摘 要：为解决油气管道漏磁检测数据量巨大所带来的处理难题，研究一种从漏磁检测数据中快速识别出待求解目标缺陷区域的检测方法。基于有限元仿真计算，对油气管道三维漏磁检测信号的特性进行研究，进而对检测数据进行分段阈值截取处理，并提出一种管道待求解缺陷区域的分段识别方法，可快速且准确地处理油气管道漏磁检测海量数据。基于实际油气管道的漏磁检测数据，对所提出的分段识别方法进行试验验证。试验结果表明：所提出的方法可准确识别出管道上的缺陷区域，既完整地包含缺陷及其附近区域，也不存在过量的无关区域，可有效地控制后续处理过程的数据量。
关键词：漏磁检测；缺陷识别；分段处理；阈值截取；油气管道
文献标志码：A 文章编号：1674-5124（2017）11-0001-07
0 引 言
油气输送管道极易在介质腐蚀、地基变化、地质灾害等因素的作用下产生腐蚀、裂纹等缺陷。在众多的油气管道缺陷检测方法中，漏磁（magnetic flux leakage，MFL）检测对检测环境要求不高，且能同时检测管道的内壁与外壁缺陷，因而获得了广泛应用[1-5]。
由MFL检测信号评估缺陷的位置与形状参数，是MFL检测技术的关键[6-7]。现代化的油气管道检测与维护，要求精确地确定缺陷的形状轮廓，以便分析缺陷的发展趋势以及其对管道安全运行的影响，进而精确地指导油气管道的检测与维护[8]。然而，现阶段的油气管道MFL检测多是基于轴向或径向分量的一维MFL检测，获取的检测信息量有限，难以满足MFL检测的现代化发展趋势要求[9]。同时，实际油气管道漏磁检测的数据量巨大，有必要研究如何快速从中识别出待求解的目标缺陷区域，从而为后续的缺陷轮廓反演评估打下基础。
为此，本文通过建立油气管道漏磁检测的有限元仿真模型，对油气管道三维MFL检测信号的特性进行研究。进而提出一种管道待求解缺陷区域的分段识别方法，并进行试验验证。
1 三维MFL检测信号的特性研究
漏磁检测通过外加磁场在铁磁性管壁内部激发饱和磁场，进而通过磁传感器检测由管壁缺陷造成的泄漏磁场，从而获取缺陷的相关信息[10-11]。图1为油气管道三维MFL检测示意图，其磁路主要由钢刷、永磁体、背铁和管壁组成。在检测器内部，沿管道周向均匀布置有测量探头。其中，每个测量探头内部有多组霍尔传感器或线圈传感器，用于测量由管壁缺陷造成的漏磁场信号，包括轴向信号Ba、径向信号Br与周向信号Bc。
在对实际的油气管道进行检测时，为了获得最优的检测效果，永磁体沿管道轴向将管壁磁化至饱和或近饱和状态。同时，磁传感器被布置于磁路的中心，以使其与缺陷处于均匀的磁化场中，从而不受钢刷附近不规则磁场的影响。
1.1 信号的基本特征
基于油气管道三维MFL检测的磁路结构，采用有限元分析软件ANSYS建立的90°有限元仿真模型如圖2所示。该模型可以仿真任意缺陷产生的三维MFL检测信号，其所使用的三维漏磁检测器结构尺寸与线性磁性材料的特性参数如表1所示。图3为三维有限元仿真模型中的背铁、钢刷与管壁3种材料的磁化特性曲线。
图4～图6分别给出了一个28.6 mm×14.3 mm×7.15 mm （长×宽×深） 矩形缺陷、一个28.6 mm×7.15 mm（直径×深）弧面缺陷以及一个28.6 mm×7.15 mm（直径×深）圆柱缺陷的仿真三维MFL信号分布图。由图可以得到缺陷三维漏磁检测信号的基本特征为
1）轴向分量具有一个峰值区域、两个谷值区域以及两个对称面，其轮廓主要反映了缺陷底部轮廓的拐点。
2）径向分量具有一个峰值点和一个谷值点，同时具有一个对称面与一个反对称面，其轮廓主要反映了缺陷的开口形状。
3）周向分量具有两个峰值点、两个谷值点以及两个反对称面，其轮廓主要反映了缺陷侧面边界的拐点。
同时，图4～图6中黑色虚线标示了真实的缺陷开口轮廓。对比缺陷开口轮廓与三维MFL信号图可知：
1）沿施加外部磁场的轴向方向，轴向分量的两个谷值点分别位于缺陷开口的最后与最前边沿处，峰值区域位于缺陷开口的中心，峰值点则位于缺陷开口的左右边沿。
