輸油管道自校正超聲波在線監(jiān)測系統(tǒng)

王志偉，高 斌，肖 湘

(電子科技大學 自動化工程學院，成都 610000)

石油輸送行業(yè)的快速發(fā)展和油氣管道的腐蝕嚴重影響著石化企業(yè)的安全生產(chǎn)[1]，有效地監(jiān)測腐蝕引起的管道壁厚減薄程度，可以及時地對管道進行維護，延長其使用壽命，同時可大幅減少因管道腐蝕而發(fā)生的安全事故，降低不必要的經(jīng)濟損失[2]。

現(xiàn)有油氣管道腐蝕檢測和在線監(jiān)測的解決方案在溫度變化較大的工況環(huán)境中會產(chǎn)生較大的測量誤差，尤其是在國內(nèi)晝夜溫差變化很大的地區(qū)，長期暴露在石油平臺或野外的在線石油管道監(jiān)測系統(tǒng)會受到早晚溫差較大的影響。因此，筆者提出溫度與聲速誤差補償?shù)纳窠?jīng)網(wǎng)絡模型和線性回歸模型，并進行兩種模型的效果對比分析，在監(jiān)測系統(tǒng)中融入了誤差補償更優(yōu)的自校正模型，在一定程度上消除了溫度對超聲波測厚造成的誤差影響。

1 原理概述

1.1 超聲波檢測原理

超聲波檢測是無損檢測的重要分支，利用超聲波測量石油管道的壁厚，依據(jù)的是超聲波在材料中傳播的特征，如：聲波在通過材料時能量會有損失，在遇到兩種介質(zhì)的分界面時，會發(fā)生反射等，常用的頻率為0.5 MHz～25 MHz。其工作過程為：① 利用壓電效應在探頭中激發(fā)超聲波；② 超聲波在試件中傳播，與材料相互作用，材料的不均勻性將改變超聲波傳播方向等特性；③ 通過儀器可觀察到超聲波特征的改變；④ 根據(jù)采樣數(shù)據(jù)可獲得超聲波的傳播時間，從而評估試件的內(nèi)部特征。

脈沖反射法是由超聲波探頭發(fā)射脈沖波到試件內(nèi)部，通過觀察來自內(nèi)部缺陷或試件底面的反射波的情況來對試件進行檢測的方法。采用脈沖反射技術(shù)進行超聲測厚的工作原理是利用厚度與聲速及超聲波在試件中的傳播時間的關系，如式(1)所示。

(1)

式中：H為試件厚度；c為材料中的聲速；t為垂直入射時超聲波在試件中往返一次的傳播時間。

可以得知，影響超聲波測厚精度的因素是聲速c和傳播時間t。

聲速c的基本物理關系如式(2)所示。

(2)

式中：T為周期；f為頻率；λ為波長；ω為角頻率；c為材料中的聲速。

固體中橫波的聲速關系如式(3)所示。

(3)

式中：E為彈性模量；G為切變模量；σ為泊松比；ρ為密度。

固體中縱波的聲速關系如式(4)所示。

(4)

在不同溫度下，固體材料的彈性模量會發(fā)生變化，一般來說，彈性模量隨著溫度的升高而減小。結(jié)合式(3)，(4)可知，在不同溫度下，超聲波的聲速會發(fā)生變化。隨著溫度的升高，一般固體材料中超聲波的傳播速度會相應降低，從而影響超聲波的測厚精度。

因此，為了解決超聲波測厚系統(tǒng)中溫度變化引起的精度誤差問題，筆者對神經(jīng)網(wǎng)絡誤差補償模型和線性回歸誤差補償模型進行了大量的試驗研究。

1.2 神經(jīng)網(wǎng)絡模型

神經(jīng)網(wǎng)絡的本質(zhì)是一種算法模型，其由各種節(jié)點相互連接組合而成，每一個節(jié)點可以代表一種激勵函數(shù)，節(jié)點之間的連接有著權(quán)值，可代表其所占的比重，是由大量的處理單位組成的非線性、非局限性、非常規(guī)性、非凸性的一種信息處理系統(tǒng)。根據(jù)溫度與聲速的關系，建立了神經(jīng)網(wǎng)絡輸入輸出模型，如圖1所示。

