基于磁記憶信號(hào)特征的管道缺陷分類識(shí)別和分級(jí)識(shí)別方法

王貴生,李 煒,楊 勇,萬(wàn) 勇

(1.中國(guó)石油化工股份有限公司勝利油田分公司，東營(yíng) 257000; 2.中國(guó)石油化工股份有限公司勝利油田分公司技術(shù)檢測(cè)中心，東營(yíng) 257000； 3.中國(guó)石油大學(xué)(華東)海洋與空間信息學(xué)院，青島 266580)

油田油氣管道長(zhǎng)期暴露在野外復(fù)雜環(huán)境或者潮濕的地下環(huán)境中。管道受到外界環(huán)境或者受力的長(zhǎng)期影響，會(huì)產(chǎn)生兩種主要的缺陷，即應(yīng)力集中和腐蝕。其中，腐蝕的危害較大，它是一種明顯可見(jiàn)的缺陷類型，包括表面的均勻腐蝕、管道不規(guī)則破損甚至管道穿孔等情況。早期應(yīng)力集中肉眼不可見(jiàn)，但是經(jīng)過(guò)長(zhǎng)期演變也會(huì)發(fā)展為腐蝕，成為管道安全的一大隱患，對(duì)油田現(xiàn)場(chǎng)的安全生產(chǎn)造成極大的威脅，因此需要提前對(duì)缺陷進(jìn)行整治[1-2]。

DOUBOV[3]在20世紀(jì)90年代末提出了金屬磁記憶檢測(cè)技術(shù)。該方法是一種能夠有效檢測(cè)油氣管道缺陷的無(wú)損檢測(cè)手段。研究表明，金屬磁記憶檢測(cè)技術(shù)可通過(guò)原始的磁記憶信號(hào)判斷管道上是否存在缺陷，但對(duì)管道上缺陷的類型以及缺陷對(duì)管道的損傷程度無(wú)法通過(guò)磁記憶信號(hào)得到[4]。近幾年金屬磁記憶技術(shù)在管道缺陷檢測(cè)應(yīng)用方面的報(bào)道越來(lái)越多[5-16]，但針對(duì)管道缺陷類型識(shí)別和缺陷程度分級(jí)的相關(guān)研究相對(duì)較少[17-20]。而且目前管道缺陷的分類識(shí)別方法仍然存在一些問(wèn)題，如建模樣本有限，識(shí)別方法普適性較差，缺乏現(xiàn)場(chǎng)驗(yàn)證等。因此，目前還沒(méi)有專門(mén)針對(duì)管道腐蝕缺陷和應(yīng)力集中缺陷的分類和分級(jí)識(shí)別方法。

本工作基于支持向量機(jī)(SVM)和模擬油田現(xiàn)場(chǎng)的管道磁記憶檢測(cè)數(shù)據(jù)分別建立了針對(duì)腐蝕和應(yīng)力集中兩種類型缺陷的分類識(shí)別方法和針對(duì)腐蝕的分級(jí)識(shí)別方法，并利用油田現(xiàn)場(chǎng)帶有兩種類型缺陷的油氣管道對(duì)分類識(shí)別方法的準(zhǔn)確性進(jìn)行了驗(yàn)證，用模擬油田現(xiàn)場(chǎng)的管道磁記憶檢測(cè)數(shù)據(jù)對(duì)分級(jí)識(shí)別方法進(jìn)行了驗(yàn)證，為金屬磁記憶技術(shù)在管道缺陷定量化研究方面奠定基礎(chǔ)，同時(shí)為后續(xù)磁記憶信號(hào)的分析處理提供參考。

1 管道磁記憶檢測(cè)

仿照油氣輸送管道制作了存在腐蝕和應(yīng)力集中兩種類型缺陷的試驗(yàn)管道，然后對(duì)試驗(yàn)管道開(kāi)展磁信號(hào)采集，獲取建模所需的磁記憶檢測(cè)數(shù)據(jù)。

