CN1258680C - 管道腐蚀缺陷类型识别方法 - Google Patents

Abstract

一种管道腐蚀缺陷类型识别方法，该方法将管道漏磁检测器检测到的磁信号数据按管道轴向排列成行，管道周向排列成列组成一个数据矩阵；用一个检测阈值对数据矩阵进行过滤，超过阈值的矩阵元素置1，低于阈值的矩阵元素置0，形成了一个二值化的新矩阵，并将新矩阵中包含矩阵元素为1的最小连通域构成新的子矩阵；每个子矩阵中包含一个管道腐蚀缺陷信息，其数据分布代表缺陷类型特征；然后再对得到的子矩阵分别处理，以确定其缺陷类型。本发明利用检测到的漏磁场分布特征，根据简单的算法和国际标准可实现对大量漏磁检测数据快速分类处理，最终给出管道的完整性评价，方法简单，效率高，具有较广阔的应用前景。

Description

管道腐蚀缺陷类型识别方法

技术领域

本发明涉及一种管道腐蚀漏磁检测数据分析处理方法，尤其涉及管道腐蚀缺陷类别识别方法。

背景技术

随着油气长输管道的大量使用和油气管道陆续进入高龄服役期，管道在传输介质作用下，会产生各种腐蚀缺陷，为了对管道进行合理维护并预防事故发生，减少因抢修事故造成的经济损失和环保等系列问题，较常用的方法是使用管道漏磁检测器对管道状态进行在线检测，通过分析管道漏磁检测器检测到的数据判断管道使用状况。一般情况下，管道漏磁检测器在管道内部一次检测距离在几十到几百公里之间，采集到的漏磁检测数据量是巨大的，这些检测数据都需要在检测完成之后进行分析处理，通常人工分析，往往借助于经验，效率较低，而且难于量化。

中国专利文献公开了一种“铸件内部缺陷自动分析识别装置及其分析识别方法”(公开号：1341908，公开日：2002.03.27)，该技术涉及识别铸件内部缺陷的方法。它利用对射线或CT检测图像用小波理论在空域上滤波，再选择合适的移动窗口，针对不同窗口内缺陷缩孔所占的面积来对不同缺陷进行分类的小波分析算法。该方法只能针对射线或CT检测的特有图像，并识别铸件中的铸造缺陷，不适合处理漏磁检测数据，识别腐蚀缺陷。中国专利文献还公开了一种“管道缺陷漏磁检测数据的分析方法”(公开号：1458442，公开日：2003.11.26)，该技术涉及一种能够提高各种钢制管道缺陷检测信号分析效率和定量分析精度的管道缺陷漏磁检测数据分析处理方法，通过显示数据云图，判断管道是否有缺陷，但该技术存在数据处理效率较低和不能进行管道缺陷分类的缺点。

发明内容

本发明的目的是提供一种管道腐蚀缺陷类型识别方法，该方法是利用检测到的漏磁场分布特征，根据简单的算法实现腐蚀缺陷的快速分类，为评价管道使用状态和管道维护提供依据。

本发明的技术方案如下：一种管道腐蚀缺陷类型识别方法，该方法按如下步骤进行：

1)将管道漏磁检测器检测到的磁信号数据按管道轴向排列成行，管道周向排列成列组成一个数据矩阵，并记录周向采样间距和轴向采样间距；

2)用一个检测阈值对数据矩阵进行过滤，超过阈值的矩阵元素置1，低于阈值的矩阵元素置0，形成了一个二值化的新矩阵，并将新矩阵中包含矩阵元素值为1的最小连通域构成新的子矩阵；每个子矩阵中包含一个管道腐蚀缺陷信息，其数据分布代表缺陷类型特征；检测阈值这样选取：取检测数据矩阵元素平均值的1.2倍作为检测阈值；

3)对步骤2)得到的子矩阵分别处理以确定其缺陷类型，具体是先逐行扫描子矩阵，找到元素值为1的最多的行，并将此行元素值为1的个数同管道轴向采样间距相乘作为缺陷的长度L；逐列扫描子矩阵，找到元素值为1的最多的列，并将此列元素值为1的个数同管道周向采用间距相乘作为缺陷的宽度W；

4)将步骤3)得到的缺陷长度L和宽度W同被测管道壁厚A比较，就可以确定此缺陷的类型：当W≥3A、且L≥3A时，确定为“一般腐蚀缺陷”；当1A≤W＜6A、1A≤L＜6A和0.5＜L/W＜2同时满足，并且，W和L不同时≥3A时，确定为“腐蚀坑缺陷”；当1A≤W＜3A，并且L/W≥2时，确定为“轴向凹沟”；当1A≤L＜3A，且L/W≤0.5时，确定为“周向凹沟”；当0＜W＜1A，且0＜L＜1A时，确定为“针孔缺陷”；当0＜W＜1A，且L≥1A时，确定为“轴向槽缺陷”；当0＜L＜1A，且W≥1A时，确定为“周向槽缺陷”。

本发明利用检测到的漏磁场分布特征，根据简单的算法和国际标准可实现对大量漏磁检测数据快速分类处理，最终给出管道的完整性评价，方法简单，效率高，具有较广阔的应用前景。

