基于聲發(fā)射信號(hào)特征的海上風(fēng)電場(chǎng)導(dǎo)管架裂紋檢測(cè)系統(tǒng)

銀磊?張新宇?趙金輝?張瑞光

摘要：導(dǎo)管架連接上部風(fēng)機(jī)塔筒和下部主體，是海上風(fēng)機(jī)的最重要結(jié)構(gòu)之一。傳統(tǒng)裂紋檢測(cè)過(guò)程費(fèi)時(shí)費(fèi)力，在此背景下，本文闡述了一種基于聲發(fā)射信號(hào)的導(dǎo)管架水下裂紋檢測(cè)系統(tǒng)及其方法，其采用基于深度學(xué)習(xí)的人工智能檢測(cè)算法，以聲發(fā)射傳感器作用于待測(cè)導(dǎo)管架的聲發(fā)射回波信號(hào)作為輸入數(shù)據(jù)，并對(duì)其進(jìn)行笛卡爾坐標(biāo)系下的時(shí)間序列遷移到極坐標(biāo)系上表示的場(chǎng)域轉(zhuǎn)化后，來(lái)提取所述聲發(fā)射回波信號(hào)中關(guān)于所述導(dǎo)管架聚焦于空間位置上以及通道內(nèi)容上的特征分布信息，并以這兩者的特征信息的融合來(lái)進(jìn)行導(dǎo)管架是否存在水下裂紋的檢測(cè)判斷，能夠?qū)崟r(shí)智能地對(duì)于海上風(fēng)電場(chǎng)導(dǎo)管架是否存在水下裂紋進(jìn)行準(zhǔn)確地檢測(cè)，以保障海上風(fēng)電導(dǎo)管架的安全性，降低企業(yè)后期維修成本。

關(guān)鍵詞：海上風(fēng)電場(chǎng)；裂紋檢測(cè)；聲發(fā)射信號(hào)特征；深度學(xué)習(xí)

深圳市科技計(jì)劃項(xiàng)目“重2022022面向海上風(fēng)電場(chǎng)導(dǎo)管架的數(shù)字化監(jiān)測(cè)系統(tǒng)關(guān)鍵技術(shù)研發(fā)”（項(xiàng)目編號(hào)：JSGG2021080215354033）。

銀磊（1982.06-），男，重慶，碩士，研究方向：高級(jí)能源互聯(lián)網(wǎng)；

張新宇（1987.09-），女，河南，碩士，研究方向：中級(jí)能源管理控制；

趙金輝（1983.12-），男，湖北武漢，本科，研究方向：中級(jí)智慧能源領(lǐng)域軟件平臺(tái)建設(shè)；

張瑞光（1987.09-），男，湖北宜城，本科，研究方向：智慧能源領(lǐng)域軟件平臺(tái)建設(shè)。

一、引言

在國(guó)家大力推進(jìn)“碳達(dá)峰”和“碳中和”的大背景下，風(fēng)電、光伏、抽水蓄能行業(yè)快速發(fā)展，海上風(fēng)電作為風(fēng)電產(chǎn)業(yè)最重要的組成部分，其發(fā)展速度不容小覷，隨著海上風(fēng)電的高速發(fā)展，海上風(fēng)機(jī)的大型化發(fā)展趨勢(shì)已是必然。導(dǎo)管架基礎(chǔ)作為海上風(fēng)機(jī)基礎(chǔ)上最穩(wěn)重可靠的基礎(chǔ)形式之一，在海上風(fēng)電的發(fā)展中占據(jù)著不可或缺的地位，而作為連接上部風(fēng)機(jī)塔筒和下部主體的過(guò)渡段結(jié)構(gòu)，亦是起著承上啟下的關(guān)鍵作用。目前，由于導(dǎo)管架平臺(tái)所處地區(qū)大多為高溫高鹽、環(huán)境載荷復(fù)雜的海域，需要定期對(duì)其進(jìn)行維護(hù)及探傷裂紋檢測(cè)，以確保導(dǎo)管架平臺(tái)的安全性。傳統(tǒng)的檢測(cè)技術(shù)包括磁粉檢測(cè)（MT）、超聲檢測(cè)技術(shù)（UT）、渦流檢測(cè)（ET）等技術(shù)。

