一种高含硫输油管道内腐蚀检测设备及方法技术

一种高含硫输油管道内腐蚀检测设备及方法，所述设备包括收发一体的超声探头、接收调理电路模块、ADC高速数据采集模块、数据存取模块，时序控制由FPGA控制。方法包括以下步骤：预设48组正方形缺陷；预设48组圆形缺陷。用超声检测设备对缺陷进行探测，用硬件电路对回波信号进行放大和滤波处理，用FPGA控制ADC对处理后的信号进行采集，然后对采集的回波信号进行小波包变换并提取小波系数的6个无量纲参数特征，用BP神经网络对特征进行训练和分类。最后把WPT算法内嵌到FPGA设备上，将特征参数发送到PC端，用训练好的神经网络实现自动对管道缺陷的定量、定性分析。定性分析。定性分析。

【技术实现步骤摘要】
一种高含硫输油管道内腐蚀检测设备及方法


[0001]本专利技术涉及油气输送管道领域，特别是关于一种高含硫输油管道内腐蚀检测设备及方法。

技术介绍

[0002]随着高含硫油气藏的开发，其油气输送管道向着高含硫油气输送发展，而管道在长期使用过程中，受高含硫介质如硫化氢等影响会造成管道壁厚减薄、产生裂纹和孔洞等缺陷，而这些管道若发生腐蚀泄漏，容易造成群死群伤或管道爆炸等事故。目前中国很多油气管道因使用年限较久都进入了疲劳化，因此需要对管道定期检测、维护和替换，以确保输送过程的安全。
[0003]对于管道内腐蚀检测，国外研制的有漏磁爬行器(MFL Pig)、超声检测爬行器(UT Pig)，其检测能实现较高的精度。国内从20世纪80年代开始展开对管道内腐蚀检测的研究，也取得了一定的进展。山东省特检院自主研发了一种输油管道压电超声内检测机器人，其检测精度和灵敏度很高，可以实现对管道腐蚀的定量检测；西南油气田分公司开发了内腐蚀在线监测系统，能在管道正常运行的状态下测量管道内壁腐蚀变化，已安装内腐蚀在线监测设备近50台，主要位于含硫集输管道和输气干线的主要进气点及关键节点处。但目前对于含硫输油管道的内腐蚀检测技术多是对低含硫输油管道且内部腐蚀缺陷类型单一的检测。目前，对于管道内腐蚀检测的常用方法有漏磁检测和涡流检测，其中漏磁检测使用最多，但对腐蚀缺陷难以定量分析并且检测过程中需磁化管壁，对于管径和厚度有要求；涡流检测方式仅能检测出管道的近表面缺陷，对于缺陷的种类和形状大小难以定量判断，并且常需要辅以较好的信号处理技术配合检测。因此传统涡流检测装置存在一定的应用局限性，严重影响了管道的安全和可靠性。