2）径向分量的峰、谷值点分别位于缺陷开口的最后与最前边沿处。
3）周向分量的峰值点位于缺陷开口的左后与右前边沿处，谷值点位于缺陷开口的左前与右后边沿处。
1.2 信号随缺陷尺寸的变化规律
为了更详细地研究三维MFL检测信号随缺陷参数改变而变化的规律，基于图4所示的矩形缺陷三维MFL信号强度图，定义了如表2所示的待研究三维MFL信号特征参数。
基于三维有限元仿真，得到一系列矩形缺陷的三维MFL检测信号分布。其中，缺陷长度变化范围为15～105 mm，缺陷宽度变化范围为17.5～39.5 mm，缺陷深度变化范围为1.79～10.01 mm。统计所研究特征参数随矩形缺陷长、宽、深尺寸的变化规律，绘制结果如图7～图9所示。
由统计结果，可得到不同缺陷尺寸下三维MFL信号特征参数的基本变化规律：MFL检测信号轴向、径向与周向分量的峰谷差值，均随缺陷长度、宽度、深度的增大而明显改变，其中，特征参数随缺陷长度先减小后增大，与缺陷宽度、深度呈现单调递增的关系；当缺陷长度增大时，周向分量峰谷值点间的周向间距不变，其余与轴向间距有关的特征参数均增大；当缺陷宽度增大时，周向分量峰谷值点间的周向间距增大，其余与轴向间距有关的特征参数均不变；当缺陷深度增大时，所有与轴向间距以及周向间距有关的特征参数均无明显变化。
由以上变化规律可知，三维MFL检测信号的三个分量均受缺陷外形轮廓变化的影响，也均携带有对应于缺陷轮廓的有用信息。因此，为了准确地反演缺陷轮廓从而获得缺陷外形的可视化结果，应实施油气管道三维MFL检测以获取充足的检测信息。
2 管道缺陷区域的分段识别方法
为了实现油气管道缺陷形状轮廓的反演，在对管道进行漏磁检测后，首先需要根据三维MFL检测信号图识别出待求解的目标缺陷区域（TR）。在包含完整缺陷轮廓的前提下，应尽可能地缩小待求解的TR区域面积，从而减少后续缺陷轮廓反演过程中需要处理的数据量。同时，由于缺陷产生的全部MFL信号均含有缺陷轮廓的潜在信息，为了更准确地反演缺陷轮廓，原始的缺陷MFL信号均应保留。
2.1 分段识别方法
三维MFL检测信号轴向分量的幅值，是待求解缺陷区域的最基本判别条件。在无缺陷的管壁完好区域，轴向MFL检测信号的幅值较小，相应的检测图像比较平坦；而在管壁上的缺陷区域，轴向MFL检测信号的幅值显著增大，相应的检测图像的变化比较明显。鉴于此，可将油气管道上有缺陷的区域及其邻近的区域定义为待求解的TR区域；对应地，将无缺陷的完好区域称为NON-TR区域。
基于轴向MFL检测信号的上述特性，为了划定出管壁的TR区域和NON-TR区域，可采用如下的分段识别方法对管道轴向MFL检测信号图进行检测：
1）将获得的管道轴向MFL检测数据按周向进行划分，对每一路传感器所测数据进行单独检测。
2）对于每一路待检测的轴向MFL数据，将其沿轴向分割成长度为L的多个数据段，查找每个数据段内的最大值max{X}和最小值min{X}。
3）定义阈值TH1和TH2，若max{X}>TH1成立，或者max{X}-min{X}>TH2成立，则判定该段数据为管道TR区域内的检测数据，否则即为NON-TR区域的检测数据。
该分段识别方法的关键在于定义合适的数据段长度L、阈值TH1和TH2，而这些参数需要根据管壁磁化强度、检测器采样间隔等条件进行合理的选择。图10为一段457 mm口径、14.3 mm壁厚管道的轴向MFL检测数据，其中检测信号最大值为4 095，对应于实际漏磁场500 Gs。分析所示的轴向MFL检测数据可知：在该段管道的无缺陷处，检测信号所对应的磁感应强度幅值约为125 Gs；而在管壁缺陷处，检测信号对应的磁感应强度幅值达200 Gs以上。基于该段数据，进行管壁TR区域的识别试验。考虑到MFL检测信号中噪声信号的幅值一般小于2 Gs，将用于判断的阈值TH1和TH2分别设定为200 Gs和20 Gs。
2.2 试验验证