二、研究現(xiàn)狀

目前，對(duì)于瑕疵識(shí)別的研究較為廣泛，瑕疵識(shí)別方法可歸納為人工識(shí)別方法、單一機(jī)理識(shí)別方法和機(jī)器視覺(jué)識(shí)別方法等三大類(lèi)：

1.人工識(shí)別

人工識(shí)別在工業(yè)瑕疵檢測(cè)中是最常見(jiàn)的方法，這種方法通過(guò)人眼將具有瑕疵的產(chǎn)品篩選出來(lái)。雖然該方法的應(yīng)用不需要投入任何設(shè)備，但因其在工作效率低，勞動(dòng)強(qiáng)度大，產(chǎn)品成本高，易受到監(jiān)測(cè)人員的素質(zhì)、肉眼分辨率、檢測(cè)經(jīng)驗(yàn)、眼部疲勞程度、質(zhì)檢人員的主觀經(jīng)驗(yàn)及感受等諸多因素影響。

2.單一機(jī)理識(shí)別

單一機(jī)理識(shí)別是一種利用物質(zhì)的聲、光、磁和電等特性，通過(guò)各種高靈敏的器件，實(shí)現(xiàn)材料瑕疵識(shí)別的方法。此類(lèi)方法根據(jù)其實(shí)現(xiàn)原理，可分為紅外識(shí)別、磁粉識(shí)別、渦流識(shí)別、漏磁識(shí)別，但這些方法都有各自的局限性。

3.機(jī)器視覺(jué)識(shí)別

機(jī)器視覺(jué)是無(wú)損的瑕疵識(shí)別技術(shù)，其提出初期主要被應(yīng)用于計(jì)算機(jī)視覺(jué)領(lǐng)域，后來(lái)由于其具有安全可靠、工作效率高等優(yōu)點(diǎn)，被引入到了各個(gè)領(lǐng)域。機(jī)器視覺(jué)技術(shù)是一項(xiàng)綜合技術(shù)，包括圖像的獲取技術(shù)、圖像的處理技術(shù)以及目標(biāo)的測(cè)量和識(shí)別技術(shù)。此類(lèi)方法主要是由圖像采集和瑕疵識(shí)別兩個(gè)過(guò)程組成。

三、關(guān)鍵技術(shù)與研究?jī)?nèi)容

（一）關(guān)鍵技術(shù)

傳統(tǒng)檢測(cè)技術(shù)的檢測(cè)過(guò)程對(duì)于人員的操作技能要求較高、產(chǎn)生的效費(fèi)比低、智能化水平低，在作業(yè)時(shí)必須要在被測(cè)導(dǎo)管架表面去除防腐層，成本較高，且只能用于檢測(cè)宏觀缺陷，并且傳統(tǒng)的檢測(cè)方案大多數(shù)需要依靠人工進(jìn)行操作，人工監(jiān)測(cè)的過(guò)程效率低、實(shí)時(shí)性差。因此，期望一種優(yōu)化的導(dǎo)管架水下裂紋檢測(cè)系統(tǒng)，其能夠?qū)崟r(shí)智能地對(duì)于海上風(fēng)電場(chǎng)導(dǎo)管架是否存在水下裂紋進(jìn)行準(zhǔn)確的檢測(cè)，以保障海上風(fēng)電導(dǎo)管架的安全性，降低企業(yè)后期維修成本。

（二）主要研究?jī)?nèi)容

在整個(gè)導(dǎo)管架水下裂紋檢測(cè)系統(tǒng)的設(shè)計(jì)之中，主要功能模塊有聲發(fā)射回波信號(hào)采集模塊、域映射模塊、第一特征提取模塊等，各個(gè)模塊介紹如下：