1.1 試驗(yàn)管道簡(jiǎn)介

根據(jù)油氣輸送管道，設(shè)計(jì)并制作了5根存在腐蝕和應(yīng)力集中兩種類型缺陷的試驗(yàn)管道，如圖1所示。分別用圓孔和直角彎模擬管道上的腐蝕缺陷和應(yīng)力集中缺陷。管道均采用無(wú)縫鋼管制成，長(zhǎng)6 m。每根管道分為四段，分別是：腐蝕段1，腐蝕段2，直管段，應(yīng)力集中段。腐蝕段有3個(gè)圓孔作為腐蝕缺陷，腐蝕段1的3個(gè)圓孔位于距離起點(diǎn)50、100、150 cm處，腐蝕段2的3個(gè)圓孔位于距離起點(diǎn)300、350、400 cm處；直角彎距位于距起點(diǎn)500 cm處，將位置信息作為提取缺陷段數(shù)據(jù)的依據(jù)。5根試驗(yàn)管道的差別主要是圓孔的深度不一樣，其他指標(biāo)基本相似，除了一根管道上有通孔外，其余管道上圓孔均不是通孔。

1.2 試驗(yàn)儀器及磁記憶信號(hào)采集

通過(guò)TSC-5M型磁記憶檢測(cè)設(shè)備對(duì)5根試驗(yàn)管道的磁信號(hào)進(jìn)行采集。該設(shè)備共有4個(gè)傳感器，每個(gè)傳感器能檢測(cè)到3個(gè)不同方向的信號(hào)，即X方向、Y方向和Z方向。因此共對(duì)應(yīng)12個(gè)通道的檢測(cè)信號(hào)。磁記憶檢測(cè)設(shè)備的4個(gè)傳感器均勻分布在一條橫桿上，檢測(cè)時(shí)橫桿沿試驗(yàn)管道的軸向掃描，掃描長(zhǎng)度由管道的實(shí)際長(zhǎng)度決定，掃描步長(zhǎng)為1 mm，檢測(cè)速率為0.5 m/s。磁記憶檢測(cè)儀獲取的原始檢測(cè)數(shù)據(jù)是12個(gè)通道(HP1～HP12)的磁場(chǎng)強(qiáng)度，單位A/m，將其保存到磁記憶檢測(cè)儀的內(nèi)存中，用于進(jìn)一步計(jì)算得到特征量。

圖1 存在兩種缺陷的試驗(yàn)管道示意Fig.1 Schematic diagram of experimental pipeline with two kinds of defects

前期試驗(yàn)時(shí)發(fā)現(xiàn)，設(shè)備提離距離在0～15 cm范圍內(nèi)，檢測(cè)信號(hào)沒(méi)有明顯的衰減，因此在對(duì)5根試驗(yàn)管道的磁信號(hào)進(jìn)行采集時(shí)，設(shè)備提離距離應(yīng)在該范圍內(nèi)。考慮到使用SVM建立缺陷分類識(shí)別和缺陷程度分級(jí)識(shí)別方法，需要有足夠的建模樣本，試驗(yàn)時(shí)提離距離的間隔設(shè)置為1 cm，每個(gè)試驗(yàn)管道重復(fù)采集3次數(shù)據(jù)，共獲得了240組試驗(yàn)數(shù)據(jù)，樣本數(shù)量滿足SVM建模的要求。此外，經(jīng)過(guò)分析發(fā)現(xiàn)，檢測(cè)過(guò)程中檢測(cè)者移動(dòng)速度過(guò)快會(huì)導(dǎo)致缺陷信號(hào)的采樣點(diǎn)過(guò)少。所采集的數(shù)據(jù)不能充分體現(xiàn)缺陷的細(xì)節(jié)特征，因此被認(rèn)為是質(zhì)量較差的數(shù)據(jù)而被剔除。最終每根管道只保留了20組數(shù)據(jù)，共計(jì)100組數(shù)據(jù)用于建模。

2 SVM缺陷分類識(shí)別方法

2.1 特征量的選擇與計(jì)算

由于通過(guò)原始磁信號(hào)無(wú)法直接對(duì)缺陷進(jìn)行分類，因此提取其特征量用于分類分級(jí)識(shí)別模型的建立。需提取的磁信號(hào)特征量主要有頻域特征量、時(shí)域特征量和形態(tài)特征量，但目前還沒(méi)有確定的適合于管道缺陷類型識(shí)別和分級(jí)的特征量組合。本工作嘗試了3種類型特征量的計(jì)算和分析。在特征量的計(jì)算過(guò)程中，5根試驗(yàn)管道均包含6個(gè)圓孔腐蝕缺陷。由于單個(gè)腐蝕缺陷太小，其對(duì)應(yīng)的磁信號(hào)無(wú)法完全體現(xiàn)腐蝕缺陷的特征，故將6個(gè)圓孔腐蝕缺陷的數(shù)據(jù)整合到一起，作為腐蝕缺陷段的數(shù)據(jù)。彎管段的數(shù)據(jù)即為應(yīng)力集中缺陷段的數(shù)據(jù)。以下為頻域、時(shí)域和形態(tài)3個(gè)特征量的基本情況。