技术实现思路

[0004]为了解决现有技术的问题，本专利技术提供了高含硫输油管道内腐蚀检测设备及方法。
[0005]本专利技术的具体技术方案为：
[0006]一种高含硫输油管道内腐蚀检测设备，所述设备包括超声探头、激发电路、接收调理电路模块、ADC高速数据采集模块、数据存取模块、PC机，所有的时序控制都由FPGA控制。
[0007]所述超声探头为集接收和发送一体，中心频率为5MHz，带宽为2.5MHz左右,直径为20mm的超声波直探头。
[0008]所述接收调理电路模块包括放大电路和滤波电路，其中信号放大部分为两级放大电路，可采用美信公司的MAX4108作为核心芯片，其中第一级为跟随电路，目的是提高阻抗，第二级为放大电路，带通滤波电路是利用二阶高通滤波电路和低通滤波电路级联而成的带通滤波器，其特点为低输入偏置电流、低输入失调电压和失调电流，它的共模输入电压范围较宽，差模输入电压范围等于电源电压范围，单电源供电电压3
‑
32V，双电源供电
±
1.5
‑±
16V。
[0009]所述ADC高速数据采集模块其型号为AD9920，由FPGA控制时序，并行采样，以80MHz的采样频率对输入的模拟信号进行采样,电路使用内部电压参考源，经过两级运算放大器放大后的差模信号通过IN+、I
‑
端进入模数转换器，两个差模信号做差后与内部参考源提供的参考电压进行比较,当输出使能有效时,并转换为对应的数字量从D9
‑
D0端口并行输出。
[0010]所述数据存储模块为FPGA外挂SDRAM，使用K4S641632H作为存储器，可以存储64MB的数据，满足近3个小时的数据采集存储。
[0011]一种高含硫输油管道内腐蚀检测方法，包括预设缺陷，对缺陷进行检测然后对检测的回波信号进行特征提取并通过RS232发送至PC端的SQL Server数据库，然后利用Matlab搭建BP神经网络模型对特征进行训练和测试，其中输入为提出的特征，输出为人工标记的标签(标签为对应的缺陷深度和形状大小)，然后将训练好的神经网络模型保存，最后实地对缺陷进行检测并提取特征，将提取到的特征输入到训练好的神经网络模型中，由神经网络的输出给出管道状况评价。
[0012]所述检测波类型为超声纵波。
[0013]具体的，步骤1：预设缺陷并对其进行超声检测；
[0014]步骤2：超声回波信号经过接收电路的放大、带通滤波预处理，对预处理后信号进行12bit精度AD采样，并行发送至FPGA，对数字信号进行解码计算并存入SDRAM；
[0015]步骤3：对SDRAM中的数据，通过WPT进行三层分解，对8个小波系数提取6个无量纲特征参数并通过RS232发送至PC端，通过SQL Server数据库存储；
[0016]步骤4：对数据库中的数据，通过Matlab软件搭建BP神经网络进行训练和测试，其中训练集和测试集数据比例为3:1；
[0017]步骤5：训练精度用R值表示，如果R值大于或等于预设，则停止训练，并保存网络，否则返回步骤4；
[0018]步骤6：实地对缺陷进行超声检测并按照步骤2
‑
3对回波信号进行处理，将提取到的特征参数输入到步骤5中训练好的BP神经网络，对管道状况进行评估。
[0019]进一步具体的，所述特征提取方法为使用WPT对预设缺陷回波信号进行3层分解，其核心公式为
[0020][0021]其中h
k
、g
k
的定义同小波变换，μ即称为小波包，小波包的分解及重构算法如下：
[0022]设则可表示为
[0023][0024]分解为与小波包分解算法为：
[0025][0026]小波包分解实际上是通过一组低、高通组合的共轭正交滤波器不断将信号分割到不同的频带上，滤波器组每作用一次，信号长度减少一半,和的重构算法为：
[0027][0028]其Matlab核心程序为wpt＝wpdec(x,3,
’
sym8
’
,
’
shannon
’
)，其中x为经过预处理之后的缺陷信号，并提取小波系数6个无量纲特征参数，分别是斜度、峰度、峰值指标、清除指标、形状指标、脉冲指标,其计算公式如表1所示：
[0029]表1无量纲参数计算公式
[0030][0031][0032]所述数据库是在PC端使用C#语言建立SQL Server数据库。
[0033]所述特征分类方法为使用BP神经网络对提取的特征进行训练和测试，其核心步骤为：
[0034]第一步通过网络前向传输：
[0035]a0＝p＝[p1,p2,
…
p
R
]#
[0036]a
n+1
＝f
m+1
(W
m+1
a
m
+b
m+1
),m＝0,1,
…
,M
‑
1#
[0037]a＝a
M
#
[0038]p表示网络的输入，表示第m层的输出，W
m+1
,b
m+1
分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种高含硫输油管道内腐蚀检测设备，其特征在于包括超声探头，与超声探头分别连接的激发电路和接收调理电路模块，与所述激发电路和接收调理电路模块连接的ADC高速数据采集模块，与所述ADC数据存取模块连接的高速数据采集模块，以及PC端，所有的时序控制都由FPGA控制。2.根据权利要求1所述的设备，其特征在于所述超声探头为集接收和发送一体，中心频率为5MHz，带宽为2.5MHz左右，直径为20mm的超声波直探头，探头内部安装具有压电效应的性质的晶体片。3.根据权利要求1所述的设备，其特征在于所述接收调理电路模块包括放大电路和带通滤波电路，其中所述放大电路为两级放大电路，第一级为提高阻抗的跟随电路，第二级为放大电路，所述带通滤波电路是利用二阶高通滤波电路和低通滤波电路级联而成的带通滤波器。4.根据权利要求1所述的一种高含硫输油管道内腐蚀检测设备，其特征在于所述ADC高速数据采集模块其型号为AD9920，由FPGA控制时序，并行采样，以80MHz的采样频率对输入的模拟信号进行采样，电路使用内部电压参考源，经过两级运算放大器放大后的差模信号通过IN+、IN
‑
端进入模数转换器。5.一种高含硫输油管道内腐蚀检测方法，其特征在于采用权利要求1
‑
4中任一所述的一种高含硫输油管道内腐蚀检测设备，包括以下步骤：预设缺陷，对缺陷进行检测然后对检测的回波信号提取特征并通过RS232发送特征参数至PC端，然后利用Matlab搭建BP神经网络模型对特征进行训练和测试，然后将训练好的神经网络模型保存，最后实地对缺陷进行检测并提取特征，将提取到的特征输入到训练好的神经网络模型中，由BP神经网络的输出给出管道状况评价。6.根据权利要求5所述的方法，其特征在于所述预设缺陷的缺陷集为，面积为1cm2、1.44cm2、1.96cm2、2.56cm2、3.24cm2、4cm2，厚度为2.5mm
‑
6mm，间隔为0.5mm，共48组正方形缺陷，半径为0.5cm、0.6cm、0.7cm、0.8cm、0.9cm、1cm、厚度为2.5mm
‑
6mm，间隔为0.5mm，共48组圆形缺陷，缺陷集共96组。7.根据权利要求5所述的方法，其特征在于包括以下步骤：步骤1：预设缺陷并对其进行超声检测；步骤2：超声回波信号经过接收电路的放大、带通滤波预处理，对预处理后信号进行12bit精度AD采样，并行发送至FPGA，对数字信号进行解码计算并存入SDRAM；步骤3：对SDRAM中的数据，通过WPT进行三层分解，对8个小波系数提取6个无量纲特征参数并通过RS232发送至PC端，通过SQL Server数据库存储；步骤4：对数据库中的数据，通过Matlab软件搭建BP神经网络进行训练和测试，其中训练集和测试集数据比例为3∶1；步骤5：训练精度用R值表示，如果R值大于或等于预设，则停止训练，并保存网络，否则返回步骤4；步骤6：实地对缺陷进行超声检测并按照步骤2
‑
3对回波信号进行处理，将提取到的特征参数输入到步骤5中训练好的BP神经网络，对管道状况进行评估。8.根据权利要求7所述的方法，其特征在于所述检测波类型为超声纵波。9.根据权利要求7所述的方法，其特...

【专利技术属性】
技术研发人员：孙海礁，张志宏，刘强，郭玉洁，高秋英，陈浩，袁金雷，高淑红，钟兴龙，陈伟，高多龙，胡广强，刘冬梅，
申请(专利权)人：中国石油化工股份有限公司西北油田分公司，
类型：发明
国别省市：