基于支持向量机和磁记忆技术的管道缺陷分类方法

摘要

本发明属于管道缺陷检测技术领域，尤其涉及一种基于支持向量机和磁记忆技术的管道缺陷分类方法。该基于支持向量机和磁记忆技术的管道缺陷分类方法可实现对腐蚀缺陷以及应力集中缺陷的有效识别，识别结果准确可靠、正确率高，在油田现场具有良好的应用效果，为提高管道缺陷的检测效率提供了帮助。本发明提供了一种基于支持向量机和磁记忆技术的管道缺陷分类方法，该基于支持向量机和磁记忆技术的管道缺陷分类方法包括有制作管道测试件；扫描管道测试件，得到管道测试件中多个检测通道的磁记忆信号；分析并提取各检测通道的形态特征量以及各检测通道的时域特征量；构建形成多个支持向量机的管道缺陷识别模型等步骤。

说明书

技术领域

该发明属于管道缺陷检测技术领域，尤其涉及一种基于支持向量机和磁记忆技术的管道缺陷分类方法。

背景技术

油气输送管道在其使用过程中受自身质量以及外界环境的影响，会产生多种类型的管道缺陷。这些缺陷大致可以分为两类：腐蚀缺陷和应力集中缺陷。其中，腐蚀缺陷是肉眼明显可见的一种临近破坏的缺陷类型，而应力集中缺陷则是肉眼不可见的早期缺陷类型。事实上，应力集中缺陷如不能被及时发现并处理的话，经过不断发展最终也会演变为腐蚀缺陷，从而对管道的安全运行造成威胁。为避免管道缺陷所产生管道破裂、泄漏等事故隐患，危害人民生命财产安全，需要技术人员对管道缺陷隐患进行及时整治处理。然而发明人发现，现有管道检测技术在使用过程中存在有诸多局限性，例如金属磁记忆检测技术虽可实现对铁磁管道材料的早期无损检测，但其只能判断管道是否存在缺陷而无法区分管道缺陷的具体类型，因而无法实现对管道的分阶段预警，不利于进一步提高管道缺陷的检测效率。

发明内容

本发明提供了一种基于支持向量机和磁记忆技术的管道缺陷分类方法，该基于支持向量机和磁记忆技术的管道缺陷分类方法可实现对腐蚀缺陷以及应力集中缺陷的有效识别，识别结果准确可靠、正确率高，在油田现场具有良好的应用效果，为提高管道缺陷的检测效率提供了帮助。

为解决上述技术问题，本发明采用了如下技术方案：

基于支持向量机和磁记忆技术的管道缺陷分类方法，包括有如下步骤：

步骤1：制作管道测试件，所述管道测试件上存在有腐蚀缺陷和应力集中缺陷；

步骤2：扫描步骤1所得管道测试件，得到管道测试件中多个检测通道的磁记忆信号；

步骤3：分析并提取步骤2所得的管道测试件中多个检测通道磁记忆信号中各检测通道的形态特征量以及各检测通道的时域特征量；

步骤4：以步骤3所得的磁记忆信号中各检测通道的形态特征量、步骤3所得的磁记忆信号中各检测通道的时域特征量的不同组合作为输入，以已知的管道缺陷类型作为输出，构建形成多个支持向量机的管道缺陷识别模型。

进一步的，还包括有：

步骤5：以步骤4所得的多个支持向量机的管道缺陷识别模型对油田现场管道进行管道缺陷识别分类，确定步骤4所得的多个支持向量机的管道缺陷识别模型的识别正确率。

较为优选的，所述步骤1具体可描述为：

使用一直线管道以及一直角弯管道焊接形成管道测试件；其中，直线管道上设置有至少两处圆孔腐蚀，每处圆孔腐蚀包含有至少3个肉眼可见的圆孔；所述圆孔的深度分为10级，最浅级圆孔深度为1mm，最深级圆孔深度为直线管道的管壁厚度；直角弯管道不经淬火处理，直角弯管道与直管段连接处存在应力。

较为优选的，所述步骤2具体可描述为：

使用接触式磁记忆检测仪采用打点计数的方式，采集得到管道测试件中多个检测通道的磁记忆信号。

可选择的，步骤3所述各检测通道的形态特征量具体包括有：各检测通道缺陷段信号与X轴围成的面积、各检测通道缺陷段信号磁场梯度最大值、各检测通道缺陷段信号磁场梯度平均值。

可选择的，步骤3所述各检测通道的时域特征量具体包括有：各检测通道缺陷段信号磁场强度平均值、各检测通道缺陷段信号磁场强度最大值、各检测通道缺陷段信号磁场强度最小值、各检测通道缺陷段信号磁场强度峰峰值、各检测通道缺陷段信号的能量。

