收稿日期:2005-08-20基金项目:国家自然科学基金仪表专项基金资助项目(60327001)作者简介:杨理践(1957-),男,湖南长沙人,教授.　信息科学与工程　文章编号:1000-1646(2005)05-0522-04 【特邀】管道漏磁在线检测技术杨理践(沈阳工业大学信息科学与工程学院,沈阳110023)摘　要:管道是石油和天然气长距离输送的主要方式.漏磁检测技术是管道在线检测的主要方法.介绍了管道在线漏磁检测系统的研究背景、检测原理以及检测系统的基本结构.为适应大管径管道的检测要求及提高检测精度,利用一阶差分及嵌入式零树编码的方法对管道漏磁检测数据进行压缩,并得到了较为满意的压缩比.研究了基于FPG A 和DSP 的管道漏磁在线检测系统.应用有限元法分析研究了漏磁信号的特点,应用神经网络及多传感器数据融合技术对管道缺陷进行智能识别.关　键　词:漏磁;现场可编程门阵列;数字信号处理器;嵌入式零树编码;神经网络;数据融合中图分类号:T M 153 文献标识码:AH igh precision pipeline Magnetic Flux Leakage on 2line inspection technologyY ANGLi 2jan(School of In formation Science and Engineering ,Shenyang University of T echnology ,Shenyang 110023,China )Abstract :Pipeline is the main manner of long distance transportation of oil and natural gas.Magnetic Flux Leakage (MF L )detecting technology is the main method of on 2line inspection.In this paper we introduced the research back 2ground ,inspection principle and the basic structure of inspection device of high precision on 2line MF L inspection system which owned self 2determination in formation property right.In order to fit the detecting demand for pipeline which having bigger diameter and im prove the measurement accuracy ,one order difference method and embedded ze 2ro coding method were applied to com press the MF L data which obtained a satis fied com pression rate.The new on 2line MF L inspection system is developed and designed based on FPG A and DSP.Characteristics of MF L signal has been studied by adopting Finite 2element analysis approach and neural netw ork and multi 2sens ors data fusion technol 2ogy has been em ployed to recognize the pipeline defect intelligently.K ey w ords :MF L ;FPGA;DSP;embedded zero tree ;neural netw ork;data fusion 长输管道是石油、天然气运输的主要方式.油气管道输送的基本要求是安全、高效.然而由于腐蚀、磨损、意外损伤等原因导致的管线泄漏事故时有发生.一旦未能及时发现并采取必要措施,不仅会造成能源浪费、经济损失,而且会严重污染环境甚至危及人身安全.为防止事故造成的损失,必须定期进行管道检测,发现管道缺陷,并且获得其位置、类型、程度等精确信息,从而为管道的安全评价、寿命预测、检修维护等提供可靠依据.管道检测是一个涉及多学科领域的研究项目,具有大量的理论研究问题和工程技术问题.在漏磁、超声、涡流等检测技术方法中漏磁检测技术是应用广泛、技术成熟的铁磁性管道缺陷检测技术,它适于多种传输介质,对铁损失等常见的管道缺陷有很好的检测效果.漏磁检测的基本原理是通过导磁磁化管壁,在管道缺陷处由于磁场畸变会形成漏第27卷第5期2005年10月沈　阳　工　业　大　学　学　报Journal of Shenyang University of T echnologyVol 127No 15Oct.2005磁场,通过磁敏元件探测漏磁场分布范围、强度并进行数字信号处理,确定缺陷信息[1,2].管道在线检测技术在国际上属于垄断技术,目前仅有几家公司掌握这种技术,且管道在线检测设备在世界上能够是不出售的产品,仅作为检测服务,价格十分昂贵.