗證。

圖2 設計生產的兩種PIG[13]

由于單個漏磁檢測儀對與其磁場平行的腐蝕缺陷并不敏感，所以通常在一次檢測中采用兩種具有垂直磁場的漏磁檢測儀來檢測所有腐蝕缺陷。Xiang 等[14]應用檢測概率（Probability of Detection，POD）來定量評估兩種單獨的漏磁檢測儀及其組合使用時的檢測能力。由于MFL 的特點，提出將POD模型構建為兩個幾何特征的函數，即體積和方向，這對MFL 信號反應有很大影響。使用邏輯OR操作整合兩種漏磁檢測儀的檢測結果，研究其組合的POD。通過提出的POD 模型，研究了確保腐蝕缺陷能被漏磁檢測儀檢測出來的最低標準。

Peng 等[15]從數據分析的角度全面回顧了采用MFL 技術進行管道腐蝕評估的情況。對MFL 信號和數據的分析有助于腐蝕定量和預測。對于腐蝕量化，討論了信號處理方法和表征模型，其目的是加強測量和腐蝕的表征。對于腐蝕預測，研究了多種MFL 數據匹配方法，這些方法將連續(xù)的在役檢測（In?line Inspection，ILI）運行中的缺陷對齊。隨后，介紹了可預測未來腐蝕狀態(tài)的腐蝕增長模型。此外，還回顧了被腐蝕管道的可靠性分析，并探討了MFL 與其他無損檢測技術融合的潛力。

1.2 弱磁應力檢測

長輸油氣管道發(fā)生破壞泄漏的主要誘因是應力集中，該誘因會對管道安全造成嚴重威脅，基于長輸油氣管道應力檢測和評價，提出弱磁應力檢測技術[16]。弱磁檢測的原理是根據材料自身的磁導率和存在缺陷材料的磁導率變化，通過測量材料的磁感應強度從而對材料出現損傷的部位進行定性檢測和定量評估。該檢測技術可以為管道管理提供完整的數據支持，能夠在一定程度上預防事故發(fā)生，降低安全隱患，具有很大的市場應用前景。

閔希華等[17]針對油氣長輸管道內檢測發(fā)展需求，自主研發(fā)了高精度弱磁內應力檢測裝置，用以評價管道應力集中程度。將應力集中的程度劃分為4 個級別，每個級別對應的風險見表1。研究指出，產生的弱磁信號與應力集中程度和管道損傷狀態(tài)明顯相關，二次弱磁內檢測可以準確辨識管道應力集中風險程度。

表1 管道應力集中程度及其對應的風險[17]

劉斌等[18]就弱磁應力內檢測技術重點研究了外界磁場強度對檢測信號的影響規(guī)律。結果表明，應力集中區(qū)磁信號的特征與初始磁化強度和應力方向有關，鐵磁體的初始磁化強度不為0，磁疇沿應力方向重新排列；當磁疇排列方向與磁化方向一致時，鐵磁體磁化強度增加；當磁疇逆磁化方向排列，磁化強度隨外界磁場強度的增加而減小，主應力方向微磁信號特征減弱。

1.3 超聲波內檢測

超聲波內檢測技術的原理是利用金屬表面可以反射和傳播超聲波的原理，通過內置的檢測器發(fā)射超聲波信號，信號經過管道內壁和外壁的一系列反射之后再次被探頭捕捉到，通過超聲波傳播的時間差來計算可能出現的缺陷類型和大小[19]。目前應用較為廣泛的超聲波檢測器有超聲直波檢測器和超聲橫波檢測器兩種。Rosen 公司制造的超聲波內檢測器如圖3所示。

圖3 Rosen公司的超聲波內檢測器[20]

Du 等[21]針對壓力管道的檢測問題提出并完成了一套完整的涵蓋密封和耐外壓功能的超聲波內檢測智能球殼結構設計。一部分為內球體，另一部分為外殼。經過在管道內實際應用表明，超聲波球形檢測器通過彎曲管道、傾斜管道和豎直管道時，均能順利到達出口處，無卡堵，運動姿態(tài)穩(wěn)定，能夠采集沿途各種信息、判斷缺陷的存在、實現精確定位。