圖1 神經(jīng)網(wǎng)絡的輸入輸出模型

1.3 線性回歸模型

線性回歸模型利用統(tǒng)計的思路來確定兩種或兩種以上變量間相互依賴的定量關系。采用的回歸分析只包含一個自變量和一個因變量，且二者關系可用一條直線近似表示一元線性回歸分析，表達式如式(5)所示。

y=bx+a+ε

(5)

(6)

a=y2-bx2

(7)

ε-N(0,σ2)

(8)

(9)

(10)

式中：x為固體中的溫度；y為固體中的傳播聲速；b為回歸方程斜率；a為回歸方程截距；ε為誤差項；σ為標準差；r2為相關系數(shù)，代表變異回歸直線解釋的比例；Syy(1-r2)就是不能回歸直線解釋的變異。

2 超聲波測厚系統(tǒng)硬件設計

超聲波測厚系統(tǒng)由上位機、超聲波自動檢測終端及軟件組成，其檢測終端由采集控制模塊、處理傳輸模塊、算法模塊和多路超聲探頭等組成。超聲采集控制模塊以嵌入式處理器(ARM)芯片S3C2440和可編程集成電路(FPGA)芯片為核心，設計了多通道超聲波自動監(jiān)測終端的硬件電路，主要包括采集模塊、處理傳輸模塊、運動控制模塊、機械執(zhí)行模塊和多路超聲模塊等；采用C語言和多線程編程機制編寫了處理傳輸模塊(ARM)的軟件，實現(xiàn)了對超聲采集控制和超聲探頭的運動控制。超聲采集板卡原理框圖如圖2所示(DMA為直接存儲器訪問通信模式，REQ為請求，ACK為應答；DSC為動態(tài)穩(wěn)定控制系統(tǒng))。

圖2 超聲采集板卡原理框圖

監(jiān)測系統(tǒng)可用于監(jiān)測各種規(guī)格的油氣設備及管道的受沖蝕、腐蝕的關鍵部位，檢驗人員可實時查詢數(shù)據(jù)結(jié)果。監(jiān)測設備安裝在防爆箱里(防爆級別達到IP65)，由屏蔽線從防爆箱連接外面的超聲探頭，其中探頭安裝于管道上面。超聲探頭發(fā)射超聲信號并接收超聲回波，傳輸?shù)讲杉蹇ǎ?jīng)濾波處理后傳輸?shù)缴衔粰C軟件進行分析并顯示，系統(tǒng)硬件結(jié)構(gòu)如圖3所示(PLC為可編程邏輯控制器；MODBUS為串行通信協(xié)議)。

圖3 系統(tǒng)硬件結(jié)構(gòu)示意

3 超聲波測厚系統(tǒng)軟件設計

超聲波測厚系統(tǒng)軟件借助于面向?qū)ο蟮木幊碳夹g(shù)，具備模塊性、繼承性、動態(tài)鏈接性和易維護性等特點。考慮到軟件編程、調(diào)試、運行與升級等方面的因素，在程序設計中采用了模塊化設計思想，各模塊分別執(zhí)行相應的功能，可以分別對其進行設計、調(diào)試和修改。軟件整體設計由5大模塊組成(見圖4)。

圖4 軟件結(jié)構(gòu)圖

軟件程序啟動后先初始化聲學參數(shù)和配置參數(shù)，接著判斷軟件是否需要終止，如果“否”，則接收軟件界面輸入的指令并進行相應的動作，然后把執(zhí)行結(jié)果和計算結(jié)果顯示在屏幕上。最后，繼續(xù)判斷軟件是否需要終止，重復上述的步驟，軟件執(zhí)行流程如圖5所示。

圖5 軟件執(zhí)行流程圖

其中數(shù)據(jù)流從超聲探頭以模擬信號的形式傳輸?shù)讲杉蹇ǎ?jīng)過A/D(模擬/數(shù)字)轉(zhuǎn)換為數(shù)字信號后傳輸?shù)缴衔粰C系統(tǒng)。上位機繪畫出原始回波并在屏幕上顯示。另外，上位機存儲數(shù)據(jù)并進行處理，計算出管道測試點的壁厚并在屏幕上顯示。軟件系統(tǒng)數(shù)據(jù)流如圖6所示。

