CN107328850A - 一种基于金属磁记忆技术的管道缺陷类型识别方法 - Google Patents

Abstract

本发明公开了一种基于金属磁记忆技术的管道缺陷类型识别方法，包括如下步骤：步骤1：用实验的方法，统计出能够区分管道腐蚀缺陷和应力集中缺陷的磁记忆数据特征；步骤2：对管道进行磁记忆检测；步骤3：对获取的数据进行降噪处理；步骤4：对步骤3处理过的检测数据，与步骤1统计的区分数据特征进行匹配，从而区分出管道上缺陷哪一处是腐蚀缺陷，哪一处是应力集中缺陷，从而为管道的修护工作提供数据参考。本方案的有益效果可根据对上述方案的叙述得知，不需要开挖施工，在地面上就能对埋在地下的管路进行通过磁记忆检测信号实现腐蚀缺陷和应力集中缺陷的识别。

Description

一种基于金属磁记忆技术的管道缺陷类型识别方法

技术领域

本发明涉及一种管道缺陷检测领域，尤其涉及一种基于金属磁记忆技术的管道缺陷类型识别方法。

背景技术

油气管道的安全运行是保障油田生产的重中之重，石油行业非常重视油气管道的安全运行。已有的研究表明：应力腐蚀是主要的管道隐患，是导致管道失效和管道事故的重要因素之一。开展管道应力腐蚀检测是油气输送管道隐患整治之前的一项重要的任务和研究课题，是管道隐患整治的基础工作，对于管道隐患整治以及防止管道破裂事故等都具有重要的指导意义。

本发明专利的研究对象是穿越管道，主要指穿越河流和城区道路的管道，这类管道的管体损伤，由于巡查、检测不易发现，往往在发生事故时已有较大危害。对于穿越管道的检测往往比普通管道的检测更复杂。金属磁记忆技术是一种新型的无损检测技术，也是目前唯一行之有效的早期无损检测技术，可以实现腐蚀缺陷的检测和应力集中缺陷的早期预警，这是其它无损检测方法所不具备的功能，该技术无需磁化设备，也无需对被测工件进行特殊处理，可以在管道不停运的情况下对管道的各种运行隐患(宏观裂纹、微观缺陷、早期应力集中等)进行检测，可以替代超声波导技术实现长距离穿越管道腐蚀缺陷和应力集中缺陷的无损检测。

腐蚀和应力集中是目前油气管道的两种主要缺陷类型，腐蚀是在管道开挖后可以肉眼识别的铁磁性管道由于防腐层破损长期暴露在周围环境中所致的缺陷，定义为临近破坏的晚期缺陷类型；而应力集中是由于管道弯曲、形变或者是在焊缝连接处由于应力的变化而产生的肉眼无法识别的一种缺陷，定义为非临近破坏的早期缺陷类型。当管道存在腐蚀缺陷时，更易发生管道破裂事故，而长时间的应力集中也会最终导致管道的腐蚀，进而引发管道破裂事故，应力集中是一种早期的潜在管道安全隐患。对于管道的缺陷检测和管道安全运行而言，腐蚀缺陷的检测更为迫切。

金属磁记忆检测技术目前已被证实可以实现铁磁性材料应力集中的检测，而管道的腐蚀也会产生应力集中，属于较为明显的缺陷，和早期的应力集中有所区别，使用金属磁记忆技术可以检测到腐蚀造成的应力集中和其它原因造成的早期应力集中，在磁记忆信号上均表现为漏磁场信号的突变，目前，国内外尚未见利用金属磁记忆检测信号识别管道腐蚀和早期应力集中缺陷类型的研究报道，未见现有技术方案可以通过磁记忆检测信号实现腐蚀缺陷和应力集中缺陷的识别。

发明内容

本发明是针对现有技术所存在的不足，而提供了一种不需要开挖施工，在地面上就能对埋在地下的管路进行通过磁记忆检测信号实现腐蚀缺陷和应力集中缺陷的识别的一种基于金属磁记忆技术的管道缺陷类型识别方法。