具体实施方式

下面结合实施例详细说明本发明的内容。

使用一种沿周向均匀分布100个检测探头的油气管道漏磁检测器对口径273mm、壁厚10mm的管道进行检测，检测器在管道内以4m/s的速度行进，共检测了10m长距离，检测器沿管道轴向各探头的采样间距为5mm。因此，通过检测得到的数据反映的是管道周向采样间距8.57mm、轴向采样间距5mm的数据矩阵，该矩阵有100行，每行有2000个数据，下图是检测得到的数据矩阵。

$\left(\begin{array}{cccccccccc}45& 56& 67& 55& 47& 48& 47& 46& & 46\\ 54& 68& 63& 64& 69& 65& 54& 52& & 47\\ 65& 69& 72& 65& 64& 68& 63& 51& .& 48\\ 66& 63& 68& 63& 62& 65& 61& 62& .& 42\\ 53& 54& 64& 52& 51& 52& 53& 53& .& 43\\ & & & .& .& .& & & & \\ 43& 45& 46& 43& 46& 48& 43& 42& & 45\end{array}\right)$

将该矩阵中所有元素取平均值，得到数据矩阵元素的平均值为50Gauss，因此，取检测阈值为60Guass，并用此阈值过滤数据矩阵，超过阈值的矩阵元素置1，低于阈值的矩阵元素置0，得到一个新矩阵，新矩阵见下图。

$\left(\begin{array}{cccccccccc}0& 0& 1& 0& 0& 0& 0& 0& & 0\\ 0& 1& 1& 1& 1& 1& 0& 0& & 0\\ 1& 1& 1& 1& 1& 1& 1& 0& .& 0\\ 1& 1& 1& 1& 1& 1& 1& 1& .& 0\\ 0& 0& 1& 0& 0& 0& 0& 0& .& 0\\ & & & .& .& .& & & & \\ 0& 0& 0& 0& 0& 0& 0& 0& & 0\end{array}\right)$

并将新矩阵中包含矩阵元素为1的最小连通域构成新的子矩阵，每个子矩阵数据包含一个管道腐蚀缺陷，下面是其中的一个子矩阵：

$\left(\begin{array}{cccccccc}0& 0& 1& 0& 0& 0& 0& 0\\ 0& 1& 1& 1& 1& 1& 0& 0\\ 1& 1& 1& 1& 1& 1& 1& 0\\ 1& 1& 1& 1& 1& 1& 1& 1\\ 0& 0& 1& 0& 0& 0& 0& 0\end{array}\right)$

逐行扫描子矩阵，找到元素1最多的行，在本例中是第四行，将第四行元素1的个数8同管道轴向采样间距5mm相乘作为缺陷的长度L，L＝40mm；逐列扫描子矩阵，找到元素1最多的列，在本例中是第三列，将第三列元素1的个数5同管道周向采样间距8.57mm相乘作为缺陷的宽度W，W＝42.85mm。将缺陷长度L、缺陷宽度W和管道壁厚A比较，发现W≥3A，并且，L≥3A，因此，可以确定此缺陷是“一般腐蚀缺陷”。

Claims (1)

1.一种管道腐蚀缺陷类型识别方法，其特征在于该方法按如下步骤进行：

1)将管道漏磁检测器检测到的磁信号数据按管道轴向排列成行，管道周向排列成列组成一个数据矩阵，并记录周向采样间距和轴向采样间距；

2)用一个检测阈值对数据矩阵进行过滤，超过阈值的矩阵元素置1，低于阈值的矩阵元素置0，形成了一个二值化的新矩阵，并将新矩阵中包含矩阵元素为1的最小连通域构成新的子矩阵；每个子矩阵中包含一个管道腐蚀缺陷信息，其数据分布代表缺陷类型特征；检测阈值可以这样选取：取检测数据矩阵元素平均值的1.2倍作为检测阈值；

3)对步骤2)得到的子矩阵分别处理以确定其缺陷类型，具体是先逐行扫描子矩阵，找到元素值为1的最多的行，并将此行元素值为1的个数同管道轴向采样间距相乘作为缺陷的长度L；逐列扫描子矩阵，找到元素值为1的最多的列，并将此列元素值为1的个数同管道周向采样间距相乘作为缺陷的宽度W；

4)将步骤3)得到的缺陷长度L和宽度W同被测管道壁厚A比较，就可以确定此缺陷的类型：当W≥3A、且L≥3A时，为“一般腐蚀缺陷”；当1A≤W＜6A、1A≤L＜6A和0.5＜L/W＜2同时满足，并且，W和L不同时≥3A时，为“腐蚀坑缺陷”；当1A≤W＜3A，并且L/W≥2时，为“轴向凹沟”；当1A≤L＜3A，且L/W≤0.5时，为“周向凹沟”；当0＜W＜1A，且0＜L＜1A时，为“针孔缺陷”；当0＜W＜1A，且L≥1A时，为“轴向槽缺陷”；当0＜L＜1A，且W≥1A时，为“周向槽缺陷”。