馬建民等[22]以長輸大口徑油氣管道的全自動超聲波檢測為依據，總結了全自動超聲波檢測試塊的設計思路及試塊中各人工反射體的作用，闡述了全自動超聲波檢測試塊的加工、檢驗及試塊檢測驗證的質量控制程序，為全自動超聲波檢測人員提供了技術參考。

Pratomo 等[23]從PT.Pageo Utama 獲得側掃聲吶和雙頭掃描剖面儀數據。側掃聲吶數據用來作為管道的視覺表現，而雙頭掃描剖面儀數據用來獲得海洋和周圍管道的地形，以確定自由跨度的尺寸。結果顯示，6.8 km的水下管道有47個自由跨度。最長的自由跨度是FS?43，長度為42.109 m，高度為0.44 m，位于KP6.045。最高的自由跨度是FS?45，高度為1.22 m，長度為20.329 m，位于KP6.465處。

1.4 瞬變模型法

瞬變模型法是通過建立管內流體流動的數學模型，在限制的邊界條件下對管內流場求解，并將計算值和管段實測值進行對比，當計算值與實測值的偏差大于一定范圍時，即可認定管道發(fā)生了泄漏。該方法的特點是檢測范圍較廣、定位精度較高和響應時間較短[24?25]。

Shaik 等[26]使用前饋反向傳播網絡開發(fā)了一個智能模型，預測原油管道的狀況，如金屬損失異常、壁厚、焊縫異常和壓力流量。通過改變隱藏神經元的數量，使用Levenberg?Marquardt 算法對模型進行了訓練，對最大決定系數（R2）值和最小平均平方誤差進行了研究。研究發(fā)現，R2值取決于隱藏神經元的數量。用16 個隱藏神經元開發(fā)的模型準確地預測了估計維修系數值，R2值為0.999 8。壓力對管道狀況有很大的負面影響，而焊縫周長對管道狀況有很小的負面影響。

呂圓[27]通過構建長輸油氣管道管壁的應力集中區(qū)模型，根據坐標系計算油氣管道應力集中區(qū)磁感應分布情況，最后利用4 層的BP 神經網絡實現對磁感應分布數據的分析，得到對應檢測點的管道狀態(tài)。結果表明，該設計方法可實現對管道異常狀態(tài)的準確檢測。

Shaik 等[28]使用人工神經網絡開發(fā)了一個智能模型。用12 個隱藏神經元開發(fā)的模型準確地預測了管道狀況，S1、S2、S3、S4 和S5 管道段的總體R2值分別為0.981 48、0.993 59、0.994 30、0.993 36和0.990 84。為了解影響管道狀況的因素之間的相互關系，進行了敏感性分析，對管道系統(tǒng)的剩余使用壽命進行了估計。

1.5 管道機器人

管道機器人一般包括移動載體、視覺系統(tǒng)、信號傳送系統(tǒng)、動力系統(tǒng)和控制系統(tǒng)。管道機器人是一種沿管道內部自由移動的設備，用于檢查管道中存在的損壞、裂縫和腐蝕。市場上有許多類型的機器人，如螺桿式機器人和輪式機器人[29]。

劉洪斌等[30]設計了一款液壓驅動蠕動式爬行管道機器人，針對天然氣管道內壁損傷和腐蝕開裂情況進行檢測。計算了其驅動和越障能力，并采用仿真技術對其進行分析，制作了物理樣機對其各項性能進行測試。結果表明，管道機器人的運動特性與理論分析結果一致，機器人運行過程平穩(wěn)可靠，能夠保證足夠的通過能力及驅動性能，可實現復雜工況下的檢測。

Zhang 等[31]指出管道檢測儀PIG 的球形密封杯外緣的應力和應變分布很復雜，當PIG 處于直管段時，它可以被抽象為聚氨酯橡膠和鋼之間應力的問題。首先，將橡膠和鋼之間應力的數值解和分析解進行了比較，以驗證數值解。然后，使用MSC Marc 2016 討論了當PIG 處于凹陷管道中時，球形密封杯的過盈量（δ）、厚度（t）和弧度（θ）對密封杯外邊緣的應力和應變分布的影響。結果表明，當PIG 在直管段運行時，密封盤的過盈量對應力和應變分布的影響最大（見圖4）；然而，當PIG 在管道凹陷處運行時，密封杯的厚度對應力和應變分布的影響最大。