为了实现上述目的，本发明进行了建模实验和验证实验，从而得到一套准确可行的检测和识别方法。

具体为，本发明为一种基于金属磁记忆技术的管道缺陷类型识别方法，包括如下步骤：

步骤1：用实验的方法，统计出能够区分管道腐蚀缺陷和应力集中缺陷的磁记忆数据特征；

步骤2：对管道进行磁记忆检测；

步骤3：对获取的数据进行降噪处理；

步骤4：对步骤3处理过的检测数据，与步骤1统计的区分数据特征进行匹配，从而区分出管道上缺陷哪一处是腐蚀缺陷，哪一处是应力集中缺陷，从而为管道的修护工作提供数据参考。

进一步地，所述步骤1的实验方法包括以下步骤：

步骤1.1：制作若干测试件，所述测试件设置有腐蚀缺陷处和应力集中缺陷处；

步骤1.2：对某个测试件进行了磁记忆检测实验，进行初步数据建模；

步骤1.3：用另外的测试件对步骤1.2的数据模型进行验证。

进一步地，所述步骤1.2包括以下步骤：

步骤1.2.1：首先对某个测试件进行了磁记忆检测实验；

步骤1.2.2：对获取的数据进行降噪处理；

步骤1.2.3：然后提取缺陷段的特征量，包括磁场强度、磁场梯度、磁场倾角，和测试件中设置的缺陷类型进行匹配，统计出对腐蚀缺陷和应力集中缺陷区分明显的数据特征，进行初步建模。

其中，为了实现腐蚀缺陷和应力集中缺陷的识别，设计并制作了测试件，测试件上均包含了需要识别的两种类型的缺陷，包括连续的圆孔腐蚀缺陷，和90°直角弯应力集中缺陷。

进一步地，步骤1.2.1对用于建模的所述测试件进行沿轴向(X)、水平径向(Y)和垂直径向(Z)的十一个特征量数据进行检测，分别为：磁场强度的平均值、最大值和最小值，磁场梯度的平均值、最大值、最小值、大于平均值出现的频率、大于最大值0.8倍出现的频率，磁场倾角的平均值、最大值和最小值。

漏磁场信号是地磁场在管体缺陷处产生的微弱信号，获取的信号是磁场强度信号(HP)，单位是A/m。金属磁记忆检测仪共4个探头(1号-4号探头)，每个探头3个分量(X分量，Y分量，Z分量)，分量和符号对应关系如下表：

表1 磁记忆信号分量与符号关系

分量	符号	分量	符号
				1X	HP1	3X	HP7
1Y	HP2	3Y	HP8
				1Z	HP3	3Z	HP9
2X	HP4	4X	HP10
				2Y	HP5	4Y	HP11
2Z	HP6	4Z	HP12

该信号表征磁场信号的强度，经过一定的变换得到的特征量可用于缺陷类型的识别。磁场梯度用于表征磁场强度信号的变化率，信号波动的程度，是金属磁记忆检测管道应力集中的常用特征量，其计算公式如下：

G＝(HPmax-HPmin)/d

其中：HPmax表示连续4点采样磁场强度最大值；HPmin表示连续4点采样磁场强度最小值；d表示4采样点对应的检测距离。

磁场倾角用于表征磁场强度信号变化的快慢，是金属磁记忆检测管道应力集中的特征量，其计算公式如下：

A＝arctan[(HP4-HP1)/d]

其中：HP4表示第4点采样磁场强度；HP1表示第1点采样磁场强度；d表示4采样点对应的检测距离。

进一步地，根据步骤1.2.3针对用于建模的所述测试件批处理实验数据，提取特征量，与实验记录下的缺陷类型匹配，构成建模数据集，最终发现沿轴向(X)的磁场强度的平均值、最大值、最小值3个特征量比较敏感，以及沿水平径向的磁场强度的最大值、最小值2个特征量也比较敏感，可实现两种类型缺陷的识别，从而建立利用特征量的阈值对这两种类型的缺陷进行区分数据模型。

