銀磊?張新宇?趙金輝?張瑞光

摘要：導(dǎo)管架連接上部風(fēng)機(jī)塔筒和下部主體，是海上風(fēng)機(jī)的最重要結(jié)構(gòu)之一。傳統(tǒng)裂紋檢測過程費(fèi)時費(fèi)力，在此背景下，本文闡述了一種基于聲發(fā)射信號的導(dǎo)管架水下裂紋檢測系統(tǒng)及其方法，其采用基于深度學(xué)習(xí)的人工智能檢測算法，以聲發(fā)射傳感器作用于待測導(dǎo)管架的聲發(fā)射回波信號作為輸入數(shù)據(jù)，并對其進(jìn)行笛卡爾坐標(biāo)系下的時間序列遷移到極坐標(biāo)系上表示的場域轉(zhuǎn)化后，來提取所述聲發(fā)射回波信號中關(guān)于所述導(dǎo)管架聚焦于空間位置上以及通道內(nèi)容上的特征分布信息，并以這兩者的特征信息的融合來進(jìn)行導(dǎo)管架是否存在水下裂紋的檢測判斷，能夠?qū)崟r智能地對于海上風(fēng)電場導(dǎo)管架是否存在水下裂紋進(jìn)行準(zhǔn)確地檢測，以保障海上風(fēng)電導(dǎo)管架的安全性，降低企業(yè)后期維修成本。

關(guān)鍵詞：海上風(fēng)電場；裂紋檢測；聲發(fā)射信號特征；深度學(xué)習(xí)

深圳市科技計劃項目“重2022022面向海上風(fēng)電場導(dǎo)管架的數(shù)字化監(jiān)測系統(tǒng)關(guān)鍵技術(shù)研發(fā)”（項目編號：JSGG2021080215354033）。

銀磊（1982.06-），男，重慶，碩士，研究方向：高級能源互聯(lián)網(wǎng)；

張新宇（1987.09-），女，河南，碩士，研究方向：中級能源管理控制；

趙金輝（1983.12-），男，湖北武漢，本科，研究方向：中級智慧能源領(lǐng)域軟件平臺建設(shè)；

張瑞光（1987.09-），男，湖北宜城，本科，研究方向：智慧能源領(lǐng)域軟件平臺建設(shè)。

一、引言

在國家大力推進(jìn)“碳達(dá)峰”和“碳中和”的大背景下，風(fēng)電、光伏、抽水蓄能行業(yè)快速發(fā)展，海上風(fēng)電作為風(fēng)電產(chǎn)業(yè)最重要的組成部分，其發(fā)展速度不容小覷，隨著海上風(fēng)電的高速發(fā)展，海上風(fēng)機(jī)的大型化發(fā)展趨勢已是必然。導(dǎo)管架基礎(chǔ)作為海上風(fēng)機(jī)基礎(chǔ)上最穩(wěn)重可靠的基礎(chǔ)形式之一，在海上風(fēng)電的發(fā)展中占據(jù)著不可或缺的地位，而作為連接上部風(fēng)機(jī)塔筒和下部主體的過渡段結(jié)構(gòu)，亦是起著承上啟下的關(guān)鍵作用。目前，由于導(dǎo)管架平臺所處地區(qū)大多為高溫高鹽、環(huán)境載荷復(fù)雜的海域，需要定期對其進(jìn)行維護(hù)及探傷裂紋檢測，以確保導(dǎo)管架平臺的安全性。傳統(tǒng)的檢測技術(shù)包括磁粉檢測（MT）、超聲檢測技術(shù)（UT）、渦流檢測（ET）等技術(shù)。

二、研究現(xiàn)狀

目前，對于瑕疵識別的研究較為廣泛，瑕疵識別方法可歸納為人工識別方法、單一機(jī)理識別方法和機(jī)器視覺識別方法等三大類：

1.人工識別

人工識別在工業(yè)瑕疵檢測中是最常見的方法，這種方法通過人眼將具有瑕疵的產(chǎn)品篩選出來。雖然該方法的應(yīng)用不需要投入任何設(shè)備，但因其在工作效率低，勞動強(qiáng)度大，產(chǎn)品成本高，易受到監(jiān)測人員的素質(zhì)、肉眼分辨率、檢測經(jīng)驗、眼部疲勞程度、質(zhì)檢人員的主觀經(jīng)驗及感受等諸多因素影響。