可选择的，步骤4在构建形成多个支持向量机的管道缺陷识别模型的过程中，选择高斯核函数作为管道缺陷识别模型的核函数。

可选择的，保留识别正确率不低于85％的支持向量机的管道缺陷识别模型作为有效的支持向量机的管道缺陷识别模型。

本发明提供了一种基于支持向量机和磁记忆技术的管道缺陷分类方法，该基于支持向量机和磁记忆技术的管道缺陷分类方法包括有制作管道测试件；扫描管道测试件，得到管道测试件中多个检测通道的磁记忆信号；分析并提取各检测通道的形态特征量以及各检测通道的时域特征量；构建形成多个支持向量机的管道缺陷识别模型等步骤。具有上述步骤的基于支持向量机和磁记忆技术的管道缺陷分类方法，其可通过非接触式检测识别并确定油井现场管道缺陷，管道缺陷识别成功率较高，油田现场使用效果良好，为提高管道缺陷的检测效率提供了帮助。

附图说明

图1为本发明提供的一种基于支持向量机和磁记忆技术的管道缺陷分类方法的流程示意图；

图2为制作管道测试件的示意图；

图3为根据本发明提供方法生成的支持向量机缺陷分类模型预测结果与实际检测结果的对比示意图。

具体实施方式

本发明提供了一种基于支持向量机和磁记忆技术的管道缺陷分类方法，该基于支持向量机和磁记忆技术的管道缺陷分类方法可实现对腐蚀缺陷以及应力集中缺陷的有效识别，识别结果准确可靠、正确率高，在油田现场具有良好的应用效果，为提高管道缺陷的检测效率提供了帮助。

为便于本领域技术人员的理解，下面将本发明提供的基于支持向量机和磁记忆技术的管道缺陷分类方法的具体步骤拆分为若干实施方式进行说明。

实施例一

如图1所示，本发明提供的基于支持向量机和磁记忆技术的管道缺陷分类方法包括有如下步骤，步骤1：制作管道测试件，所述管道测试件上存在有腐蚀缺陷和应力集中缺陷。具体的，如图2所示，使用一直线管道以及一直角弯管道焊接形成该管道测试件。值得注意的是，由于我国国内油田管道多采用φ114无缝钢管制作形成，因此直线管道选用壁厚为1.5cm、长为6.3m、材料质地符合国标的φ114无缝钢管。在直线管道上设置有至少两处圆孔腐蚀，每处圆孔腐蚀包含有至少3个肉眼可见的圆孔；圆孔的深度分为10级，最浅级圆孔深度为1mm，最深级圆孔深度为直线管道的管壁厚度，通过不同圆孔深度等级以囊括不同的腐蚀类型，用以代表多种腐蚀缺陷。直角弯管道不经淬火处理，直角弯管道与直管段连接处存在应力，用以代表应力集中缺陷。通过前述制备方式可在同一管道测试件设置两种不同类型的缺陷，进而帮助排除测试件本身材质等因素对结果的影响。

步骤2：扫描步骤1所得管道测试件，得到管道测试件中多个检测通道的磁记忆信号。具体的，使用接触式磁记忆检测仪采用打点计数的方式，采集得到管道测试件中多个检测通道的磁记忆信号。例如：选用本领域国内外研究工作者普遍使用的一种磁记忆检测设备-俄罗斯动力诊断公司生产的TSC-5M型磁记忆检测仪作为接触式磁记忆检测仪器，评估管道测试件的应力变形状况并测定应力集中区。值得注意的是，该种接触式磁记忆检测仪器共安装有4个探头(1号-4号探头)，每个探头可以检测该探头位置磁记忆信号的3个分量，共计12个通道(HP1-HP12)的磁记忆信号。通过打点计数的方式，在移动过程中，每一个点位对应该处的漏磁场强度，因此只需将仪器的感应探头垂直在铁磁构件上方的一定距离进行一次扫描，即可获取扫描区域的磁记忆信号，最终得到每根管道测试件20组数据。

步骤3：分析并提取步骤2所得的管道测试件中多个检测通道磁记忆信号中各检测通道的形态特征量以及各检测通道的时域特征量。具体的，各检测通道的形态特征量具体包括有：各检测通道缺陷段信号与X轴围成的面积、各检测通道缺陷段信号磁场梯度最大值、各检测通道缺陷段信号磁场梯度平均值；而各检测通道的时域特征量具体包括有：各检测通道缺陷段信号磁场强度平均值、各检测通道缺陷段信号磁场强度最大值、各检测通道缺陷段信号磁场强度最小值、各检测通道缺陷段信号磁场强度峰峰值、各检测通道缺陷段信号的能量。