令数据分段长度L分别取5，10，20，40个数据点，得到的基于轴向MFL检测数据的TR区域识别结果如图11～图14所示。由图可知，在不考虑TR区域大小是否合适的情况下，管壁上所加工的人工缺陷均被检出。经统计，在所设定的判断阈值下，无论数据分段长度取5，10，20，40个数据点，管壁上实际缺陷的检出率均达98%以上。实际缺陷的高检出率，表明所设定的判断阈值完全满足缺陷检测的基本要求。
与此同时，TR区域大小是否合适，会受到数据分段长度L取值的直接影响。当L为5个数据点时，与真实缺陷MFL信号范围相比，识别出的TR区域存在明显的缺失；当L为10个数据点时，TR区域识别结果有所改善，但仍存在部分缺失的不规则区域；当L为40个数据点时，TR区域识别结果完整地包含了缺陷及其附近区域，却同时包含了大量的无关区域，导致缺陷轮廓反演待求解区域过大；当L为20个数据点时，TR区域识别结果为完整的规则区域，既完整地包含了缺陷及其附近区域，也不存在过量的无关区域，识别效果最好。
图15和图16分别给出了两种缺陷在不同数据分段长度时的TR区域识别结果。由图对比可知，20个数据点为比较合适的数据分段长度。由于识别出的TR区域不一定为规则的矩形区域，为了后续数据处理的方便，对识别结果进行规则化处理。对于图15（c）与图16（c）所示的TR区域识别结果，分别沿轴向与周向取该区域的最外边界，得到最终的矩形待求解缺陷区域识别结果如图17所示。
3 结束语
本文基于油气管道MFL检测有限元仿真模型，研究了三维MFL检测信号的特性，进而提出了一种油气管道MFL检测信号的分段识别方法。结果表明，为了准确地反演缺陷轮廓，应实施油气管道三维MFL检测以获取充足的检测信息。同时，本文方法可根据轴向MFL检测信号准确地识别出管道待求解缺陷区域，既完整地包含了缺陷及其附近区域，也不存在过量的无关区域，为后续的缺陷轮廓反演打下了较好的基础。后续工作中，需进一步研究缺陷轮廓的反演方法，从而获得缺陷外形的可视化结果，为油气管道的检测与维护提供直观可靠的依据。
参考文献
[1] PORTER P C. Use of magnetic flux leakage（MFL） for the inspection of pipelines and storage tanks[J]. Nondestructive Evaluation of Aging Infrastructure，1995，30（1）：172-184.
[2] SUN Y， KANG Y. Magnetic mechanisms of magnetic flux leakage nondestructive testing[J]. Applied Physics Letters，2013，103（18）：184104.
[3] 劉群，黄松岭，赵伟，等. 海底管道缺陷漏磁检测器数据采集系统研发[J]. 中国测试，2015，41（1）：89-92.
[4] 刘欢，朱红秀，李宏远，等. 管道漏磁检测数据三维显示方法研究[J]. 中国测试，2015，41（2）：84-87.
[5] 蒋奇. 管道缺陷漏磁检测量化技术及其应用研究[D]. 天津：天津大学，2003.
[6] 张勇. 漏磁检测若干关键技术的研究[D]. 合肥：中国科学技术大学，2007.
[7] 陈俊杰，黄松岭，赵伟. 油气管道缺陷漏磁检测数据压缩算法研究[J]. 电测与仪表，2014，51（15）：100-104.
[8] 刘志平，康宜华，杨叔子. 漏磁检测信号的反演[J]. 无损检测，2003，25（10）：531-535.
[9] 王富祥，冯庆善，张海亮，等. 基于三轴漏磁内检测技术的管道特征识别[J]. 无损检测，2011，33（1）：79-84.
[10] 郭世旭，刘胜，陈秀丽，等. 管道微小泄漏内检测近场声信号特性研究[J]. 电子测量与仪器学报，2016，30（6）：834-844.
[11] 张海燕，方晓艳，马小芳，等. 管道三维漏磁检测的有限元仿真应用[J]. 仪表技术与传感器，2012（11）：163-165.
（编辑：商丹丹）