腐蚀产物对漏磁场影响的数值分析与实验研究

漏磁检测方法由于其简便、快捷、结果准确等特点,在现在无损检测领域得到越来越广泛的应用。但是在现场检测过程中,由于提离值波动、铁磁性杂物等影响,使得漏磁检测量化结果会产生误差,甚至会产生误判。这对检测结果的准确性有很大的影响。本文研究了缺陷腐蚀产物与漏磁场之间的关系,利用有限元方法建立直径、深度相同腐蚀产物厚度不同的漏磁检测模型,通过计算得到不同腐蚀产物厚度模型漏磁场分布,对比分析结果表明:无腐蚀产物缺陷的漏磁场最明显,随着腐蚀产物厚度的增加,缺陷漏磁场变得越不明显。在实验室条件下进行了腐蚀产物影响实验,实验结果与有限元数值分析结果一致。     

基于磁记忆的镀锌钢绞线腐蚀检测试验

针对常规技术难以检测镀锌钢绞线拉索内部腐蚀问题,结合金属磁记忆理论在铁磁性材料早期缺陷无损检测方面的优势,提出了基于金属磁记忆技术的镀锌钢绞线拉索腐蚀检测新方法。为验证该检测方法的可行性,设计了8个镀锌钢绞线拉索试件,采用电化学加速腐蚀试验方法对试件进行不同程度的腐蚀;利用霍尼韦尔HMR2300三维磁强计传感器采集试件腐蚀后的金属磁记忆漏磁信号,运用数学方法对采集的漏磁信号进行对比分析,结合金属磁记忆检测技术原理,研究试件表面的漏磁信号变化特征,以达到检测镀锌钢绞线拉索试件腐蚀状况的目的。研究结果表明:在钢绞线拉索试件腐蚀区域漏磁信号出现明显变化,漏磁信号切向分量曲线出现极大值,漏磁信号法向分量曲线出现极大值和极小值且过零点;在试件中间腐蚀区域漏磁信号切向梯度曲线过零点,漏磁信号法向梯度曲线出现极小值;随着试件腐蚀程度的增加,漏磁信号强度也相应增加,且漏磁信号强度与试件腐蚀程度呈正相关;通过对试件腐蚀后的漏磁信号分析,可较准确判别钢绞线试件的腐蚀位置及范围。该试验验证了金属磁记忆检测技术用作钢绞线腐蚀检测的可行性及合理性,为镀锌钢绞线拉索腐蚀检测提供了参考。     

常压立式储罐罐底腐蚀检测技术的研究与应用

在石油和石化行业使用着大量盛装不同油品的立式储罐,由于盛装介质均为易燃易爆液体,因此,保证立式储罐的安全运行是一个重要而亟待解决的工程问题。本文根据常压立式储罐罐底腐蚀的特点,提出声发射在线检测与评价技术和漏磁扫描检测技术相结合的储罐底板检测方法。声发射在线检测与评价技术是实现储罐底板腐蚀状态检测与预测的有效方法,适合储罐快速普查。漏磁检测技术是储罐开罐后底板腐蚀状态检测的有效手段。在保证安全的情况下,根据声发射普查结果,制定储罐维修计划,对严重等级高的储罐进行开罐漏磁检测。可以实现储罐的科学检测,保证储罐的安全运行,节约检修费用。     

常压立式储罐罐底腐蚀检测技术的研究与应用

在石油和石化行业使用着大量盛装不同油品的立式储罐,由于盛装介质均为易燃易爆液体,因此,保证立式储罐的安全运行是一个重要而亟待解决的工程问题.根据常压立式储罐罐底腐蚀的特点,提出声发射在线检测与评价技术和漏磁扫描检测技术相结合的储罐底板检测方法.声发射在线检测与评价技术是实现储罐底板腐蚀状态检测与预测的有效方法,适合储罐快速普查.漏磁检测技术是储罐开罐后底板腐蚀状态检测的有效手段.在保证安全的情况下,根据声发射普查结果,制定储罐维修计划,对严重等级高的储罐进行开罐漏磁检测.可以实现储罐的科学检测,保证储罐的安全运行,节约检修费用.     

