毛瑞麒1 饒連濤1 劉覺(jué)非2 蘇林2 成文峰2 徐杰1

1.中國礦業(yè)大學(xué) 材料與物理學(xué)院；

2.國家管網(wǎng)集團東部原油儲運公司管道檢驗檢測中心

摘要：基于漏磁檢測技術(shù)基本原理，采用有限元方法對管道腐蝕凹坑的漏磁場(chǎng)進(jìn)行了仿真模擬，得到不同提離值下的磁通密度徑向分量峰值，基于L-M擬合分析獲得了擬合參量，同時(shí)運用BP神經(jīng)網(wǎng)絡(luò )算法，構建了缺陷參數和擬合參量之間的關(guān)系。結果表明：相同提離值下，隨凹坑直徑減小或深度增加，漏磁信號均增大，且直徑越小，深度越大，漏磁信號衰減速率越快。BP神經(jīng)網(wǎng)絡(luò )可以很好地構建擬合參量與缺陷參數之間的映射關(guān)系，從而為缺陷量化分析提供了新的思路。

關(guān)鍵詞：漏磁信號；提離值；指數擬合；擬合參量；BP神經(jīng)網(wǎng)絡(luò )算法

漏磁檢測是管道無(wú)損檢測最常見(jiàn)的方法之一，具有對管道內環(huán)境要求不高、無(wú)需耦合、價(jià)格低廉等優(yōu)點(diǎn)[1,2]。但管道缺陷量化分析是目前漏磁檢測技術(shù)的難點(diǎn)，只有保證對缺陷參數的精確量化，才能對管道的安全性進(jìn)行準確評估[3]。

本文基于管道漏磁檢測技術(shù)基本原理，采用有限元方法，針對不同尺寸腐蝕凹坑缺陷的漏磁場(chǎng)進(jìn)行三維建模與仿真模擬，通過(guò)提取不同提離值下磁通密度徑向分量峰值并進(jìn)行L-M擬合分析，同時(shí)，采用BP神經(jīng)網(wǎng)絡(luò )算法構建缺陷參數與擬合參量之間的映射關(guān)系，從而進(jìn)行缺陷量化分析。

1  漏磁檢測基本原理及有限元模型

1.1  漏磁檢測基本原理

圖 1給出了漏磁檢測基本原理示意圖[4,5]：磁化器中的永磁鐵產(chǎn)生磁場(chǎng)，并通過(guò)極靴、銜鐵和管道形成完整的磁回路。由于管材的磁導率遠大于空氣，當管壁無(wú)缺陷時(shí)，通過(guò)管道的磁感線(xiàn)大多被約束在管壁內部。而當管道出現凹坑、裂紋等切割磁力線(xiàn)的缺陷時(shí)，由于缺陷處磁阻遠遠大于管材，會(huì )使部分磁感線(xiàn)從管壁漏出，形成漏磁場(chǎng)，可被管道上方的磁敏感傳感器接收，通過(guò)檢測到的相關(guān)信號的變化，可對缺陷的幾何特征及位置進(jìn)行分析與判別。

圖 1 漏磁檢測基本原理示意圖

1.2  漏磁檢測有限元模型

采用COMSOL軟件來(lái)模擬漏磁檢測過(guò)程，結合文獻[6,7]中的研究和實(shí)際檢測裝置，建立了如圖 2所示的有限元模型及網(wǎng)格劃分。為簡(jiǎn)化模型，這里采用平板代替管子，并在外圍構建空氣罩模擬磁場(chǎng)在空氣中的分布情況。缺陷Ω采用半橢球凹坑來(lái)表征，缺陷參數分別為凹坑直徑L和凹坑深度D，即一個(gè)管道缺陷可表示為Ω（D， L）。表 1給出了模型中各部件材料屬性、磁化方式以及邊界條件定義。

（a）有限元幾何模型

（b）有限元網(wǎng)格劃分
圖 2 凹坑缺陷模型及網(wǎng)格劃分

表 1 模型各部件材料屬性及邊界條件

2  基于L-M優(yōu)化的Bx_max-H指數擬合

2.1  漏磁信號隨提離值的衰減規律

在實(shí)際檢測過(guò)程中，由于管壁的腐蝕、剝落以及檢測裝置行進(jìn)時(shí)自身產(chǎn)生的振動(dòng)等因素，常會(huì )導致傳感器提離值發(fā)生變化，從而對檢測結果造成較大的影響。為研究提離值對漏磁信號的影響規律，針對直徑30 mm、深度5 mm的缺陷漏磁場(chǎng)分布特征進(jìn)行仿真模擬，得到不同提離值下磁通密度徑向分量分布曲線(xiàn)，如圖 3所示。同時(shí)，提取圖 3中徑向分量峰值Bx_max，并繪制得到Bx_max隨提離值高度H的變化曲線(xiàn)，如圖 4所示。