2.1.1 形態(tài)特征量

形態(tài)特征量可用來(lái)形容信號(hào)曲線的形態(tài)特性，比如信號(hào)的波動(dòng)程度、陡峭程度等。本工作選擇的形態(tài)特征量如下：各通道缺陷段信號(hào)的磁場(chǎng)梯度平均值和最大值；各通道缺陷段磁信號(hào)曲線與X軸圍成的面積等。

磁場(chǎng)梯度G表示磁場(chǎng)強(qiáng)度信號(hào)的波動(dòng)程度，是一種較為常用的形態(tài)特征量，可按照式(1)計(jì)算。

(1)

式中：Hmax為連續(xù)4個(gè)采樣點(diǎn)磁場(chǎng)強(qiáng)度最大值，A/m；Hmin為連續(xù)4個(gè)采樣點(diǎn)磁場(chǎng)強(qiáng)度最小值，A/m；d為4個(gè)采樣點(diǎn)之間的實(shí)際距離，m。各通道缺陷段信號(hào)的磁場(chǎng)梯度平均值和最大值取多次試驗(yàn)獲得的缺陷段磁場(chǎng)梯度的最大值和平均值。

各通道缺陷段磁信號(hào)曲線與X軸圍成的面積即磁信號(hào)幅度的積分，可由各點(diǎn)磁信號(hào)幅度值之和計(jì)算得到。

2.1.2 時(shí)域特征量

時(shí)域特征量是信號(hào)研究過(guò)程中應(yīng)用最普遍的一類特征，是分析信號(hào)特征的重要指標(biāo)。本工作選擇了幾個(gè)有代表性的時(shí)域特征量：缺陷段各通道磁場(chǎng)強(qiáng)度峰峰值、能量、最小值、最大值和平均值。

2.1.3 頻域特征量

不同缺陷的磁記憶信號(hào)不僅在形態(tài)學(xué)上和時(shí)域上存在差異，在頻域中也可能存在差異，因此還需要研究信號(hào)的頻域特征量，提取出信號(hào)里隱含但不直觀的信息。本研究中磁記憶信號(hào)的波動(dòng)較多，因此對(duì)其進(jìn)行小波包分解，以獲得缺陷段的頻域特征。小波包分解是將信號(hào)在不同程度上展開(kāi)，對(duì)信號(hào)頻帶進(jìn)行細(xì)分，從而提取不同頻帶上的信號(hào)特征，具有時(shí)頻分辨率高的特點(diǎn)。各頻帶上的能量分布包含了大量的信息，可以表征信號(hào)的頻域特性，因此本研究選用小波包能量作為磁記憶信號(hào)頻域特征量，用于后續(xù)分類分級(jí)模型的研究[21]。具體來(lái)說(shuō)，首先對(duì)磁信號(hào)進(jìn)行離散傅里葉變換，觀察得信號(hào)高頻成分幾乎為0，低頻成分占比大，故采用三層小波包分解，計(jì)算缺陷段磁記憶信號(hào)在節(jié)點(diǎn)S3,0低頻段的小波包能量作為頻域特征量。

2.2 SVM缺陷分類識(shí)別模型

對(duì)缺陷段磁記憶信號(hào)進(jìn)行計(jì)算得到了上述特征量后，分別使用不同特征量組合建立了SVM腐蝕缺陷和應(yīng)力集中缺陷的分類識(shí)別模型，以確定最優(yōu)的分類識(shí)別方法。通過(guò)試驗(yàn)獲取的管道磁記憶檢測(cè)數(shù)據(jù)的數(shù)據(jù)量較少，在利用機(jī)器學(xué)習(xí)方法建模時(shí)，油氣管道缺陷的分類識(shí)別問(wèn)題是一個(gè)小樣本學(xué)習(xí)問(wèn)題。SVM就是一種適合于小樣本的分類算法。