表2 两种缺陷磁场强度平均值阈值范围

表3 两种缺陷磁场强度最大值阈值范围

表4 两种缺陷磁场强度最小值阈值范围

根据测试结果，最终选择了1X，3X，4X分量磁场强度平均值和1X，3Y分量磁场强度最大值、最小值作为特征量，其敏感度较好。因而认为沿轴向(X)的磁场强度的平均值、最大值、最小值3个特征量比较敏感，以及沿水平径向的磁场强度的最大值、最小值2个特征量也比较敏感，可实现两种类型缺陷的识别，从而建立利用特征量的阈值对这两种类型的缺陷进行区分数据模型。

进一步地，步骤1.3：用另外的测试件对步骤1.2.3的数据模型进行验证，验证结果符合步骤1.2.3的结果。

考虑到实验过程和数据处理的误差影响，将磁场强度阈值下限减0.5，上限加0.5。建立的管道腐蚀缺陷和应力集中缺陷识别方法(阈值方法)如下：

表5 缺陷类型识别方法

利用此方法，对待检测试件进行磁记忆检测实验，确定需要判断缺陷类型的数据段，利用本发明确定的方法即可实现缺陷类型的识别，要求有2分量的特征量位于相应的范围内即可判定为某种类型的缺陷。

选择另一测试件的实验数据进行了处理和验证，共处理了3号测试件12组工况的数据，以实验时记录的缺陷位置为依据提取了缺陷段的磁场强度数据，并计算了对应的磁场强度平均值、最大值和最小值，应用本发明建立的基于金属磁记忆技术的管道缺陷类型识别方法进行了缺陷类型的识别，与实验过程中记录的实际缺陷类型进行了比对，结果如下：

表6 验证测试件缺陷类型识别结果

以上结果中，加粗部分表示该分量的特征量落在了方法的阈值范围内，由结果可见：共检测了24个缺陷段的数据，缺陷类型正确识别24个，正确识别率为100％，缺陷类型识别的正确率较高。

其中，所采用的设备为俄罗斯动力诊断公司的TSC-3M-12应力集中磁检测仪，所采用的扫描装置为11-12W型埋地管道检测扫描装置。

TSC-3M-12应力集中磁检测仪是12通道仪器，在仪器性能和产品外观等方面具有很大的提高，同时拥有以下更优越结构和功能特点：多达12个测量通道；使用配备新型双向传感器，多个铁磁探测式转换器放置成二维空间式用来同时检测磁场的法向分量(Нру)和切向分量(Нрх)；数字电路、16位微处理器、1M内存；32MB存储空间，用于写入10-15天期间检测结果而无须将信息转入电脑；分辨率为320X240点阵的大屏幕液晶显示；45键专用键盘；能使用各种类型的扫描装置，扩展了它的应用领域；软件直接在仪器上自动处理结果；探头可以场强值和移动长度值，速度最大可达0.5米/秒；不要求对被检测对象进行专门的磁化，因为它利用了它们运行中形成的残余磁性；不要求对被检测表面作任何准备；在检测过程中能确定事先不知道的金属的应力集中和缺陷的部位；仪器能把数据记录到存储器，并可把数据转录入计算机中；配套提供分析软件MM-System，可在计算机上对数据作深入的处理。

所采用的11-12W型扫描装置包括以下特点：集成了三分量磁探测传感器和模-数转换器；12通道地下管道检测专用扫描装置；适合管径小于530mm的管道，用在地下2-3米深的油、气管道的无接触式磁测断；集成四个3分量传感器与模数转换器的专用的高灵敏度扫描装置，分辨率0.1A/M；分别测量磁场法向分量与两个切向分量；四个传感器按水平布置，每个传感器含三个测量通道；扫描装置设计成伸缩杆式，长度可调节，传感器间距、方向可调节，有扣紧装置，带计数器接口，杆长度和传感器之间的距离可依据被检测管道的直径进行调整，在检测时可使用外部计数器测量长度；11-12W型扫描装置还配置了测量轮，这个结构可以充分改善检测管道时应力集中区的探测精度，适合于在城市中的平坦道路上检测，该扫描装置既可以用带轮子的模式测量也可以取下来单独使用。