①聲發(fā)射回波信號(hào)采集模塊，用于獲取聲發(fā)射傳感器，作用于待測(cè)導(dǎo)管架的聲發(fā)射回波信號(hào)；

②域映射模塊，用于對(duì)所述聲發(fā)射回波信號(hào)進(jìn)行格拉姆角和場(chǎng)變換以得到格拉姆角和場(chǎng)圖像；

③第一特征提取模塊，用于將所述格拉姆角和場(chǎng)圖像，通過(guò)使用空間注意力的第一卷積神經(jīng)網(wǎng)絡(luò)模型以得到第一聲發(fā)射檢測(cè)特征圖；

④第二特征提取模塊，用于將所述格拉姆角和場(chǎng)圖像，通過(guò)使用通道注意力的第二卷積神經(jīng)網(wǎng)絡(luò)模型以得到第二聲發(fā)射檢測(cè)特征圖；

⑤特征融合模塊，用于融合所述第一聲發(fā)射檢測(cè)特征圖和所述第二聲發(fā)射檢測(cè)特征圖以得到分類(lèi)特征圖；

⑥特征流形校正模塊，用于對(duì)所述分類(lèi)特征圖進(jìn)行高維特征流形校正，以得到校正后分類(lèi)特征圖；以及檢測(cè)結(jié)果生成模塊，用于將所述校正后分類(lèi)特征圖通過(guò)分類(lèi)器以得到分類(lèi)結(jié)果，所述分類(lèi)結(jié)果用于表示導(dǎo)管架是否存在水下裂紋。

導(dǎo)管架水下裂紋檢測(cè)系統(tǒng)中第一特征提取模塊，進(jìn)一步用于：使用所述使用空間注意力的第一卷積神經(jīng)網(wǎng)絡(luò)模型的卷積編碼部分，對(duì)所述格拉姆角和場(chǎng)圖像進(jìn)行深度卷積編碼，以得到第一格拉姆角和場(chǎng)卷積特征圖；將所述第一格拉姆角和場(chǎng)卷積特征圖，輸入所述使用空間注意力的第一卷積神經(jīng)網(wǎng)絡(luò)模型的空間注意力部分，以得到空間注意力圖；將所述空間注意力圖通過(guò)Softmax激活函數(shù)，以得到空間注意力特征圖；以及計(jì)算所述空間注意力特征圖和所述第一格拉姆角和場(chǎng)卷積特征圖的按位置點(diǎn)乘，以得到所述第一聲發(fā)射檢測(cè)特征圖。

導(dǎo)管架水下裂紋檢測(cè)系統(tǒng)中第二特征提取模塊進(jìn)一步用于：將所述格拉姆角和場(chǎng)圖像，輸入所述使用通道注意力的第二卷積神經(jīng)網(wǎng)絡(luò)模型的多層卷積層，以得到第二格拉姆角和場(chǎng)卷積特征圖；計(jì)算所述第二格拉姆角和場(chǎng)卷積特征圖的沿通道維度的各個(gè)特征矩陣的全局均值，以得到通道特征向量；將所述通道特征向量輸入所述Sigmoid激活函數(shù)，以得到通道注意力權(quán)重向量；以及以所述通道注意力權(quán)重向量中各個(gè)位置的特征值作為權(quán)重，對(duì)所述第二格拉姆角和場(chǎng)卷積特征圖的沿通道維度的各個(gè)特征矩陣進(jìn)行加權(quán)，以得到所述第二聲發(fā)射檢測(cè)特征圖。導(dǎo)管架水下裂紋檢測(cè)系統(tǒng)中特征融合模塊，以如下公式融合所述第一聲發(fā)射檢測(cè)特征圖和所述第二聲發(fā)射檢測(cè)特征圖，以得到分類(lèi)特征圖。

導(dǎo)管架水下裂紋檢測(cè)系統(tǒng)中特征流形校正模塊，以如下公式對(duì)所述分類(lèi)特征圖進(jìn)行高維特征流形校正，以得到所述校正后分類(lèi)特征圖；其中，所述公式為：