油气管道缺陷漏磁检测试验

在油气管道检测中,缺陷的定量分析一直是个难题.通过试验研制了管道漏磁腐蚀检测器,在钢管(273mm,壁厚为14.3mm)上设计了系列缺陷,并采集了缺陷漏磁的相关信号.研究了管道缺陷漏磁信号的分布规律和缺陷的几何尺寸大小之间的关系,结果表明,缺陷漏磁场检测信号的两波谷间距、检测到信号的传感器数和信号峰谷值分别是缺陷长度、宽度和深度量化分析的重要特征量,并由此得出缺陷长、宽、高的计算方法.通过该方法对缺陷的漏磁信号进行量化分析,表明缺陷长度、宽度和深度的平均绝对误差分别为2.4mm、8.3mm和0.8mm.     

储罐底板腐蚀检测数据采集和分析软件的开发

为了对石化行业中使用的直径数十米的钢材料储罐底板上、下表面出现的腐蚀缺陷进行及时检测从而确保储罐安全运行,开发了1台基于漏磁检测原理的检测设备.介绍了该检测设备的上位机数据采集和分析软件的开发,包括主程序结构和腐蚀缺陷深度量化算法等.对标准缺陷板的检测实验结果表明: 该软件缺陷量化百分比深度误差一般不超过10%.该软件提供给用户缺陷检测和量化能力,以及罐底板自动成图和生成报告等功能.     

考虑腐蚀储罐底圈壁板的时变可靠度分析

准确掌握在役储罐的健康状况可以为储罐维修维护提供决策支持。通过分析储罐底圈壁板强度失效的影响因素,建立底圈罐壁结构抗力的衰减模型;根据灰色理论建立非等间距GM(1,1)的底圈罐壁腐蚀速率预测模型,采用储罐历年的检测数据对底圈壁板的腐蚀速率进行预测,并对预测的精度进行检验;通过对实测数据的统计分析得到底圈壁板腐蚀深度及罐内液体载荷的分布特征,根据可靠性理论建立底圈壁板的时变可靠性模型,并利用广义随机空间内改进的一次二阶矩法求解可靠性指标。结果表明:底圈壁板的腐蚀深度和罐内油、水的高度符合正态分布;预测模型的拟合精度较高;储罐在服役22 a后其失效概率超过10-3,应对底圈罐壁进行适当的维修与维护。     

基于霍尔元件阵列的缺陷漏磁检测技术研究

利用高灵敏度霍尔器件,设计研制了多通道阵列式漏磁检测传感器及信号处理电路.对不同几何参数的铁磁性试件缺陷进行了检测实验研究,该漏磁检测系统可实现地磁场激励和人工弱磁激励下的缺陷信号图像显示.探讨了基于多通道漏磁信号的缺陷表示方法,并利用人工神经网络技术对基于多通道传感器漏磁信号的缺陷反演问题进行了初步研究,表明利用霍尔元件阵列检测装置和人工智能信息处理方法,可以实现多通道漏磁信号与缺陷参数的非线性拟合,进而实现漏磁检测中的缺陷定量化分析.     

新型脉冲漏磁传感器的仿真设计与实验研究

在对带保温层管道进行检测时,由于保温层的隔离作用使得传统的电磁无损检测方法感生的磁场在传播到管道表面时已衰减的非常微弱,因此,对带保温层管道中腐蚀缺陷的检测是无损检测领域的一个难点.脉冲漏磁方法由于结合了脉冲检测频率丰富以及漏磁检测适于铁磁性管道检测的优势,因而采用脉冲漏磁技术对管道腐蚀缺陷进行了检测.在分析了脉冲漏磁检测原理的基础上,仿真分析了4种不同结构的脉冲漏磁传感器沿管道表面和管壁的磁场分布以及对不同厚度保温层的检测能力,仿真结果表明带聚磁板的模型具有较好的检测能力.最后,采用实验的方法研究了这种模型传感器对腐蚀缺陷深度的定量能力,实验结果表明该传感器可以很好地实现对腐蚀缺陷深度的定量检测.     