使用5根試驗(yàn)管道缺陷段特征量的不同組合建立多個(gè)SVM管道缺陷分類識(shí)別方法。選擇高斯核函數(shù)(RBF)作為該方法核函數(shù)，高斯核函數(shù)可以將原始空間映射為無(wú)窮維空間，通過(guò)調(diào)控參數(shù)，可以達(dá)到很高的靈活性。在SVM分類識(shí)別方法中使用高斯核函數(shù)比多項(xiàng)式核函數(shù)能獲得更好的分類效果。SVM模型有兩個(gè)非常重要的參數(shù)c和g。c是懲罰系數(shù)，即對(duì)誤差的寬容度。c過(guò)大或過(guò)小，都會(huì)使泛化能力變差。g(gamma)是選擇RBF函數(shù)作為核函數(shù)后，該函數(shù)自帶的一個(gè)參數(shù)，隱含地決定了數(shù)據(jù)映射到新的特征空間后的分布。采用交叉驗(yàn)證方法得到最優(yōu)的參數(shù)組合：c=0.675 5；g=0.659 8。

在對(duì)缺陷類型進(jìn)行標(biāo)記的時(shí)候，識(shí)別為腐蝕缺陷用1表示，識(shí)別為應(yīng)力集中缺陷用2表示。本研究通過(guò)大量建模試驗(yàn)探究了特征量的最優(yōu)組合，以下列出了最具代表性的3種特征量組合。

(1) 僅包含時(shí)域特征量的組合情況：缺陷段HP1和HP10的磁場(chǎng)強(qiáng)度平均值，HP1和HP7的磁場(chǎng)強(qiáng)度最大值，HP2和HP5的磁場(chǎng)強(qiáng)度最小值以及HP1、HP4、HP7、HP10的磁場(chǎng)強(qiáng)度峰峰值。

(2) 包含形態(tài)特征量和時(shí)域特征量的組合情況： 缺陷段HP1信號(hào)曲線與X軸圍成的面積，HP1和HP10的磁場(chǎng)強(qiáng)度平均值，HP1和HP7的磁場(chǎng)強(qiáng)度最大值，HP2和HP5的磁場(chǎng)強(qiáng)度最小值，HP1、HP4、HP7、HP10的磁場(chǎng)梯度最大值和平均值以及HP1、HP4、HP7、HP10的磁場(chǎng)強(qiáng)度峰峰值。

(3) 同時(shí)包含形態(tài)特征量、時(shí)域特征量和頻域特征量的組合情況：缺陷段HP1信號(hào)曲線與X軸圍成的面積，HP1和HP10的磁場(chǎng)強(qiáng)度平均值，HP1和HP7的磁場(chǎng)強(qiáng)度最大值，HP1、HP4、HP7、HP10的磁場(chǎng)梯度最大值和平均值，HP2和HP5的磁場(chǎng)強(qiáng)度最小值，HP1、HP4、HP7、HP10的磁場(chǎng)強(qiáng)度峰峰值， HP1信號(hào)的小波包三層分解在節(jié)點(diǎn)S3,0處的小波包能量。

利用上述3種特征量組合下5根試驗(yàn)管道的數(shù)據(jù)為輸入，以腐蝕缺陷和應(yīng)力集中缺陷為輸出，建立了針對(duì)兩種類型缺陷的SVM分類識(shí)別方法。值得注意的是，所建模型選擇的通道均為信息特征較為明顯的通道，這些通道信號(hào)經(jīng)計(jì)算后得到的特征量可以有效區(qū)分兩種類型的缺陷。

2.3 現(xiàn)場(chǎng)驗(yàn)證試驗(yàn)

為了驗(yàn)證SVM分類識(shí)別方法的實(shí)際應(yīng)用效果，在油田現(xiàn)場(chǎng)對(duì)存在缺陷的在役油氣輸送管道進(jìn)行驗(yàn)證試驗(yàn)。現(xiàn)場(chǎng)驗(yàn)證試驗(yàn)選取的管道分別為東營(yíng)勝利采油廠和現(xiàn)河采油廠在役油氣管道。對(duì)這些管道開(kāi)展了多次管道缺陷磁記憶檢測(cè)，共獲取到48組管道缺陷段數(shù)據(jù)。

2.3.1 現(xiàn)場(chǎng)檢測(cè)管道情況

用于油田現(xiàn)場(chǎng)檢測(cè)的1號(hào)管道為東營(yíng)市勝利采油廠野外的1根油氣輸送直管道，如圖2(a)所示。該管道表面存在肉眼可見(jiàn)的大面積腐蝕缺陷，總檢測(cè)長(zhǎng)度為5 m，提取200～220 cm管段數(shù)據(jù)作為腐蝕缺陷段數(shù)據(jù)。在檢測(cè)過(guò)程中，提離距離為0～15 cm，共獲取10組試驗(yàn)數(shù)據(jù)。