2.單一機(jī)理識別

單一機(jī)理識別是一種利用物質(zhì)的聲、光、磁和電等特性，通過各種高靈敏的器件，實現(xiàn)材料瑕疵識別的方法。此類方法根據(jù)其實現(xiàn)原理，可分為紅外識別、磁粉識別、渦流識別、漏磁識別，但這些方法都有各自的局限性。

3.機(jī)器視覺識別

機(jī)器視覺是無損的瑕疵識別技術(shù)，其提出初期主要被應(yīng)用于計算機(jī)視覺領(lǐng)域，后來由于其具有安全可靠、工作效率高等優(yōu)點(diǎn)，被引入到了各個領(lǐng)域。機(jī)器視覺技術(shù)是一項綜合技術(shù)，包括圖像的獲取技術(shù)、圖像的處理技術(shù)以及目標(biāo)的測量和識別技術(shù)。此類方法主要是由圖像采集和瑕疵識別兩個過程組成。

三、關(guān)鍵技術(shù)與研究內(nèi)容

（一）關(guān)鍵技術(shù)

傳統(tǒng)檢測技術(shù)的檢測過程對于人員的操作技能要求較高、產(chǎn)生的效費(fèi)比低、智能化水平低，在作業(yè)時必須要在被測導(dǎo)管架表面去除防腐層，成本較高，且只能用于檢測宏觀缺陷，并且傳統(tǒng)的檢測方案大多數(shù)需要依靠人工進(jìn)行操作，人工監(jiān)測的過程效率低、實時性差。因此，期望一種優(yōu)化的導(dǎo)管架水下裂紋檢測系統(tǒng)，其能夠?qū)崟r智能地對于海上風(fēng)電場導(dǎo)管架是否存在水下裂紋進(jìn)行準(zhǔn)確的檢測，以保障海上風(fēng)電導(dǎo)管架的安全性，降低企業(yè)后期維修成本。

（二）主要研究內(nèi)容

在整個導(dǎo)管架水下裂紋檢測系統(tǒng)的設(shè)計之中，主要功能模塊有聲發(fā)射回波信號采集模塊、域映射模塊、第一特征提取模塊等，各個模塊介紹如下：

①聲發(fā)射回波信號采集模塊，用于獲取聲發(fā)射傳感器，作用于待測導(dǎo)管架的聲發(fā)射回波信號；

②域映射模塊，用于對所述聲發(fā)射回波信號進(jìn)行格拉姆角和場變換以得到格拉姆角和場圖像；

③第一特征提取模塊，用于將所述格拉姆角和場圖像，通過使用空間注意力的第一卷積神經(jīng)網(wǎng)絡(luò)模型以得到第一聲發(fā)射檢測特征圖；

④第二特征提取模塊，用于將所述格拉姆角和場圖像，通過使用通道注意力的第二卷積神經(jīng)網(wǎng)絡(luò)模型以得到第二聲發(fā)射檢測特征圖；

⑤特征融合模塊，用于融合所述第一聲發(fā)射檢測特征圖和所述第二聲發(fā)射檢測特征圖以得到分類特征圖；

⑥特征流形校正模塊，用于對所述分類特征圖進(jìn)行高維特征流形校正，以得到校正后分類特征圖；以及檢測結(jié)果生成模塊，用于將所述校正后分類特征圖通過分類器以得到分類結(jié)果，所述分類結(jié)果用于表示導(dǎo)管架是否存在水下裂紋。

導(dǎo)管架水下裂紋檢測系統(tǒng)中第一特征提取模塊，進(jìn)一步用于：使用所述使用空間注意力的第一卷積神經(jīng)網(wǎng)絡(luò)模型的卷積編碼部分，對所述格拉姆角和場圖像進(jìn)行深度卷積編碼，以得到第一格拉姆角和場卷積特征圖；將所述第一格拉姆角和場卷積特征圖，輸入所述使用空間注意力的第一卷積神經(jīng)網(wǎng)絡(luò)模型的空間注意力部分，以得到空間注意力圖；將所述空間注意力圖通過Softmax激活函數(shù)，以得到空間注意力特征圖；以及計算所述空間注意力特征圖和所述第一格拉姆角和場卷積特征圖的按位置點(diǎn)乘，以得到所述第一聲發(fā)射檢測特征圖。