基于K均值聚类的油气管道漏磁缺陷标记方法

为了提高漏磁数据缺陷区域标记能力,将聚类算法应用于漏磁检测数据分析中,提出了一种基于K均值聚类的管道漏磁缺陷信号标记方法,并进行了不同口径和不同壁厚管道检测试验验证。结果表明:该方法可有效识别出漏磁数据中的缺陷区域,识别准确度满足工程要求。由于该方法无需根据检测器和管道情况单独设置阈值,因此其具有较广泛的适应性。     

应用磁荷法建立漏磁信号模型

研究了漏磁无损检测中一种基于双极磁荷法的漏磁信号分析模型，运用这一分析模型研究了三种不同类型缺陷的径向和轴向漏磁信号．设计制作了实验装置与试样并进行了实验，将实验结果与分析模型的仿真结果进行了比较，两者得到了较好的吻合，说明了分析模型的有效性．这个模型建立了缺陷尺寸与漏磁信号的关系，具有参数少，计算快，分析方便等优点，它为漏磁信号处理和缺陷的识别评估提供了重要工具．     

储罐罐壁缺陷的低速漏磁检测研究

针对储罐罐壁缺陷的漏磁检测,做出速度效应分析,研究了不同速度时,以及低速时各缺陷的漏磁检测效果。通过速度效应的理论分析,再利用有限元仿真软件分析磁滞后效应与涡流效应,发现缺陷的低速检测结果是可以通过软件模拟的;同时可忽略涡流效应。模拟分析了不同缺陷的低速漏磁检测结果,并得到了很好的结果曲线。最后通过实验证明:4 m/min的速度具有很好的漏磁检测效果。     

基于改进BP神经网络算法的管道缺陷漏磁信号识别

海底管道漏磁检测信号处理的主要任务是根据霍尔传感器检测到的缺陷漏磁信号来识别缺陷的形态参数．根据漏磁检测原理设计了相关的漏磁检测电路，通过提取信号的主要特征量，利用Levenberg-Marquardt算法在对常用BP神经网络改进的基础上应用其来识别缺陷的尺寸参数，给出了BP神经网络各层数的确定及权值、学习率的调整方法和相应的漏磁信号数据处理过程．漏磁检测数据处理实验表明，该缺陷识别BP神经网络系统具有逼近精度高、收敛速度快等特点．     

小波神经网络在海底石油管道漏磁缺陷检测中的应用

海底管道漏磁检测信号处理的主要任务是根据霍尔传感器检测到的缺陷的漏磁信号识别缺陷的形态参数,噪声消除和缺陷识别是其中的关键问题。利用噪声信号和测试信号在各个尺度上波谱的不同特征,基于小波变换来消除管道漏磁检测中的噪声信号,并根据正交小波多尺度多分辨率特点,把信号分解成各相互独立的频带,构建一个小波神经网络系统,通过输入漏磁信号的特征量识别缺陷的参数。漏磁检测数据处理实验表明该小波变换能较好地去除检测信号中的主要噪声,所建立的缺陷识别小波神经网络系统具有收敛速度快、逼近精度高等特点。     

基于遗传优化算法的二维漏磁缺陷重构

信号逆问题，即从测量信号中恢复出缺陷轮廓及其参数，是漏磁无损评估中的一个重要课题。提出了一种基于遗传算法的逆算法，用于从漏磁信号中重构二维缺陷。在该算法中，径向基函数（RBF）神经网络用作前向模型，遗传算法用于求解逆问题中的优化问题，其优点是能够避免基于梯度下降法的迭代逆算法中可能遇到的局部最小问题，并能得到逆问题的全局最优解。实验结果验证了所提出的逆算法的有效性。     