(a) 1號(hào)管道(b) 2號(hào)管道(c) 3號(hào)管道(d) 4號(hào)管道圖2 油田現(xiàn)場(chǎng)驗(yàn)證試驗(yàn)管道Fig.2 Pipelines No.1 to No.4 (a-d) for verification in oil field

2號(hào)管道為東營(yíng)市現(xiàn)河采油廠一條正在運(yùn)行的油氣直角彎管道，如圖2(b)所示。該管道的一端裸露在地面上方，另一端埋在土里，管道中間存在明顯彎曲即存在應(yīng)力集中，該管道的總檢測(cè)長(zhǎng)度為2.9 m，提取110～140 cm管段數(shù)據(jù)作為應(yīng)力集中缺陷段數(shù)據(jù)。在檢測(cè)過(guò)程中，提離距離為0～15 cm，共獲取到9組試驗(yàn)數(shù)據(jù)。

3號(hào)管道為東營(yíng)市現(xiàn)河采油廠野外的一根直管道，如圖2(c)所示。該管道表面存在肉眼可見(jiàn)的大面積腐蝕缺陷，總檢測(cè)長(zhǎng)度為3 m，提取160～180 cm管段數(shù)據(jù)作為腐蝕缺陷段數(shù)據(jù)。在檢測(cè)過(guò)程中，提離距離為0～15 cm，共獲得9組試驗(yàn)數(shù)據(jù)。

4號(hào)管道為東營(yíng)市現(xiàn)河采油廠野外的另一根直角彎管道，如圖2(d)所示。該管道一端裸露在地面上方，另一端埋在土里，管道中間存在明顯彎曲即存在應(yīng)力集中，檢測(cè)總長(zhǎng)度為1.6 m，從埋地端向上掃描，提取20～40 cm管段的數(shù)據(jù)作為應(yīng)力集中缺陷段數(shù)據(jù)。在檢測(cè)過(guò)程中，提離距離為0～15 cm，共獲取到10組試驗(yàn)數(shù)據(jù)。

5號(hào)管道也是一根直管道(圖略)，其表面也存在明顯可見(jiàn)的大面積腐蝕缺陷，總檢測(cè)長(zhǎng)度為4.2 m，提取100～120 cm管段數(shù)據(jù)作為腐蝕缺陷段數(shù)據(jù)。在檢測(cè)過(guò)程中，提離距離為0～15 cm，共獲得10組試驗(yàn)數(shù)據(jù)。

2.3.2 現(xiàn)場(chǎng)檢測(cè)結(jié)果

利用油田現(xiàn)場(chǎng)獲取的48組實(shí)際管道的缺陷段檢測(cè)數(shù)據(jù)對(duì)2.2節(jié)中按照3種特征量組合建立的缺陷分類識(shí)別方法進(jìn)行了驗(yàn)證，結(jié)果如圖3～5所示。圖中1代表腐蝕缺陷，2代表應(yīng)力集中缺陷。

圖3 SVM缺陷分類識(shí)別方法的結(jié)果對(duì)比(僅考慮時(shí)域特征量)Fig.3 Result comparison of SVM identification method for defect classification (only considering time domain feature quantity)

由圖3可知，當(dāng)僅選擇磁記憶信號(hào)的時(shí)域特征量建模時(shí)，該方法對(duì)管道缺陷的正確識(shí)別率為77.083 3%，其中腐蝕缺陷的正確識(shí)別率為62.07%，應(yīng)力集中缺陷的正確識(shí)別率為100%。由圖4可知，在增加了磁記憶信號(hào)的形態(tài)學(xué)特征量后，該方法對(duì)管道缺陷的正確識(shí)別率為89.583 3%，其中腐蝕缺陷的正確識(shí)別率為82.76%，應(yīng)力集中缺陷的正確識(shí)別率為100%。由圖5可知，當(dāng)考慮3種類型的特征量組合建模時(shí)，該方法對(duì)管道缺陷的正確識(shí)別率提高到95.833 3%，其中腐蝕缺陷的正確識(shí)別率為93.1%，應(yīng)力集中缺陷的正確識(shí)別率為100%。