圖 3 不同提離值下磁通密度徑向分量分布曲線(xiàn)

圖 4 不同提離值時(shí)磁通密度徑向分量的峰值

從圖 3可以看出，隨著(zhù)提離值的增高，磁通密度徑向分量明顯降低。這是由于空氣中磁阻較大，磁力線(xiàn)趨向于從磁阻小的管壁內通過(guò)，提離值越高，距離管壁越遠，磁力線(xiàn)分布越稀疏，故而磁通密度越小。同時(shí)，由圖 4結果可以看出：磁通密度徑向分量峰值（取值方法如圖 3所示）隨提離值增高呈非線(xiàn)性衰減趨勢，且在提離值較低時(shí)，衰減速率較快，隨提離值增高，衰減速率逐漸變緩，該結果與文獻[8]中的結果是一致的。

2.2  基于L-M優(yōu)化的Bx_max-H指數擬合

采用指數函數y＝α1+α2eα3χ對不同缺陷的Bx_max-H的衰減規律進(jìn)行擬合分析。同時(shí)，由于L-M算法是一種利用梯度求最值的最優(yōu)化算法，因此，采用L-M優(yōu)化的迭代最小二乘法來(lái)估計不同缺陷參數下的擬合參量α1、α2和α3的值，得到Bx_max-H關(guān)系曲線(xiàn)及其擬合結果（部分）如圖 5所示，可見(jiàn)，曲線(xiàn)整體擬合結果非常好。

圖 5 Bx _max-H關(guān)系圖及其指數擬合曲線(xiàn)（部分）

3  基于BP神經(jīng)網(wǎng)絡(luò )算法的缺陷反演

3.1  BP神經(jīng)網(wǎng)絡(luò )算法基本原理

神經(jīng)網(wǎng)絡(luò )技術(shù)是近年來(lái)發(fā)展起來(lái)的一門(mén)交叉學(xué)科，其具有非線(xiàn)性映射、分布并行處理和自適應學(xué)習等特性，是一種具有三層或三層以上節點(diǎn)的單向傳播的多層前饋網(wǎng)絡(luò )[9]。其基本結構主要分為三層（圖 6）：輸入層、隱藏層和輸出層。每層具有n個(gè)節點(diǎn)，每個(gè)節點(diǎn)上的值將通過(guò)前一層各個(gè)節點(diǎn)的數據經(jīng)過(guò)加權求和以及非線(xiàn)性運算得到[10]。通過(guò)對比神經(jīng)網(wǎng)絡(luò )輸出層得到的預測值和真實(shí)值之間的差異，以最小誤差來(lái)反向更新每個(gè)連接的權重和偏向。每個(gè)訓練實(shí)例進(jìn)行一次該操作，當所有輸入的訓練實(shí)例使用完畢后，可得到一個(gè)誤差最小的權重和偏向，即一個(gè)訓練好的神經(jīng)網(wǎng)絡(luò )其實(shí)是一個(gè)權重和偏向全部更新完畢后的神經(jīng)網(wǎng)絡(luò )。文中分別將指數擬合和冪函數擬合的回歸系數作為輸入量，將缺陷參數（直徑L和深度D）作為輸出量，采用BP神經(jīng)網(wǎng)絡(luò )算法進(jìn)行訓練。

圖 6 神經(jīng)網(wǎng)絡(luò )基本結構

3.2  基于BP神經(jīng)網(wǎng)絡(luò )算法進(jìn)行缺陷量化分析的計算流程

缺陷量化分析指根據已知的漏磁信號分析缺陷的各項參數信息[11,12]，也稱(chēng)缺陷反演。通過(guò)以上分析可以看出，在磁化器和管壁厚確定的情況下，提離值衰減曲線(xiàn)的擬合方程系數和缺陷參數之間存在映射關(guān)系。即若已知提離值衰減曲線(xiàn)的系數，亦可反推出缺陷的相關(guān)參數，其計算流程如圖 7所示。

圖 7 基于BP神經(jīng)網(wǎng)絡(luò )進(jìn)行缺陷反演的計算流程

3.3  BP神經(jīng)網(wǎng)絡(luò )算法訓練及驗證

文中共對81組不同幾何參數缺陷的漏磁信號隨提離值增大的衰減曲線(xiàn)作為樣本進(jìn)行了計算，訓練完畢后對樣本組缺陷進(jìn)行反演，得到結果如圖 8所示。