管道缺陷漏磁检测大容量高保真数据压缩研究

管道检测是石油天然气工业的一个重要课题.在管道缺陷检测中,利用缺陷的漏磁通从而设计有效的漏磁检测装置来检测缺陷是目前研究的热点,而如何对漏磁检测数据进行大容量高保真数据压缩是其中的一个关键问题.本文在分析漏磁检测原理和漏磁检测数据特征的基础上,根据对重要数据采用无损压缩、对非重要数据采用有损压缩的原则,通过数据的差分和动态范围阈值判断数据块的检测重要性,结合Huffman算法以及小波有损压缩的优点,设计了大容量高保真管道漏磁检测数据压缩算法,并利用FPGA设计了相关的数据采集压缩电路来验证和实现该算法.实验表明该算法具有较高的压缩比并能很好的再现管道检测原始数据.     

油气管道高速漏磁检测系统中数据压缩研究

在管道缺陷检测中,如何对漏磁检测数据进行大容量高保真数据压缩是其中的一个关键问题.文章分析漏磁缺陷信号的特点,首先采用零树小波编码算法,找出能够表征缺陷信号的重要数据和不能表征缺陷信号的非重要数据,非重要数据建立小波零树,对信号进行压缩,然后结合算术编码,对压缩数据流进一步压缩处理,通过仿真实验表明在一定允许失真度的情况下,可以达到很高的压缩率.     

弱磁检测漏磁信号影响因素实验与仿真研究

弱磁检测能够有效地发现钢筋、钢绞线等铁磁构件因锈蚀产生的结构受损;但是这些铁磁材料会因所在地点、所受地磁场磁化时间的不同,从而使其在弱磁检测中所受的地磁场强度与自身磁化程度也不同。所以,为了探究地磁场与自身磁化对采集到的漏磁信号是否存在影响,在此通过磁屏蔽与退火的方法控制地磁场与自身磁化强度两个变量,进行漏磁信号检测对比实验。为了进一步分析实验结果,采用COMSOL软件对实验进行仿真模拟。结果表明:地磁场对漏磁信号只存在数值上的影响,不会明显改变漏磁信号的变化规律;而自身磁化才是影响漏磁信号规律的主要因素。与此同时,仿真结果也与实验结果保持一致。     

Wavelet domain adaptive filtering algorithm for removing the seamless pipe noise contained in the magnetic flux leakage data

With the widespread application and fast development of gas and oil pipeline network in China, the pipeline inspection technology has been used more extensively. The magnetic flux leakage （MFL） method has established itself as the most widely used in-line inspection technique for the evaluation of gas and oil pipelines. The MFL data obtained from seamless pipeline inspection is usually contaminated by the seamless pipe noise （SPN）. SPN can in some cases completely mask MFL signals from certain type of defects, and therefore considerably reduces the detectability of the defect signals. In this paper, a new de-noising algorithm called wavelet domain adaptive filtering is proposed for removing the SPN contained in the MFL data. The new algorithm results from combining the wavelet transform with the adaptive filtering technique. Results from application of the proposed algorithm to the MFL data from field tests show that the proposed algorithm has good performance and considerably improves the detectability of the defect signals in the MFL data.     

基于超声Lamb波技术的储罐底板缺陷检测

 针对储油罐底板长期服役过程中罐底边缘板常发生腐蚀的情况,研发出一种超声Lamb波检测技术,开展了相关实验研究并设计了一套储罐检测自动化装置。对14mm大厚度钢板进行了仿真分析,计算出激发角度曲线,得出其A0模态Lamb波最佳激发角度为70°。设计加工了某2万m³成品油储罐底板1:1实验模型,并使用设计的UT350平板导波检测系统在该模型板上开展了实验,当激励信号频率为490kHz时检测结果最佳。实验结果表明Lamb波A0模态的低频脉冲信号能实现对大型钢板的缺陷检测,具有较好的缺陷识别能力。设计了一套能紧贴储油罐壁自动行走的储罐底板自动化检测装置,该装置可根据储罐边缘板自动调节传感器角度和压紧力,能根据检测效果调节行走速度。实现了对储罐底板缺陷连续、高效、稳定的在线检测过程。研究结果和设计装置实现了对储油罐底板缺陷检测,为储罐安全运行提供了保障。