圖4 SVM缺陷分類識(shí)別方法的結(jié)果對(duì)比(考慮形態(tài)和時(shí)域特征量組合)Fig.4 Result comparison of SVM identification method for defect classification (considering combination of morphological feature quantity and time domain feature quantity)

圖5 SVM缺陷分類識(shí)別方法的結(jié)果對(duì)比(考慮3類特征量組合)Fig.5 Result comparison of SVM identification method for defect classification (considering combination of three types of feature quantity)

由以上結(jié)果可知，基于不同特征量組合建立的3個(gè)SVM缺陷分類識(shí)別方法的缺陷識(shí)別率都達(dá)到了75%以上，其中同時(shí)考慮了3種不同類型特征量的SVM方法的識(shí)別效果最好。此外，本課題組還嘗試了多種其他通道特征量搭配方案用以建模，結(jié)果表明，同時(shí)使用頻域、時(shí)域、形態(tài)特征量進(jìn)行組合的缺陷識(shí)別方法的識(shí)別效果是最優(yōu)的。因此，SVM分類識(shí)別方法可以實(shí)現(xiàn)對(duì)油氣管道上腐蝕和應(yīng)力集中缺陷的分類識(shí)別，且識(shí)別效果較為顯著。

3 SVM缺陷分級(jí)識(shí)別方法

在油田現(xiàn)場(chǎng)的實(shí)際應(yīng)用中，除了判別管道的缺陷類型外，還需要進(jìn)一步判別管道腐蝕缺陷的腐蝕程度，找出最臨近管道腐蝕穿孔的腐蝕點(diǎn)位置，即識(shí)別管道腐蝕最嚴(yán)重的位置，從而根據(jù)管道的腐蝕程度選擇修護(hù)管道的先后順序或按照腐蝕程度選擇更換管道的順序，實(shí)現(xiàn)對(duì)管道破裂的及時(shí)預(yù)警，達(dá)到早發(fā)現(xiàn)早維護(hù)早預(yù)警的目的。

腐蝕缺陷對(duì)管道造成的傷害較大，不同等級(jí)的腐蝕對(duì)管道造成的傷害也有所不同，其中以管道穿孔破裂的危害最為嚴(yán)重。由5根試驗(yàn)管道的結(jié)構(gòu)特性可知，每根試驗(yàn)管道上都有2段圓孔腐蝕缺陷段，每段均含有3個(gè)大小深度均相同的圓孔腐蝕，但各段的圓孔大小相同，深度不同，其中1根試驗(yàn)管道存在3個(gè)穿孔圓孔。因此，本工作利用SVM方法建立針對(duì)管道穿孔腐蝕與未穿孔腐蝕兩種腐蝕程度的分級(jí)識(shí)別方法。

3.1 模型特征量的計(jì)算

在分類識(shí)別方法特征量的計(jì)算過(guò)程中，將一個(gè)試驗(yàn)管道的6個(gè)圓孔，即2個(gè)圓孔腐蝕缺陷段的磁記憶數(shù)據(jù)提取之后整合為一個(gè)數(shù)據(jù)段，作為腐蝕缺陷段的數(shù)據(jù)。但是在分級(jí)識(shí)別方法特征量的計(jì)算中，需要采用另外的處理方式，即將每個(gè)試驗(yàn)管道上3個(gè)同樣深度的圓孔腐蝕數(shù)據(jù)整合為一段，重新計(jì)算了圓孔腐蝕段的特征量，計(jì)算方法同上。這樣就得到了5根試驗(yàn)管道的10個(gè)不同腐蝕深度的數(shù)據(jù)段特征量。其中，9個(gè)未穿孔腐蝕段對(duì)應(yīng)1～4號(hào)試驗(yàn)管道的2個(gè)圓孔腐蝕段和5號(hào)試驗(yàn)管道的第一個(gè)圓孔腐蝕段，1個(gè)穿孔腐蝕段對(duì)應(yīng)5號(hào)試驗(yàn)管道的第二個(gè)圓孔腐蝕段。經(jīng)整理，5根試驗(yàn)管道各對(duì)應(yīng)20組數(shù)據(jù)，每組數(shù)據(jù)包含2個(gè)圓孔腐蝕段數(shù)據(jù)，共得到200組圓孔腐蝕段數(shù)據(jù)，其中20組穿孔腐蝕段數(shù)據(jù)，180組未穿孔腐蝕段數(shù)據(jù)。

