CN112504969A - 基于分布式声传感的管道法兰焊缝健康检测装置及方法 - Google Patents

Abstract

本发明公开了基于分布式声传感的管道法兰焊缝健康检测装置及方法，涉及光纤传感光纤通信技术领域，包括如下步骤：（1）光纤分布式声传感系统与光缆连接，在清管器进行清管作业时获取清管器与管道法兰焊缝碰撞产生的振动信号；（2）给已知损伤的管道法兰焊缝的振动数据设置标签，作为训练集，训练一个人工神经网络分类模型；（3）经过训练后的人工神经网络分类模型可直接部署在实际工作场景中，根据管道各个位置法兰焊缝的振动数据判断出对应法兰焊缝是否存在损伤等异常情况。本发明安全性良好、不受电磁干扰、适用于恶劣环境、检测距离可达100km以上，只需要训练一次模型，便可长久部署。

Description

基于分布式声传感的管道法兰焊缝健康检测装置及方法

技术领域

本发明涉及光纤传感光纤通信领域，更具体的是涉及基于分布式声传感的管道法兰焊缝健康检测装置及方法技术领域。

背景技术

石油和天然气作为重要的物资能源，影响着各行业的发展。管道作为一种经济、高效的运输方式，已成为石油和天然气的主要运输方式。但是随着服役时间的推移，在管线老化、管道腐蚀以及管道沉降等因素影响下，管道结构会发生损伤，容易造成管道泄漏事故，进一步导致资源浪费和环境污染，甚至会引起火灾、爆炸、人员伤亡等事故。特别是管道的法兰焊缝区域，由于受焊接影响，其韧性与塑性较差，是管道整体的最薄弱处。相比管道其它部位，法兰焊接部位最容易出现缺陷和变形等损伤，其也是最容易发生管道事故的部位。因此，对管道法兰焊缝的结构健康检测十分重要。

现有的管道结构健康检测技术方案有超声检测、漏磁检测和涡流检测等。这些方法的缺点是都只能通过检测管壁结构是否平整来判断管道的结构健康状况，所以这些方法只能检测管道中段管壁的结构健康，无法用于检测本来就不平整的管道法兰焊缝的结构健康。

发明内容

本发明的目的在于：为了解决现有管道结构健康检测技术无法检测管道法兰焊缝结构健康的技术问题，本发明提供一种基于分布式声传感的管道法兰焊缝健康检测装置及方法。

本发明为了实现上述目的具体采用以下技术方案：

基于分布式声传感的管道法兰焊缝健康检测装置，包括光纤分布式声传感系统，光纤分布式声传感系统包括光纤分布式声传感系统主机和与其连接的光纤,光纤沿管道轴向设置在管道外部且与管道同沟敷设，管道的法兰连接处存在法兰焊缝，所述管道内设置有用于管道清管检查的清管器。

清管器在清管过程中经过管道法兰的环形焊缝时，会与法兰焊缝不平整的部位撞击产生强烈振动，光纤检测到振动信号传给光纤分布式声传感系统，光纤分布式声传感系统获得振动的时间、位置和强度信息。

进一步地，光纤分布式声传感系统主机包括窄线宽激光源、声光调制器、第一掺铒光纤放大器、第一密集型波分复用器、环形器、拉曼泵浦、波分复用器、第二密集型波分复用器、第二掺铒光纤放大器、第三密集型波分复用器、3dB耦合器、长20m的光纤、3×3耦合器、光电探测器、AD转换器、FPGA、PCIe端口、脉冲发生器、声光调制器驱动、上位机；

所述窄线宽激光源、声光调制器、第一掺铒光纤放大器、第一密集型波分复用器、环形器、波分复用器和拉曼泵浦依次信号连接；波分复用器与光纤连接，环形器还通过信号依次连接第二密集型波分复用器、第二掺铒光纤放大器、第三密集型波分复用器、3dB耦合器、长20m的光纤、3×3耦合器、光电探测器、AD转换器、FPGA、 PCIe端口和上位机，FPGA通过依次信号连接的脉冲发生器、声光调制器驱动与声光调制器信号连接。