其中，fi和fj表示所述分類(lèi)特征圖的各個(gè)位置的特征值，且表示所述分類(lèi)特征圖的所有特征值的均值，且N表示所述分類(lèi)特征圖的尺度，exp（·）表示數(shù)值的指數(shù)運(yùn)算，所述數(shù)值的指數(shù)運(yùn)算表示以數(shù)值為冪的自然指數(shù)函數(shù)值，fi'表示所述校正后分類(lèi)特征圖的各個(gè)位置的特征值。

四、系統(tǒng)分析與設(shè)計(jì)

（一）應(yīng)用場(chǎng)景分析

在導(dǎo)管架水下裂紋檢測(cè)系統(tǒng)應(yīng)用場(chǎng)景中，首先獲取聲發(fā)射傳感器作用于待測(cè)導(dǎo)管架的聲發(fā)射回波信號(hào)；然后將獲取的所述聲發(fā)射回波信號(hào)，輸入至部署有基于聲發(fā)射信號(hào)的導(dǎo)管架水下裂紋檢測(cè)算法的服務(wù)器中，其中，所述服務(wù)器能夠使用基于聲發(fā)射信號(hào)的導(dǎo)管架水下裂紋檢測(cè)算法，對(duì)所述聲發(fā)射回波信號(hào)進(jìn)行處理，以生成用于表示導(dǎo)管架是否存在水下裂紋。詳細(xì)應(yīng)用場(chǎng)景如圖1所示。

（二）系統(tǒng)設(shè)計(jì)

在導(dǎo)管架水下裂紋檢測(cè)系統(tǒng)之中，采用聲發(fā)射信號(hào)檢測(cè)的流程圖具體如圖2所示。

在導(dǎo)管架水下裂紋檢測(cè)之中，具體包括：

①聲發(fā)射回波信號(hào)采集步驟S110：獲取聲發(fā)射傳感器作用于待測(cè)導(dǎo)管架的聲發(fā)射回波信號(hào)；

②域映射步驟S120：對(duì)所述聲發(fā)射回波信號(hào)進(jìn)行格拉姆角和場(chǎng)變換，以得到格拉姆角和場(chǎng)圖像；

③第一特征提取步驟S130：將所述格拉姆角和場(chǎng)圖像通過(guò)使用空間注意力的第一卷積神經(jīng)網(wǎng)絡(luò)模型，以得到第一聲發(fā)射檢測(cè)特征圖；

④第二特征提取步驟S140：將所述格拉姆角和場(chǎng)圖像通過(guò)使用通道注意力的第二卷積神經(jīng)網(wǎng)絡(luò)模型，以得到第二聲發(fā)射檢測(cè)特征圖；

⑤特征融合步驟S150：融合所述第一聲發(fā)射檢測(cè)特征圖和所述第二聲發(fā)射檢測(cè)特征圖，以得到分類(lèi)特征圖；

⑥特征流形校正步驟S160：對(duì)所述分類(lèi)特征圖進(jìn)行高維特征流形校正，以得到校正后分類(lèi)特征圖；

⑦檢測(cè)結(jié)果生成步驟S170：將所述校正后分類(lèi)特征圖通過(guò)分類(lèi)器以得到分類(lèi)結(jié)果，所述分類(lèi)結(jié)果用于表示導(dǎo)管架是否存在水下裂紋。