3.2 SVM缺陷分級(jí)識(shí)別模型及驗(yàn)證

將未穿孔的9個(gè)圓孔腐蝕段看成一個(gè)整體，方法預(yù)測(cè)輸出結(jié)果設(shè)為1；將穿孔的1個(gè)圓孔腐蝕段看成一個(gè)整體，方法預(yù)測(cè)輸出結(jié)果設(shè)為2。然后，在200組腐蝕段數(shù)據(jù)中隨機(jī)選取160組數(shù)據(jù)用于SVM腐蝕缺陷分級(jí)識(shí)別建模，剩余的40組數(shù)據(jù)用于驗(yàn)證。模型所用的SVM函數(shù)仍然選擇高斯核函數(shù)(RBF)。未穿孔腐蝕和穿孔腐蝕的識(shí)別結(jié)果如圖6所示。結(jié)果表明，SVM腐蝕缺陷分級(jí)識(shí)別方法可有效識(shí)別管道穿孔腐蝕與未穿孔腐蝕，識(shí)別率達(dá)到了90%。

4 討論

由SVM缺陷分類識(shí)別方法的識(shí)別結(jié)果可見(jiàn)：

圖6 SVM缺陷分級(jí)識(shí)別方法的結(jié)果對(duì)比Fig.6 Result comparison of SVM identification method for defect grading

在充滿干擾因素的油田現(xiàn)場(chǎng)環(huán)境中，最優(yōu)方法(采用3種特征量組合建立的方法)對(duì)管道缺陷類型的總識(shí)別率達(dá)到了90%以上，識(shí)別率較高，該識(shí)別方法的實(shí)際應(yīng)用效果較好。通過(guò)不同的特征量組合所建方法的分類識(shí)別效果有所不同，這說(shuō)明將三類特征量組合使用建模是必要的，可以有效提高正確識(shí)別率。SVM缺陷分類識(shí)別方法對(duì)腐蝕缺陷的識(shí)別效果相對(duì)于應(yīng)力集中缺陷的識(shí)別效果較差。其可能的原因是在管道的腐蝕段同時(shí)存在部分應(yīng)力集中現(xiàn)象，影響了對(duì)腐蝕缺陷的識(shí)別效果；也可能是在分類識(shí)別方法驗(yàn)證過(guò)程中選用的油氣管道腐蝕缺陷的腐蝕面積較小，其特征不夠明顯。由SVM缺陷分級(jí)識(shí)別方法的識(shí)別結(jié)果可見(jiàn)：該方法可以在管道腐蝕缺陷的分級(jí)中使用。但本工作建立的SVM缺陷分級(jí)識(shí)別方法仍存在一定局限性：分級(jí)識(shí)別只能做到分兩級(jí)，即將穿孔腐蝕同未穿孔腐蝕區(qū)分，不能實(shí)現(xiàn)多級(jí)分級(jí)，即對(duì)不同深度腐蝕缺陷的分級(jí)。此外，該分級(jí)識(shí)別方法只是利用室內(nèi)試驗(yàn)管道檢測(cè)數(shù)據(jù)進(jìn)行了驗(yàn)證，對(duì)于油田現(xiàn)場(chǎng)識(shí)別穿孔與未穿孔的實(shí)際應(yīng)用效果還未知。

5 結(jié)論

采用SVM方法，建立了一種基于金屬磁記憶技術(shù)的復(fù)合特征量組合的缺陷分類和腐蝕缺陷分級(jí)的識(shí)別方法。驗(yàn)證試驗(yàn)結(jié)果表明：以三類不同特征量組合分別建立的SVM模型對(duì)缺陷類型的識(shí)別率分別是77.08%、89.58%和95.83%，同時(shí)使用時(shí)域、形態(tài)和頻域特征量的SVM模型的識(shí)別率最高；腐蝕缺陷分級(jí)識(shí)別方法的識(shí)別率達(dá)到了90%。建立的基于SVM和磁記憶技術(shù)的缺陷分類和腐蝕缺陷分級(jí)識(shí)別方法可以有效實(shí)現(xiàn)管道的腐蝕缺陷和應(yīng)力集中缺陷的分類識(shí)別，也可以有效實(shí)現(xiàn)管道穿孔腐蝕與未穿孔腐蝕的分級(jí)識(shí)別。