圖4 PIG處于直管段時球形密封杯邊緣的應力應變分布

Karkoub 等[32]使用一個小型移動機器人和一個全角全向視覺系統(tǒng)對管道進行檢查。該系統(tǒng)使用錐形/雙曲鏡捕捉全景視頻，并將其傳輸到監(jiān)測站，以檢查天然氣管道的內表面。視頻經過一系列處理以獲得整個管道內表面的平面圖像。介紹了使用配備有CCD 相機和錐形鏡子的移動機器人進行的模擬和實驗研究，證明了這種檢測技術的可行性。

陳宏華等[33]針對管道機器人作業(yè)過程中可能產生方向不確定及電磁干擾大等問題，設計了一種機械式方向自動調節(jié)裝置。針對該裝置展開了運動學仿真并運用于管道檢測，驗證了該裝置能較快并準確調整管道檢測機器人的姿態(tài)。

2 外檢測技術

管道外檢測技術是指在地面不開挖的情況下，對管道外腐蝕進行檢測評價，減小外腐蝕對管道完整性的影響[9]。

2.1 光纖傳感檢漏法

光纖傳感檢漏法的原理是通過對管道沿途泄漏振動信號進行提取、分析和處理，從而進一步判別管道泄漏情況和位置[34]。分布式光纖傳感器的檢測原理如圖5所示。

圖5 分布式光纖傳感器的檢測原理[34]

邱秀分等[35]為了提高檢測準確率，提出了一種基于分布式光纖傳感技術的油氣管道破壞信號檢測方法。結果表明，短時平均能量與修正過零率標準差聯合檢測管道破壞信號的方法能夠剔除干擾，對人工、機械模擬入侵事件檢測準確率超過90%，可為管道安全運行提供技術保障。

Cabral 等[36]使用嵌入到接頭黏合層中的光纖布拉格光柵（Fiber Bragg Grating，FBG）傳感器來監(jiān)測管道黏合接頭的組裝和運行。這種方法可以根據FBG 傳感器數據的實時和長期反饋來決定何時進行有針對性的深入檢查，從而降低監(jiān)測成本，并提高運行安全性。

Yang 等[37]利用一種基于分布式光纖傳感器信號時空特征的新型機器學習方法來實時監(jiān)測油氣管道的安全。通過對從現場收集的大量數據進行分析證實，設計的模型可以在強噪聲和各種硬件條件下準確定位并實時識別管道的損壞事件，并能有效處理信號漂移問題。

2.2 基于模型的檢測法

基于以往一些檢測數據集的管道檢測圖像和在線檢測圖像，Bhowmik[38]開發(fā)了一個深度學習圖像處理模型。在通過管道檢測進行腐蝕監(jiān)測期間，數字孿生系統(tǒng)將收集的數據進行處理和分析。分析后的數據可以用來對腐蝕類型進行分類，并確定要采取的行動。基于深度學習的數字孿生體在腐蝕檢測方面顯著改善了當前的腐蝕識別效率，減少了海上檢測的整體時間。

Fadhli 等[39]將回歸模型用于油氣管道腐蝕預測的建模。建立了兩個具有不同因素選擇的線性模型，即：模型1（其因素包括連續(xù)和離散值的混合）、模型2（其因素只限于連續(xù)值）。研究結果表明，模型2 比模型1 具有更好的預測性能，其性能為95.56%，而模型1為83.03%。

2.3 基于無人機的檢測法

基于無人機的檢測方法具有維護要求低、續(xù)航能力高和成本較低等優(yōu)點。與目前使用的載人飛行器（Manned Aerial Vehicle，MAV）相比，具有一定的優(yōu)勢，可以提高安全性，降低成本，通信能力較強。

為了對管道進行例行檢查和檢測，以確保管道的完整性和持續(xù)的安全運行，Ukaegbu 等[40]利用模塊化無人駕駛飛行器（Unmanned Aerial Ve?hicles，UAV）與深度學習算法相結合的方法對管道進行檢測，設計的無人機模型如圖6所示。結果表明，本研究中采用的深度學習模型的訓練、驗證和測試準確率分別為88.3%、87.5%和83.3%。同時，訓練和驗證的損失為0.358 3和0.364 9。