基于聲發(fā)射信號(hào)的導(dǎo)管架水下裂紋檢測(cè)方法的系統(tǒng)架構(gòu)的示意圖如圖3所示。

如圖3所示，在導(dǎo)管架水下裂紋檢測(cè)系統(tǒng)中，首先獲取聲發(fā)射傳感器作用于待測(cè)導(dǎo)管架的聲發(fā)射回波信號(hào)；然后，對(duì)所述聲發(fā)射回波信號(hào)進(jìn)行格拉姆角和場(chǎng)變換，以得到格拉姆角和場(chǎng)圖像；接著，將所述格拉姆角和場(chǎng)圖像通過(guò)使用空間注意力的第一卷積神經(jīng)網(wǎng)絡(luò)模型，以得到第一聲發(fā)射檢測(cè)特征圖；然后，將所述格拉姆角和場(chǎng)圖像通過(guò)使用通道注意力的第二卷積神經(jīng)網(wǎng)絡(luò)模型，以得到第二聲發(fā)射檢測(cè)特征圖；接著，融合所述第一聲發(fā)射檢測(cè)特征圖和所述第二聲發(fā)射檢測(cè)特征圖，以得到分類(lèi)特征圖；然后，對(duì)所述分類(lèi)特征圖進(jìn)行高維特征流形校正，以得到校正后分類(lèi)特征圖；最后，將所述校正后分類(lèi)特征圖通過(guò)分類(lèi)器，以得到分類(lèi)結(jié)果，所述分類(lèi)結(jié)果用于表示導(dǎo)管架是否存在水下裂紋。

五、結(jié)束語(yǔ)

海上風(fēng)電場(chǎng)導(dǎo)管架裂紋檢測(cè)系統(tǒng)主要采用深度學(xué)習(xí)的方法進(jìn)行處理，將所述校正后分類(lèi)特征圖按照行向量或列向量展開(kāi)為分類(lèi)特征向量，使用所述分類(lèi)器的多個(gè)全連接層，對(duì)所述分類(lèi)特征向量進(jìn)行全連接編碼以得到編碼分類(lèi)特征向量；將所述編碼分類(lèi)特征向量，通過(guò)所述分類(lèi)器的Softmax分類(lèi)函數(shù)，以得到所述分類(lèi)結(jié)果，以此對(duì)導(dǎo)管架的裂縫進(jìn)行快速檢測(cè)，有異常狀態(tài)及時(shí)報(bào)警，從而提升整個(gè)海上風(fēng)電場(chǎng)的安全性。

作者單位：銀磊 張新宇 趙金輝 張瑞光 深圳量云能源網(wǎng)絡(luò)科技有限公司

參? 考? 文? 獻(xiàn)

[1]尹漢軍，付殿福.300米級(jí)深水導(dǎo)管架在南海陸坡區(qū)應(yīng)用的挑戰(zhàn)與關(guān)鍵技術(shù)研究[J].中國(guó)海上油氣，2022，34（01）：147-154.

[2]彭建盛，李濤濤，侯雅茹，等.基于機(jī)器學(xué)習(xí)的裂紋識(shí)別研究現(xiàn)狀及發(fā)展趨勢(shì)[J].廣西科學(xué)，2021，28（03）：215-228.

[3]冉蓉，徐興華，邱少華，等.基于深度卷積神經(jīng)網(wǎng)絡(luò)的裂紋檢測(cè)方法綜述[J].計(jì)算機(jī)工程與應(yīng)用，2021，57（09）：23-35.

[4]湯勃，孔建益，王興東，等.鋼板表面低對(duì)比度微小缺陷圖像增強(qiáng)和分割[J].中國(guó)圖象圖形學(xué)報(bào)，2020，25（01）：81-91.

[5]張紅霞，王燦，劉鑫，等.圖像邊緣檢測(cè)算法研究新進(jìn)展[J].計(jì)算機(jī)工程與應(yīng)用，2018，54（14）：11-18.

[6]黃彭奇子.基于圖像處理的表面缺陷檢測(cè)關(guān)鍵技術(shù)研究[D].國(guó)防科技大學(xué)，2019.

[7]彭建盛，李濤濤，侯雅茹，等.基于機(jī)器學(xué)習(xí)的裂紋識(shí)別研究現(xiàn)狀及發(fā)展趨勢(shì)[J].廣西科學(xué)，2021，28（3）：215-228.

[8]曹渝昆，桂麗嬡.基于深度可分離卷積的輕量級(jí)時(shí)間卷積網(wǎng)絡(luò)設(shè)計(jì)[J].計(jì)算機(jī)工程，2020，46（9）：95-100，109.