窄线宽激光源发射的光信号依次经过声光调制器、第一掺铒光纤放大器、第一密集型波分复用器、环形器达到波分复用器，拉曼泵浦补偿波分复用器从环形器接收到的脉冲光，波分复用器将补偿后的脉冲光发射给光纤，并接收反射回的瑞利光；

反射回的瑞利光依次经过波分复用器、第二密集型波分复用器、第二掺铒光纤放大器、第三密集型波分复用器、3dB耦合器、20m光纤、3×3耦合器、光电探测器、AD转换器、FPGA、PCIe端口到达上位机，上位机用于对信号进行处理，获得清管器与管道的法兰焊缝碰撞产生的振动信号的信息，确定法兰焊缝的结构，所述声光调制器由FPGA的通用输入/输出端口产生一个TTL脉冲序列来驱动。

所述窄线宽激光源用于发射连续光并输出给声光调制器；

所述声光调制器用于将上述连续光调制成脉冲信号，输出给第一掺铒光纤放大器；

所述FPGA的通用输入/输出端口用于控制脉冲发生器产生TTL脉冲序列输出给声光调制器驱动，然后驱动所述声光调制器；

所述第一掺铒光纤放大器用于对所述光脉冲信号进行放大，输出给第一密集型波分复用器；

所述第一密集型波分复用器用于对所述光脉冲信号进行滤波，输出给环形器；

所述环形器发出的脉冲光与拉曼泵浦中的光经过波分复用器将脉冲光发射到传感光纤中，光在光纤中发生瑞利散射后，接收反射回的瑞利光，输出给第二密集型波分复用器进行滤波，随后输出给第二掺铒光纤放大器进行放大，放大后再输出给第三密集型波分复用器进行滤波；

所述拉曼泵浦用于补偿探测脉冲和瑞利散射光的损失，提高分布式声传感系统的灵敏度和传感范围；

所述3dB耦合器用于接收第三密集型波分复用器滤波后的脉冲光，经长20m的光纤后传输给3×3耦合器，处理后输出给光电探测器；

所述光电探测器用于将所述光信号转换为模拟电信号，输出给AD转换器；

所述AD转换器用于将光电探测器输出的模拟电信号转换为数字信号；随后所述PCIe端口用于将信号传输给上位机。

进一步地，光纤内的光纤为单模光纤。

基于分布式声传感的管道法兰焊缝健康检测方法，采用所述的基于分布式声传感的管道法兰焊缝健康检测装置，包括如下步骤：

步骤1、在清管器进行清管作业时，清管器与管道法兰焊缝不平整部位碰撞产生强烈振动，光纤分布式声传感系统主机与光纤连接用以获取清管器与管道法兰焊缝碰撞产生的振动信号，再结合其已知清管器的实时位置，便可判断出该法兰的位置，随后将光纤在该位置处采集的前后长度为Tw的时间范围内的信号提取出来并保存；

步骤2、结合人工巡检的结果，给已知损伤的管道法兰焊缝与清管器碰撞产生的振动数据设置标签，作为训练集，训练一个自定义的人工神经网络分类模型；

步骤3、将训练好的分类模型直接部署在光纤分布式声传感系统中，根据步骤1的方法提取出清管器与管道不同位置的法兰焊缝碰撞产生的信号应用长度为Tw的滑动时间窗口，然后将滑动时间窗口中的信号直接输入到人工神经网络分类模型中进行分类预测，识别出对应位置的法兰焊缝结构是否健康。

进一步地，步骤2中，人工神经网络分类模型的训练具体过程如下：

a、将整条光纤上采集到的不同位置信号分别存储到不同的一维数组中，将不同位置的信号分开处理，这样每个位置便对应一个一维的振动强度信号;

b、对每个位置的信号应用长度为Tw的滑动时间窗口，接着设置阈值滤除低振动强度的窗口，剔除背景信号，保留清管器与管道不同位置的法兰焊缝碰撞产生的振动信号窗口;