TSC-3M-12应力集中磁检测仪采用的软件MM-System用以处理金属磁记忆法取得的有关零件、设备和结构的应力形变状况的数据。用于应力集中检测数据的分析、处理。图像、数据列表输出。支持100个数据通道的文件，可调整步长、间距、检测长度。二维、三维、极坐标图形显示。可同时处理几条残余磁性分布曲线，能够管理曲线参数。根据残余磁性分布曲线(Hp曲线)，程序会自动形成梯度(Dx曲线)，表征出应力集中水平。据此，按照检测方法，可测定极限应力集中区(损坏发展区)。MM-System能处理应力集中检测仪采集到的数据，也能处理计算机键盘直接输入的数据。本程序也考虑到了可以编辑数据。可以在打印机上打出曲线图型，也可以生成图像文件或数据列表，以便在其他程序的帮助下作进一步处理。

本方案的有益效果可根据对上述方案的叙述得知，设计合理，本发明专利利用腐蚀缺陷和应力集中缺陷测试件(管道)实验获得的金属磁记忆检测数据，提取了腐蚀缺陷和应力集中缺陷下信号的特征量，建立了腐蚀缺陷和应力集中缺陷的识别方法，为管道腐蚀缺陷和应力集中缺陷的识别提供新的方法。充分发挥了金属磁记忆检测技术在管道缺陷预警方面的优势，实现临近破坏缺陷和早期缺陷的分阶段预警，提高我国金属磁记忆技术在油气管道缺陷检测和识别领域的应用水平，需要开展腐蚀缺陷和应力集中缺陷识别方法的研究，为穿越管道无损检测提供有价值的识别评价技术。

具体实施方式

为能清楚说明本方案的技术特点，下面通过具体实施方式，对本方案进行阐述。

选择了油田现场(东辛采油厂野外)一条是布满了肉眼明显可见的腐蚀缺陷的管道，另外一条是带有肉眼不可见的应力集中缺陷的慢弯管道。因更开始使用本方法，特地选择了裸露管，但是本方法所采用的仪器能够用于检测埋地管。应用本项目建立的管道缺陷类型识别方法进行了缺陷类型的识别，与实验过程中记录的实际缺陷类型进行了比对。

实施例一

分别选取一个缺陷段，组成一个假定的野外模型整体，分别识别缺陷段的缺陷类型，应力集中管道取[60-100cm]，腐蚀管道取[60-80cm]，结果如下：

表7 两条现场管道缺陷类型识别结果

实施例二

分别选取一个缺陷段，组成一个假定的野外模型整体，分别识别缺陷段的缺陷类型，应力集中管道取[160-200cm]，腐蚀管道取[180-200cm]，结果如下：

表8 两条现场管道缺陷类型识别结果

实施例三

分别选取一个缺陷段，组成一个假定的野外模型整体，分别识别缺陷段的缺陷类型，应力集中管道取[300-340cm]，腐蚀管道取[300-320cm]，结果如下：

表9 两条现场管道缺陷类型识别结果

实施例四

分别选取一个缺陷段，组成一个假定的野外模型整体，分别识别缺陷段的缺陷类型，应力集中管道取[380-420cm]，腐蚀管道取[360-380cm]，结果如下：

表10 两条现场管道缺陷类型识别结果

以上结果中，加粗部分表示该分量的特征量落在了方法的阈值范围内，验证结果表明：共检测了32个缺陷段的数据，缺陷类型正确识别28个，正确识别率为87.5％，缺陷类型识别的正确率较高。在油田现场环境，缺陷类型的识别率都达到了较高的水平，具备较好的修护工作参考价值。