步骤4：以步骤3所得的磁记忆信号中各检测通道的形态特征量、步骤3所得的磁记忆信号中各检测通道的时域特征量的不同组合作为输入，以已知的管道缺陷类型作为输出，构建形成多个支持向量机的管道缺陷识别模型。举例而言，选择高斯核函数(RBF)作为管道缺陷识别模型的核函数，其中，预测结果为腐蚀缺陷段则标注为1，预测结果为应力集中缺陷段则标注为2。综合考虑各检测通道的形态特征量、各检测通道的时域特征量的不同组合，在此根据发明人的测试经验，提供一建模效果良好的输入作为参考：以HP1通道缺陷段信号与X轴围成的面积、HP1，HP4，HP7，HP10通道磁记忆信号的梯度最大值和梯度平均值作为输入1；以HP1通道和HP10通道缺陷段信号的平均值、HP1通道和HP7通道缺陷段信号的最大值、HP2通道和HP5通道缺陷段信号的最小值以及HP1，HP4，HP7，HP10通道磁记忆信号的峰峰值作为输入2。通过使用两种类型特征量(各检测通道的形态特征量、各检测通道的时域特征量)的不同组合，建立了多个支持向量机缺陷识别模型。

实施例二

如图1所示，本发明提供的基于支持向量机和磁记忆技术的管道缺陷分类方法还包括有如下步骤5：以步骤4所得的多个支持向量机的管道缺陷识别模型对油田现场管道进行管道缺陷识别分类，确定步骤4所得的多个支持向量机的管道缺陷识别模型的识别正确率。其中较为优选的，保留识别正确率不低于85％的支持向量机的管道缺陷识别模型作为有效的支持向量机的管道缺陷识别模型。

需要说明的是，步骤5的目的在于甄别并验证步骤4所得的多个支持向量机的管道缺陷识别模型的可靠性，排查掉不适合的支持向量机的管道缺陷识别模型，最终达到提高管道缺陷识别正确率的技术效果。以下提供几组发明人对东营市胜利采油厂和现河采油厂野外的油气输送管道进行了多次管道缺陷磁记忆检测实验的数据，共计到48组管道的缺陷段数据作为参考。

检测实验一：对东营市胜利采油厂野外的1根油气输送管道进行的管道缺陷磁记忆检测试验。该管道表面存在人眼明显可见的大面积腐蚀缺陷，命名为1号腐蚀直管道。对其总检测长度为5米，提取200cm到220cm段数据作为腐蚀缺陷段数据，共获取10组实验数据。

检测实验二：对东营市现河采油厂野外的一根油气输送管道进行的管道缺陷磁记忆检测试验。该管道的一端裸露在地面上方，另一端埋在土里，管道中间存在明显弯曲，即存在应力集中，命名为1号直角弯应力集中管道。对该管道的总检测长度为2.9米，提取110cm到140cm段数据作为应力集中缺陷段数据，共获取到9组实验数据。

检测实验三：对现河采油厂野外的一根直管道进行的管道缺陷磁记忆检测试验，其表面存在明显可见的大面积腐蚀缺陷，命名为2号腐蚀直管道。对该管道的总检测长度为3米，提取160cm到180cm段数据作为腐蚀缺陷段数据，共获得9组实验数据。

检测实验四：对现河采油厂野外的另一根直角弯应力集中管道进行的管道缺陷磁记忆检测试验，其一端裸露在地面上方，另一端埋在土里，管道中间存在明显弯曲，即存在应力集中，命名为2号直角弯应力集中管道。对该管道的检测总长度为1.6米，从埋地端向上扫描，提取20cm到40cm段的数据作为应力集中缺陷段数据，共获取到10组实验数据

检测实验五：对一根直管道进行的管道缺陷磁记忆检测试验，其表面也存在人眼明显可见的大面积腐蚀缺陷，命名为3号腐蚀直管道。对该管道的总检测长度为4.2米，提取100cm到120cm段数据作为腐蚀缺陷段数据，共获得10组实验数据。

利用实施例一所述步骤4所提供的支持向量机缺陷识别模型对该48组油田现场管道的实测缺陷段数据的分类效果验证，如图3所示，最终确定其支持向量机缺陷分类模型的正确识别率为89.5833％，该支持向量机缺陷分类模型对油气管道腐蚀缺陷和应力集中缺陷的识别是可行的且正确识别率较高。

实施例三

为提高管道测试件管道缺陷的代表性，进一步为本领域技术人员提供如下制备数据以供参考。

本发明提供了一种基于支持向量机和磁记忆技术的管道缺陷分类方法，该基于支持向量机和磁记忆技术的管道缺陷分类方法包括有制作管道测试件；扫描管道测试件，得到管道测试件中多个检测通道的磁记忆信号；分析并提取各检测通道的形态特征量以及各检测通道的时域特征量；构建形成多个支持向量机的管道缺陷识别模型等步骤。具有上述步骤的基于支持向量机和磁记忆技术的管道缺陷分类方法，其可通过非接触式检测识别并确定油井现场管道缺陷，管道缺陷识别成功率较高，油田现场使用效果良好，为提高管道缺陷的检测效率提供了帮助。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。