c、结合巡检的结果，给已知损伤的管道法兰焊缝与清管器碰撞产生的振动数据设置标签，并将其作为训练集，随后训练一个自定义的人工神经网络分类模型。

训练后的人工神经网络分类模型可直接部署在实际工作场景中，根据管道各个位置法兰焊缝的振动数据判断出对应法兰焊缝是否存在损伤等异常情况。

本发明的有益效果如下：

1、光纤分布式声传感系统只需利用管道旁已有的通信光纤便可实现法兰焊缝的结构健康检测，经济性好。

2、光纤分布式声传感系统具有良好的安全性，不受电磁干扰的影响，使用寿命长，可以在恶劣环境下正常工作。

3、光纤分布式声传感系统是全分布式的，检测距离可达100km以上，利用一条通信光纤便可检测整条管道上的所有法兰焊缝的结构健康。

4、本发明解决了管道法兰结构健康难以检测的问题，通过对管道法兰焊缝的振动信号进行分析，只需要训练一次模型，便可长久部署，根据振动信号直接判断出管道法兰焊缝是否存在缺陷、裂痕、变形以及松脱等各种异常情况。

附图说明

图1为本发明实例提供的基于分布式声传感的管道法兰焊缝结构健康检装置的结构示意图；

图2为实施例提供的光纤分布式声传感系统主机的结构图。

图3为本发明实例在某一个结构损伤法兰处采集到的对应振动信号。

图4为本发明实例在某一个结构健康法兰处采集到的对应振动信号。

附图标记： 101-光纤分布式声传感系统主机，102-光纤，103-管道，104-清管器，105-法兰焊缝，201-窄线宽激光源、202-声光调制器、203-第一掺铒光纤放大器、204-第一密集型波分复用器、205-环形器、206-拉曼泵浦、207-波分复用器、208-第二密集型波分复用器、209-第二掺铒光纤放大器、210-第三密集型波分复用器、211-3dB耦合器、212-长20m的光纤、213-3×3耦合器、214-光电探测器、215-AD转换器、216-PCIe端口、217-FPGA、218-脉冲发生器、219-声光调制器驱动、220-上位机。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。此外，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

在本发明实施方式的描述中，需要说明的是，术语“内”、“外”、“上”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该发明产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

实施例1

如图1所述，本实施例提供了基于分布式声传感的管道法兰焊缝健康检测装置，光纤分布式声传感系统主机101和与其连接的光纤102,光纤102沿管道103轴向铺设于管道103外壁，所述管道103内设置有能够往复运动的清管器104，通过法兰连接的管道的连接处存在法兰焊缝105。

本实施例中利用了光纤分布式声传感系统主机101和光纤102。所述光纤与管道103同沟敷设。

所述光纤分布式声传感系统主机101与光纤102连接，用于将脉冲光注入光纤102中，并对光纤102中反射回来的瑞利散射光进行处理，获得光纤102各个位置的振动信号。

清管器104经过管道的法兰焊缝105时，由于法兰焊缝105的不平整性，清管器104会与法兰焊缝105撞击产生强烈振动。所述振动会影响到与管道103旁边的光纤102。光纤分布式声传感系统主机101便可以采集到所述振动信号，获得所述振动的时间、位置和强度信息。

图2为本发明实施例提供的光纤分布式声传感系统主机的结构图。所述光纤分布式声传感系统主机101包括窄线宽激光源201、声光调制器202、第一掺铒光纤放大器203、第一密集型波分复用器204、环形器205、拉曼泵浦206、波分复用器207、第二密集型波分复用器208、第二掺铒光纤放大器209、第三密集型波分复用器210、3dB耦合器211、长20m的光纤212、3×3耦合器213、光电探测器214、AD转换器215、PCIe端口216、FPGA217、脉冲发生器218、声光调制器驱动219、上位机220，该分布式声传感系统的时间采样频率为488Hz；

所述窄线宽激光源201用于发射连续光给声光调制器202；随后所述声光调制器202用于将上述连续光调制成脉冲信号，输出给第一掺铒光纤放大器203；

所述FPGA217通用输入/输出端口用于控制脉冲发生器218产生周期为0.512ms、宽度为100ns的TTL脉冲序列输出给声光调制器驱动219，然后驱动所述声光调制器202；

所述第一掺铒光纤放大器203用于对所述光脉冲信号进行放大，输出给第一密集型波分复用器204；随后所述第一密集型波分复用器204用于对所述光脉冲信号进行滤波，输出给环形器205，其中第一密集型波分复用器204的带宽为100G；