圖6 軟件系統(tǒng)數(shù)據(jù)流示意

4 聲速與溫度試驗結(jié)果分析

試驗獲得的三列數(shù)據(jù)存于txt文本中。第一列是探頭的通道號，所使用的通道號一共有4個；第二列是當前的溫度，0～70 ℃；第三列是在該探頭通道與當前溫度下得到的聲速，m/s。

4.1 神經(jīng)網(wǎng)絡模型聲速補償結(jié)果分析

將試驗數(shù)據(jù)導入MATLAB軟件，并對網(wǎng)絡進行訓練樣本。經(jīng)過BP神經(jīng)網(wǎng)絡訓練后會得到如圖7，8，9所示的結(jié)果，分別是原始訓練集溫度與聲速的曲線、未訓練完成的網(wǎng)絡仿真曲線和原始訓練集曲線、訓練完成的網(wǎng)絡仿真曲線和原始訓練集曲線，這3幅圖中實線代表的是原始訓練集曲線，虛線代表的是通過網(wǎng)絡進行仿真后的曲線。可以看出，在BP神經(jīng)網(wǎng)絡未進行訓練前，對其仿真后的效果表現(xiàn)比較差，只能看出大概趨勢，精準度遠遠不夠，且收斂系數(shù)和準確值相差過大，無法作為所需的算法來使用。圖7為輸出的溫度聲速原始圖像；圖8為經(jīng)過誤差反向傳播及一次訓練后的網(wǎng)絡圖像和原始訓練集溫度與聲速的圖像對比；圖9為經(jīng)過多次訓練后的網(wǎng)絡，有著良好的回歸性能，其回歸曲線能夠很好地表示原曲線的趨勢。

圖7 原始訓練集曲線

圖8 一次訓練效果曲線

圖9 多次訓練效果曲線

4.2 線性回歸模型聲速補償結(jié)果分析

將試驗數(shù)據(jù)進行線性回歸分析，結(jié)果如表1和圖10 所示，可得線性回歸模型如式(11)所示。

圖10 線性回歸分析結(jié)果

表1 線性回歸分析結(jié)果參數(shù)

f(x)=p1×x+p2

(11)

式中：系數(shù)p1的最優(yōu)值選-0.849 7，取值-0.907 2～-0.792 3；p2選593 2，取值5 929～5 934。

4.3 模型測量結(jié)果對比

改變溫度，使用神經(jīng)網(wǎng)絡模型和線性回歸模型分別測量試塊兩處不同厚度的階梯(15 mm和12 mm)，得到誤差和相對誤差如表2～5所示。

表2 神經(jīng)網(wǎng)絡訓練模型探頭測量15 mm試塊結(jié)果

表3 神經(jīng)網(wǎng)絡訓練模型探頭測量12 mm試塊結(jié)果

表4 線性回歸模型探頭測量15 mm試塊結(jié)果

表5 線性回歸模型探頭測量12 mm試塊結(jié)果

由表2～5可以看出，隨著溫度的變化，測量所得誤差并沒有出現(xiàn)大于0.1 mm的情況，可知兩種算法模型都具備較好的魯棒性。在同等條件下，線性回歸模型比神經(jīng)網(wǎng)絡模型測量的結(jié)果更準確，相對誤差值更小。

5 結(jié)語

超聲波壁厚監(jiān)測是保證石油管道安全運輸?shù)闹匾侄巍＠贸暡ㄔ诰€監(jiān)測石油管道的厚度和腐蝕情況，研究了溫度與聲速的關系，對比了神經(jīng)網(wǎng)絡和線性回歸兩種模型的誤差精度。兩種誤差補償模型都能達到石油管道測厚的0.1 mm誤差精度要求，但線性回歸模型的相對誤差更小且測量數(shù)據(jù)更穩(wěn)定，更適合用于溫度變化比較大的工況環(huán)境。在監(jiān)測系統(tǒng)中融入線性回歸誤差補償模型，在一定程度上消除了溫度對超聲波測厚造成的誤差影響。