（a）缺陷直徑反演結果

（b）缺陷深度反演結果

圖 8 基于神經(jīng)網(wǎng)絡(luò )算法的缺陷反演結果

圖 8中虛線(xiàn)表示缺陷的實(shí)際尺寸，樣本點(diǎn)表示通過(guò)神經(jīng)網(wǎng)絡(luò )算法進(jìn)行缺陷反演得到的缺陷尺寸。由結果可以看出，本文的反演方法可以準確地量化缺陷尺寸，相對誤差幾乎都在10%以下，絕大部分誤差在5%左右。同時(shí)，為進(jìn)一步驗證此反演方法的可靠性和準確性，本文隨機選取了5組缺陷帶入訓練結果進(jìn)行反演，得到結果如表 2所示�？梢�(jiàn)，本文提出的缺陷量化方法精確度較高，可為實(shí)際工程中缺陷反演提供新的思路和理論支持。

表 2 隨機缺陷反演分析驗證結果

4  結論

基于漏磁檢測技術(shù)原理，采用COMSOL軟件對腐蝕坑缺陷的漏磁信號特征進(jìn)行了仿真模擬，并基于L-M擬合和神經(jīng)網(wǎng)絡(luò )算法對缺陷進(jìn)行了量化分析，結果表明：

（1）凹坑直徑越小、深度越大，磁通密度徑向分量峰值 Bx_max隨提離值增高的衰減速率越快。

（2）指數擬合可以較好地表征磁通密度徑向分量峰值Bx_max隨提離值增高而衰減的變化趨勢。

（3）通過(guò)BP神經(jīng)網(wǎng)絡(luò )算法構建提離值衰減曲線(xiàn)的擬合參量與缺陷參數之間的關(guān)系，可對缺陷進(jìn)行準確預測，為實(shí)際工程中缺陷反演提供了一種新的方法。

 

參考文獻：

[1]S Miller, F Sander. Advances in feature identification using tri-axial MFL sensor technology[C]. Proceedings of Pipeline Technology Conference, Hannover Messe, Hannover, German, 2008.

[2]楊理踐，耿浩，高松巍.長(cháng)輸油氣管道漏磁內檢測技術(shù)[J]. 儀器儀表學(xué)報，2016，37(8)：1736-1746.

[3]蘇林，馬雪莉，成文峰. 管道漏磁內檢測量化方法研究[J]. 安全、健康和環(huán)境，2020，20(7)：35-37，43.

[4]曹輝，楊理踐，劉俊甫，等. 基于數據融合的小波變換漏磁異常邊緣檢測[J]. 儀器儀表學(xué)報，2019，40(12)：71-79.

[5]劉剛. 管道漏磁內檢測關(guān)鍵技術(shù)問(wèn)題研究[D]. 沈陽(yáng)：沈陽(yáng)工業(yè)大學(xué)，2010.

[6]蘇林，成文峰，劉保余. 管道環(huán)焊縫缺陷漏磁檢測信號仿真分析[J]. 焊接，2020(3)：10-16.

[7]毛瑞麒，馬夢(mèng)想，饒連濤，等. 管道環(huán)焊縫缺陷漏磁檢測仿真模擬[J]. 電焊機，2020，50(11)：28-36+143.

[8]李二龍. 基于提離值測量的鋼管漏磁檢測信號動(dòng)態(tài)補償方法[D]. 武漢：華中科技大學(xué)，2014.

[9]邱忠超，張衛民，張瑞蕾，等. 基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò )的微裂紋漏磁定量識別[J]. 東北大學(xué)學(xué)報(自然科學(xué)版)，2016，37(12)：1759-1763.

[10]張爭，馬杰，劉永智，等. 基于BP神經(jīng)網(wǎng)絡(luò )的隧洞圍巖參數反演[J]. 西北水電，2021(02)：55-58.

[11]劉斌，楊理踐. 長(cháng)輸油氣管道漏磁內檢測技術(shù)[M]. 北京：機械工業(yè)出版社，2017.

[12]李巖松，王麒翔，王敏壕，等. 漏磁檢測的混合正則化反演方法研究[J].電測與儀表，2020，57(21)：9-17.

 

作者簡(jiǎn)介：毛瑞麒，中國礦業(yè)大學(xué)材料與物理學(xué)院本科生，主要研究方向為管道漏磁檢測及有限元模擬。

通訊作者：徐杰，女，博士，副教授，主要從事金屬焊接結構斷裂、疲勞，管道檢驗檢測、管線(xiàn)鋼結構完整性評估和有限元數值模擬等方面的研究工作。聯(lián)系方式：15162158467，j.xu@cumt.edu.cn。