所述环形器205发出的脉冲光与拉曼泵浦206中的光经过波分复用器207将脉冲光发射到传感光纤中，光在光纤中发生瑞利散射后，接收反射回的瑞利光，输出给第二密集型波分复用器208进行滤波，随后输出给第二掺铒光纤放大器209进行放大，放大后再输出给第三密集型波分复用器210进行滤波，其中第二密集型波分复用器208和第三密集型波分复用器210的带宽为100G；

所述拉曼泵浦206用于补偿探测脉冲和瑞利散射光的损失，提高分布式声传感系统的灵敏度和传感范围；

所述3dB耦合器211用于接收第三密集型波分复用器210滤波后的脉冲光，经长20m的光纤212后传输给3×3耦合器213，最后输出给光电探测器214；

所述光电探测器214用于将所述光信号转换为模拟电信号，输出给AD转换器215；

所述AD转换器215为12位转换器，最大采样速率65MSps，用于将光电探测器214输出的模拟电信号转换为数字信号；随后所述PCIe端口216用于将信号传输给上位机220；

所述上位机220对信号进行处理与分析，利用清管器与管道的法兰焊缝碰撞产生的振动信号的信息，确定法兰焊缝的结构健康。

实施例2

基于分布式声传感的管道法兰焊缝健康检测方法，采用权利要求1所述的基于分布式声传感的管道法兰焊缝健康检测装置，包括如下步骤：

步骤1、在清管器进行清管作业时，清管器与管道法兰焊缝不平整部位碰撞产生强烈振动，光纤分布式声传感系统主机与光纤连接用以获取清管器与管道法兰焊缝碰撞产生的振动信号，再结合其已知清管器的实时位置，便可判断出该法兰的位置，随后将光纤在该位置处采集的前后长度为Tw的时间范围内的信号提取出来并保存；

步骤2、结合人工巡检的结果，给已知损伤的管道法兰焊缝与清管器碰撞产生的振动数据设置标签，作为训练集，训练一个自定义的人工神经网络分类模型；

步骤3、将训练好的分类模型直接部署在光纤分布式声传感系统中，根据步骤1的方法提取出清管器与管道不同位置的法兰焊缝碰撞产生的信号应用长度为Tw的滑动时间窗口，然后将滑动时间窗口中的信号直接输入到人工神经网络分类模型中进行分类预测，识别出对应位置的法兰焊缝结构是否健康。

进一步地，步骤2中，人工神经网络分类模型的训练具体过程如下：

a、将整条光纤上采集到的不同位置信号分别存储到不同的一维数组中，将不同位置的信号分开处理，这样每个位置便对应一个一维的振动强度信号;

b、对每个位置的信号应用长度为Tw的滑动时间窗口，接着设置阈值滤除低振动强度的窗口，剔除背景信号，保留清管器与管道不同位置的法兰焊缝碰撞产生的振动信号窗口;

c、结合巡检的结果，给已知损伤的管道法兰焊缝与清管器碰撞产生的振动数据设置标签，并将其作为训练集，随后训练一个自定义的人工神经网络分类模型。

训练后的人工神经网络分类模型可直接部署在实际工作场景中，根据管道各个位置法兰焊缝的振动数据判断出对应法兰焊缝是否存在损伤等异常情况。

本实施例汇总，所述上位机220对信号进行处理与分析，首先进行人工神经网络模型的训练，具体过程如下：一、当清管器通过管道法兰时，会与其焊缝碰撞产生强烈振动。光纤分布式声传感系统检测到该信号后，再结合其它技术手段获取的已知清管器的实时位置，便可判断出该法兰的位置。随后将光纤在该位置处采集的前后长度为T _W 的时间范围内的信号X(t)提取出来并保存，如附图3和附图4所示，附图3和附图4分别为某一个结构损伤法兰和结构健康法兰处采集到的对应振动信号，其中横轴表示的是时间采样点，纵轴表示的是采集到的信号强度值，由于本次测试的分布式声传感系统时间采样频率被设置为488Hz，所以附图3和附图4表示的是采集到的接近2秒的数据；二、结合人工巡检的结果，给已知损伤的管道法兰焊缝与清管器碰撞产生的振动数据设置标签，并将其作为训练集，训练一个自定义的人工神经网络分类模型；