我国高度关注智能PIG 技术的发展,跟踪此项目已有二十多年.但是由于引进设备技术上现已落后,在检测精度、检测方式、设备结构、数据处理方式等方面与当前技术要求均有较大的差距,已无法满足当前技术发展的需求.本文研究了大量的理论问题和工程技术问题,在检测原理、计算机数据处理等环节上取得了突破性进展,完成了多重多维漏磁探伤、高速大容量数据处理存储、里程定位、管道运行、机械制造、数据分析处理等相关技术,掌握了管道漏磁在线检测的全部技术关键,成功的研制出高精度管道在线检测系统.填补了国内市场同类产品的空白,在系统的性能指标上达到了国外目前产品的同等水平.该设备的研制成功,使中国成为世界上能够进行管道漏磁在线检测研究、制造、服务的少数国家之一.1　高精度管道漏磁在线检测系统的工作原理及基本结构1.1　漏磁检测的基本原理漏磁法通过测量被磁化的铁磁材料表面泄漏的磁场强度来判定工件缺陷的大小,其原理如图1所示.图1　漏磁检测原理Fig.1　The principle of MF L inspection 若被测工件表面没有缺陷且内部无夹杂物,从原理上讲磁通将全部通过被测工件(如图1a ),若存在缺陷,会导致缺陷处及其附近的磁阻增加,而使缺陷附近的磁场发生畸变(如图1b ).它们可以分为三部分:①大部分磁通在工件内部绕过缺陷;②少部分磁通穿过缺陷;③部分磁通离开工件的上下表面,经空气绕过缺陷.第三部分就是所谓的漏磁通.可以通过霍尔元件或移动的感应线圈测量得到,其信号强弱与缺陷的严重程度有密切关系.在高精度管道漏磁在线检测系统中通过永磁铁在管道上建立磁化回路,并使管壁达到磁饱和,在有缺陷的情况下管壁两侧的磁场分布将产生变化,通过沿管道内管壁周向排列的霍尔探头阵列测得磁场变化,即漏磁信号,以此确定缺陷信息.1.2　管道漏磁在线检测装置的基本结构与工作原理高精度管道漏磁在线检测系统由高精度管道漏磁在线检测装置、里程标定装置和数据分析处理系统三部分组成.管道漏磁在线检测装置结构示意图如图2所示.图2　高精度管道漏磁检测装置Fig.2　The pipeline MF L inspection device with high res olution325第5期杨理践:管道漏磁在线检测技术 高精度管道漏磁在线检测装置是在管道中运行的部分,它应用漏磁检测原理,以管道输送介质为行进动力,对管道进行在线直接无损检测.由动力节、测量节、记录节、电池节四部分构成.节间采用万向节软连接.测量节包括磁化装置和霍尔探头.磁化装置包括永磁铁、衬铁和钢刷.其功能主要是对被测管壁进行磁化,使管壁内产生磁通.霍尔探头内装有霍尔元件,前级放大电路由不导磁钢铸成,前部与霍尔元件及管壁相连处为高导磁耐磨材料,整个探头完全封闭.利用霍尔元件就可以测量漏磁通.记录节为测量系统的核心部分.它完成对所有部件的控制和数据保存.里程标定装置由管道外标记标定、管道内外时间同步标定和行走轮记录组成,完成缺陷位置的确定.数据分析系统是由数据格式处理软件、初步分析软件、人工判读软件、数据管理软件组成,生成最终的检测结果.管道内的漏磁信号被绘成色图,可以很直观地从色图上察看缺陷及腐蚀程度.并能从里程的显示来判定缺陷及腐蚀所在的位置,作为检测或评估管道寿命的依据[3～5].2　基于DSP 和FPG A 的管道漏磁在线检测技术的研究 漏磁场检测的数据量非常庞大.要提高系统的探伤精度,需要进一步增加探头排列密度,减小采样时间间隔.然而,目前检测系统的数据存储速度和存储容量都已接近极限.传统的漏磁检测器都是采用嵌入式CPU 作为检测器的主控制器,使用软件完成数据采集、处理、存储等操作.是采用嵌入式CPU 作为检测器的主控制器,使用软件完成数据采集、处理、存储等操作.当采用较低频率的CPU 时,能耗小,但处理能力差,很难实时完成大量的数据处理操作.采用更高主频的CPU ,能耗大,而且主板几何尺寸增大,由于管道漏磁检测器是在管道内工作,受限于检测器的直径和长度,系统的设计非常困难.因此一方面必须研究合适的漏磁检测数据压缩方法,降低系统对数据存储速度和存储容量的要求,另一方面必须对现有设备进行改进.在对管道漏磁检测数据的各种压缩方法进行详细的探讨的基础上,对基于差分变换后的嵌入式零树编码进行了较深入的研究.嵌入式零树编码以其压缩比高、占用资源少、算法易于编制等优点广泛地应用于图像数据压缩处理领域中.研究表明,基于差分嵌入式零树编码的方法对管道漏磁检测数据进行压缩得到了较为令人满意的压缩比.FPG A (Field -Programmable G ate Array 现场可编程门阵列)是近年来广泛应用的超大规模、超高速的可编程逻辑器件,由于其具有高集成度、高速、在系统可编程等优点,为解决系统级设计问题提供了新的平台[7].DSP (Digital Signal Process or 数字信号处理器)以其精度高、可靠性强、集成度高、接口方便、灵活性好、保密性好等有点广泛的应用于数字信号处理的各个领域[8].基于FPG A 和DSP 的管道漏磁在线检测系统的设计结构如图3所示.图3　基于DSP 和FPG A 的新型管道漏磁在线检测系统结构图Fig.3　The new MF L on 2line inspection system structure based on DSP and FPG A 该系统由多通道采样控制单元、数据处理单元、存储控制单元三部分构成.