本发明未经描述的技术特征能够通过或采用现有技术实现，在此不再赘述，当然，上述说明并非是对本发明的限制，本发明也并不仅限于上述举例，本技术领域的普通技术人员在本发明的实质范围内所做出的变化、改型、添加或替换，也应属于本发明的保护范围。

Claims (8)

1.一种基于金属磁记忆技术的管道缺陷类型识别方法，其特征在于，包括如下步骤：

步骤1：用实验的方法，统计出能够区分管道腐蚀缺陷和应力集中缺陷的磁记忆数据特征；

步骤2：对管道进行磁记忆检测；

步骤3：对获取的数据进行降噪处理；

步骤4：对步骤3处理过的检测数据，与步骤1统计的区分数据特征进行匹配，从而区分出管道上缺陷哪一处是腐蚀缺陷，哪一处是应力集中缺陷，从而为管道的修护工作提供数据参考。

2.根据权利要求1所述的基于金属磁记忆技术的管道缺陷类型识别方法，其特征在于，所述步骤1的实验方法包括以下步骤：

步骤1.1：制作若干测试件，所述测试件设置有腐蚀缺陷处和应力集中缺陷处；

步骤1.2：对某个测试件进行了磁记忆检测实验，进行初步数据建模；

步骤1.3：用另外的测试件对步骤1.2的数据模型进行验证。

3.根据权利要求2所述的基于金属磁记忆技术的管道缺陷类型识别方法，其特征在于，所述步骤1.2包括以下步骤：

步骤1.2.1：首先对某个测试件进行了磁记忆检测实验；

步骤1.2.2：对获取的数据进行降噪处理；

步骤1.2.3：然后提取缺陷段的特征量，包括磁场强度、磁场梯度、磁场倾角，和测试件中设置的缺陷类型进行匹配，统计出对腐蚀缺陷和应力集中缺陷区分明显的数据特征，进行初步建模。

4.根据权利要求3所述的基于金属磁记忆技术的管道缺陷类型识别方法，其特征在于，为了实现腐蚀缺陷和应力集中缺陷的识别，设计并制作了测试件，测试件上均包含了需要识别的两种类型的缺陷，包括连续的圆孔腐蚀缺陷，和90°直角弯应力集中缺陷。

5.根据权利要求4所述的基于金属磁记忆技术的管道缺陷类型识别方法，其特征在于，步骤1.2.1对用于建模的所述测试件进行沿轴向（X）、水平径向（Y）和垂直径向（Z）的十一个特征量数据进行检测，分别为：磁场强度的平均值、最大值和最小值，磁场梯度的平均值、最大值、最小值、大于平均值出现的频率、大于最大值0.8倍出现的频率，磁场倾角的平均值、最大值和最小值。

6.根据权利要求5所述的基于金属磁记忆技术的管道缺陷类型识别方法，其特征在于，根据步骤1.2.3针对用于建模的所述测试件批处理实验数据，提取特征量，与实验记录下的缺陷类型匹配，构成建模数据集，最终发现沿轴向（X）的磁场强度的平均值、最大值、最小值3个特征量比较敏感，以及沿水平径向的磁场强度的最大值、最小值2个特征量也比较敏感，可实现两种类型缺陷的识别，从而建立利用特征量的阈值对这两种类型的缺陷进行区分数据模型。

7.根据权利要求6所述的基于金属磁记忆技术的管道缺陷类型识别方法，其特征在于，步骤1.3：用另外的测试件对步骤1.2.3的数据模型进行验证，验证结果符合步骤1.2.3的结果。

8.根据权利要求1-7任一所述的基于金属磁记忆技术的管道缺陷类型识别方法，其特征在于，所采用的设备为俄罗斯动力诊断公司的TSC-3M-12应力集中磁检测仪，所采用的扫描装置为11-12W型埋地管道检测扫描装置。