所述上位机220具体应用所述人工神经网络分类模型过程如下：一、提取出清管器与管道不同位置的法兰焊缝碰撞产生的振动信号窗口。二、将窗口中的信号直接输入到人工神经网络模型中进行分类预测，识别出对应位置的法兰焊缝结构是否健康。

Claims (5)

1.基于分布式声传感的管道法兰焊缝健康检测装置，其特征在于，包括光纤分布式声传感系统，光纤分布式声传感系统包括光纤分布式声传感系统主机和与其连接的光纤,光纤沿管道轴向设置在管道外部且与管道同沟敷设，管道的法兰连接处存在法兰焊缝，所述管道内设置有用于管道清管检查的清管器。

2.根据权利要求1所述的基于分布式声传感的管道法兰焊缝健康检测装置，其特征在于，光纤分布式声传感系统主机包括窄线宽激光源、声光调制器、第一掺铒光纤放大器、第一密集型波分复用器、环形器、拉曼泵浦、波分复用器、第二密集型波分复用器、第二掺铒光纤放大器、第三密集型波分复用器、3dB耦合器、长20m的光纤、3×3耦合器、光电探测器、AD转换器、FPGA、PCIe端口、脉冲发生器、声光调制器驱动、上位机；

所述窄线宽激光源、声光调制器、第一掺铒光纤放大器、第一密集型波分复用器、环形器、波分复用器和拉曼泵浦依次信号连接；波分复用器与光纤连接，环形器还通过信号依次连接第二密集型波分复用器、第二掺铒光纤放大器、第三密集型波分复用器、3dB耦合器、长20m的光纤、3×3耦合器、光电探测器、AD转换器、FPGA、 PCIe端口和上位机，FPGA通过依次信号连接的脉冲发生器、声光调制器驱动与声光调制器信号连接。

3.根据权利要求1或2所述的基于分布式声传感的管道法兰焊缝健康检测装置，其特征在于，所述光纤为单模光纤。

4.基于分布式声传感的管道法兰焊缝健康检测方法，其特征在于，采用权利要求1所述的基于分布式声传感的管道法兰焊缝健康检测装置，包括如下步骤：

步骤1、在清管器进行清管作业时，清管器与管道法兰焊缝不平整部位碰撞产生强烈振动，光纤分布式声传感系统主机与光纤连接用以获取清管器与管道法兰焊缝碰撞产生的振动信号，再结合其已知清管器的实时位置，便可判断出该法兰的位置，随后将光纤在该位置处采集的前后长度为Tw的时间范围内的信号提取出来并保存；

步骤2、结合人工巡检的结果，给已知损伤的管道法兰焊缝与清管器碰撞产生的振动数据设置标签，作为训练集，训练一个自定义的人工神经网络分类模型；

步骤3、将训练好的分类模型直接部署在光纤分布式声传感系统中，根据步骤1的方法提取出清管器与管道不同位置的法兰焊缝碰撞产生的信号应用长度为Tw的滑动时间窗口，然后将滑动时间窗口中的信号直接输入到人工神经网络分类模型中进行分类预测，识别出对应位置的法兰焊缝结构是否健康。

5.根据权利要求4所述的基于分布式声传感的管道法兰焊缝健康检测方法，其特征在于，步骤2中，人工神经网络分类模型的训练具体过程如下：

a、将整条光纤上采集到的不同位置信号分别存储到不同的一维数组中，将不同位置的信号分开处理，这样每个位置便对应一个一维的振动强度信号;

b、对每个位置的信号应用长度为Tw的滑动时间窗口，接着设置阈值滤除低振动强度的窗口，剔除背景信号，保留清管器与管道不同位置的法兰焊缝碰撞产生的振动信号窗口;

c、结合巡检的结果，给已知损伤的管道法兰焊缝与清管器碰撞产生的振动数据设置标签，并将其作为训练集，随后训练一个自定义的人工神经网络分类模型。

Images