導(dǎo)管架水下裂紋檢測系統(tǒng)中第二特征提取模塊進(jìn)一步用于：將所述格拉姆角和場圖像，輸入所述使用通道注意力的第二卷積神經(jīng)網(wǎng)絡(luò)模型的多層卷積層，以得到第二格拉姆角和場卷積特征圖；計算所述第二格拉姆角和場卷積特征圖的沿通道維度的各個特征矩陣的全局均值，以得到通道特征向量；將所述通道特征向量輸入所述Sigmoid激活函數(shù)，以得到通道注意力權(quán)重向量；以及以所述通道注意力權(quán)重向量中各個位置的特征值作為權(quán)重，對所述第二格拉姆角和場卷積特征圖的沿通道維度的各個特征矩陣進(jìn)行加權(quán)，以得到所述第二聲發(fā)射檢測特征圖。導(dǎo)管架水下裂紋檢測系統(tǒng)中特征融合模塊，以如下公式融合所述第一聲發(fā)射檢測特征圖和所述第二聲發(fā)射檢測特征圖，以得到分類特征圖。

導(dǎo)管架水下裂紋檢測系統(tǒng)中特征流形校正模塊，以如下公式對所述分類特征圖進(jìn)行高維特征流形校正，以得到所述校正后分類特征圖；其中，所述公式為：

其中，fi和fj表示所述分類特征圖的各個位置的特征值，且表示所述分類特征圖的所有特征值的均值，且N表示所述分類特征圖的尺度，exp（·）表示數(shù)值的指數(shù)運(yùn)算，所述數(shù)值的指數(shù)運(yùn)算表示以數(shù)值為冪的自然指數(shù)函數(shù)值，fi'表示所述校正后分類特征圖的各個位置的特征值。

四、系統(tǒng)分析與設(shè)計

（一）應(yīng)用場景分析

在導(dǎo)管架水下裂紋檢測系統(tǒng)應(yīng)用場景中，首先獲取聲發(fā)射傳感器作用于待測導(dǎo)管架的聲發(fā)射回波信號；然后將獲取的所述聲發(fā)射回波信號，輸入至部署有基于聲發(fā)射信號的導(dǎo)管架水下裂紋檢測算法的服務(wù)器中，其中，所述服務(wù)器能夠使用基于聲發(fā)射信號的導(dǎo)管架水下裂紋檢測算法，對所述聲發(fā)射回波信號進(jìn)行處理，以生成用于表示導(dǎo)管架是否存在水下裂紋。詳細(xì)應(yīng)用場景如圖1所示。

（二）系統(tǒng)設(shè)計

在導(dǎo)管架水下裂紋檢測系統(tǒng)之中，采用聲發(fā)射信號檢測的流程圖具體如圖2所示。

在導(dǎo)管架水下裂紋檢測之中，具體包括：

①聲發(fā)射回波信號采集步驟S110：獲取聲發(fā)射傳感器作用于待測導(dǎo)管架的聲發(fā)射回波信號；

②域映射步驟S120：對所述聲發(fā)射回波信號進(jìn)行格拉姆角和場變換，以得到格拉姆角和場圖像；

③第一特征提取步驟S130：將所述格拉姆角和場圖像通過使用空間注意力的第一卷積神經(jīng)網(wǎng)絡(luò)模型，以得到第一聲發(fā)射檢測特征圖；

④第二特征提取步驟S140：將所述格拉姆角和場圖像通過使用通道注意力的第二卷積神經(jīng)網(wǎng)絡(luò)模型，以得到第二聲發(fā)射檢測特征圖；