其中多通道采样控制单元的主芯片是FPG A ,FPG A 产生A/D 采样时序和通道选择信号,检测数据通过多路模拟开关经A/D 转换后,进入FPG A 的数据缓存单元.再由数据缓存单元经DSP 的HPI 口进入数据处理单元425 沈　阳　工　业　大　学　学　报第27卷DSP.数据处理单元对采样数据进行差分处理,处理后的数据经过嵌入式零树编码进行编码,编码后的数据被存储控制单元存进硬盘.该设计较好地解决了系统体积、功耗和处理能力之间的矛盾.3　管道漏磁检测信号处理的研究管道漏磁检测数据的处理一直是管道检测领域的难点与热点.由于实际管道缺陷的形状是千变万化的,且同一形状的缺陷在不同的测量条件下其漏磁检测信号也大不相同,这就给缺陷的鉴别带来了很大困难.本文主要在以下几个方面进行了研究.3.1　有限元技术在管道漏磁检测中的应用利用有限元分析软件ANSY S,建立了管道漏磁检测装置的有限元模型,研究了不同位置、不同形状、不同尺寸的管道缺陷漏磁场特点及其与漏磁检测信号的关系,研究了各种因素对漏磁检测信号的影响,为缺陷的准确识别提供了依据.利用有限元模型对漏磁检测装置进行了优化设计,实现了检测装置的小型化.3.2　基于神经网络的管道缺陷的智能识别由于神经网络具有非线性映射、自适应学习等特性,使得它在模式识别、智能信息处理以及故障检测与诊断等领域的应用有着广阔的前景.在无损检测领域,基于神经网络的缺陷定量识别技术的研究也已经取得了一些成就.本文对基于神经网络的管道漏磁检测信号处理进行了研究,实现了缺陷断面的二维重建,可较为精确地识别缺陷的深度和宽度.3.3　多传感器数据融合的应用多传感器数据融合研究利用多个传感器获得的多种信息,得出对环境或对象特征的全面、正确的描述.管道漏磁检测装置经常使用多达上千个传感器来检测漏磁信号,多传感器数据融合的应用可以提高检测系统的精度和可靠性,增加系统的可信度.4　结　语基于FPG A和DSP的管道漏磁在线检测系统和基于差分嵌入式零树编码的数据实时压缩技术以及基于神经网络和多通道数据融合的信号处理技术将使高精度漏磁在线检测系统的探伤和判伤性能达到国际领先水平,进一步巩固在管道检测技术研究领域的领先优势,进一步确立了在该研究领域的国际地位.参考文献:[1]丁中平.无损检测中的漏磁检测法原理与实践[J].电测与仪表,1995,32(6):15-18.(Ding Z J.MF L principle and practice in NDT[J].E lec2 tronic measurement and appearance,1995,32(6):15-18.)[2]余浩然.漏磁通法油气管道在役检测技术[J].实用测试技术,1997,23(5):1-9.(Y u H R.On-line oil and gas measurement in MF L[J].Applied Measurement T echnology,1997,23(5):1-9.) [3]杨理践,王玉梅,冯海英.智能化管道漏磁检测装置的研究[J].无损检测,2002,24(3):100-102.(Y ang L J,Wang Y M,Feng H Y.Research on intelligent pipeline MF L equipment[J].NDT,2002,24(3):100-102.)[4]K atragadda G,Lord W,Sun Y S,et al.Alternative magneticflux leakage m odalities for pipeline inspection[J].IEEE T ransactions on Magnetic,1996,32(3):1581-1584. [5]Mandayam S,Udpa L,Udpa S S,et al.Invariance trans for2mations for magnetic flux leakage signals[J].IEEE T rans2 actions on Magnetics,1996,32(3):1577-1580.[6]T ham W,W ooley S.T he detection and segmentation of pipelineins pection features for diagn ostically lossless data com pression [J].IST/SPIE E lectronic Imaging,200121-26January2001, S an Jose,C alifornia,US A.[7]徐欣,于红旗,易凡,等.基于FPG A的嵌入式系统设计[M].北京:机械工业出版社,2005.(Xu X,Y u H Q,Y i F,et al.Imbedded system design based on FPG A[M].Beijing:China Machine Press,2005.) [8]王念旭.DSP基础与应用系统设计[M].北京:北京航空航天大学出版社,2001.(Wang N X.Design on DSP basic and application[M].Beijing:Beihang University Press,2001.)(责任编辑:李　革　英文审校:王溪波)525第5期杨理践:管道漏磁在线检测技术 。