圖6 設計的無人機模型[40]

Alharam 等[41]設計了一個配備了熱像儀的無人機，可以監(jiān)測石油和天然氣管道，以檢測偏遠和危險地區(qū)的管道泄漏情況，該系統(tǒng)使用基于人工智能的機載處理系統(tǒng)來進行泄漏檢測。此外，所實施的系統(tǒng)有高精確度的分類器，這個分類器可以快速實現實時處理功能。這個系統(tǒng)有實時警報，延遲時間小于100 ms。這項研究的目的是減少當前檢測的總成本和警報管道泄漏所需的時間。

2.4 磁信號法

磁層成像法（MTM）是一種檢測金屬磁性記憶信號的非接觸式外部檢測方法。其在長距離油氣管道和海底管道檢測方面有很大的應用潛力。然而，磁信號的空間分布特征和傳播規(guī)律尚不明確，這使得MTM 成為被動檢測。Liu 等[42]在邊界條件的基礎上，建立了管外應力集中區(qū)磁場分布的三維數學模型；對于應力集中區(qū)位于管道內壁頂部和底部的兩種情況，通過有限元分析對模型進行了求解；研究了管道外磁信號的變化規(guī)律，并設計了實驗來驗證該模型；結果表明，穿過管壁后，磁記憶信號的形狀保持不變。由于管道介質的磁導率遠大于空氣的磁導率，磁記憶信號在穿透管壁后被明顯衰減。隨著探測高度的增加，管外的磁感應強度呈指數級衰減。研究結果還表明，磁斷層掃描方法可以檢測到管道任何位置的應力集中區(qū)，當其位于管道頂部時，檢測精度更高。

金屬磁性記憶（MMM）檢測技術是檢測鐵磁性材料應力損傷的有效方法，特別是在長距離油氣管道焊縫裂紋檢測領域具有巨大的應用潛力。Liu 等[43]為了研究MMM 的產生機制和焊縫裂紋的信號特征，提出了定量計算內部檢測的非均勻磁荷的MMM 信號的模型。研究了裂紋深度、裂紋寬度和管道內壓變化對MMM 信號的影響，并通過大量實驗研究證明了理論結果。結果表明，軸向分量只有一個峰值，而徑向分量有兩對獨立且零交叉的峰值，其中外側的一對對應焊縫，內側的一對對應裂紋。特征值隨著裂紋深度的增加而非線性變化，增長速度逐漸降低。特征值隨裂紋寬度線性增加，徑向分量比軸向分量對寬度更敏感。內壓會增加焊縫和裂紋周圍的應力集中，但裂紋周圍的應力反應更敏感。因此，MMM 信號與內壓呈正相關，特征值將隨內壓增加而線性增加。

2.5 三維激光掃描技術

三維激光掃描技術是繼GPS空間定位系統(tǒng)之后的又一項測繪技術。三維激光掃描技術通過高速激光掃描測量的方法，能夠大面積、高分辨率快速獲取被測對象表面的三維坐標數據，同時可以通過專業(yè)軟件和測量數據建立物體的三維實體模型。該技術具有非接觸性、快速性、主動性等特性，實時獲取的數據具有高密度、高精度等特點。

蔡景明等[44]通過分析三維激光掃描技術的原理和特點，發(fā)現該方法能夠有效應用于長輸管道變形量的測量。其詳細介紹了三維激光掃描數據獲取流程，并通過在幾何變形器檢測到的缺陷點處應用，驗證了該檢測方法的有效性。通過對傳統(tǒng)工具、幾何變形檢測器和三維激光掃描3種檢測結果進行分析，可知三維激光掃描檢測技術具有更高的測量精度和可靠性。

3 結束語

長輸油氣管道的檢測是一項艱巨、漫長且復雜的任務，不同的管道運行情況面臨不同的困難和挑戰(zhàn)。目前，國內外已經開發(fā)了許多的管道檢測技術，但是還沒有一種技術可以適用于所有管道的檢測，各種檢測方法都在借鑒彼此的優(yōu)點來彌補不足。隨著我國管道建設投入的不斷加大，應該將人工智能、大數據和物聯網等融入管道檢測技術中，從而提高各種信號的分析能力和處理能力。