⑤特征融合步驟S150：融合所述第一聲發(fā)射檢測特征圖和所述第二聲發(fā)射檢測特征圖，以得到分類特征圖；

⑥特征流形校正步驟S160：對所述分類特征圖進(jìn)行高維特征流形校正，以得到校正后分類特征圖；

⑦檢測結(jié)果生成步驟S170：將所述校正后分類特征圖通過分類器以得到分類結(jié)果，所述分類結(jié)果用于表示導(dǎo)管架是否存在水下裂紋。

基于聲發(fā)射信號的導(dǎo)管架水下裂紋檢測方法的系統(tǒng)架構(gòu)的示意圖如圖3所示。

如圖3所示，在導(dǎo)管架水下裂紋檢測系統(tǒng)中，首先獲取聲發(fā)射傳感器作用于待測導(dǎo)管架的聲發(fā)射回波信號；然后，對所述聲發(fā)射回波信號進(jìn)行格拉姆角和場變換，以得到格拉姆角和場圖像；接著，將所述格拉姆角和場圖像通過使用空間注意力的第一卷積神經(jīng)網(wǎng)絡(luò)模型，以得到第一聲發(fā)射檢測特征圖；然后，將所述格拉姆角和場圖像通過使用通道注意力的第二卷積神經(jīng)網(wǎng)絡(luò)模型，以得到第二聲發(fā)射檢測特征圖；接著，融合所述第一聲發(fā)射檢測特征圖和所述第二聲發(fā)射檢測特征圖，以得到分類特征圖；然后，對所述分類特征圖進(jìn)行高維特征流形校正，以得到校正后分類特征圖；最后，將所述校正后分類特征圖通過分類器，以得到分類結(jié)果，所述分類結(jié)果用于表示導(dǎo)管架是否存在水下裂紋。

五、結(jié)束語

海上風(fēng)電場導(dǎo)管架裂紋檢測系統(tǒng)主要采用深度學(xué)習(xí)的方法進(jìn)行處理，將所述校正后分類特征圖按照行向量或列向量展開為分類特征向量，使用所述分類器的多個全連接層，對所述分類特征向量進(jìn)行全連接編碼以得到編碼分類特征向量；將所述編碼分類特征向量，通過所述分類器的Softmax分類函數(shù)，以得到所述分類結(jié)果，以此對導(dǎo)管架的裂縫進(jìn)行快速檢測，有異常狀態(tài)及時報警，從而提升整個海上風(fēng)電場的安全性。

作者單位：銀磊 張新宇 趙金輝 張瑞光 深圳量云能源網(wǎng)絡(luò)科技有限公司

參? 考? 文? 獻(xiàn)

[1]尹漢軍，付殿福.300米級深水導(dǎo)管架在南海陸坡區(qū)應(yīng)用的挑戰(zhàn)與關(guān)鍵技術(shù)研究[J].中國海上油氣，2022，34（01）：147-154.

[2]彭建盛，李濤濤，侯雅茹，等.基于機(jī)器學(xué)習(xí)的裂紋識別研究現(xiàn)狀及發(fā)展趨勢[J].廣西科學(xué)，2021，28（03）：215-228.

[3]冉蓉，徐興華，邱少華，等.基于深度卷積神經(jīng)網(wǎng)絡(luò)的裂紋檢測方法綜述[J].計算機(jī)工程與應(yīng)用，2021，57（09）：23-35.

[4]湯勃，孔建益，王興東，等.鋼板表面低對比度微小缺陷圖像增強(qiáng)和分割[J].中國圖象圖形學(xué)報，2020，25（01）：81-91.

[5]張紅霞，王燦，劉鑫，等.圖像邊緣檢測算法研究新進(jìn)展[J].計算機(jī)工程與應(yīng)用，2018，54（14）：11-18.

[6]黃彭奇子.基于圖像處理的表面缺陷檢測關(guān)鍵技術(shù)研究[D].國防科技大學(xué)，2019.

[7]彭建盛，李濤濤，侯雅茹，等.基于機(jī)器學(xué)習(xí)的裂紋識別研究現(xiàn)狀及發(fā)展趨勢[J].廣西科學(xué)，2021，28（3）：215-228.

[8]曹渝昆，桂麗嬡.基于深度可分離卷積的輕量級時間卷積網(wǎng)絡(luò)設(shè)計[J].計算機(jī)工程，2020，46（9）：95-100，109.