面向快速掃查裝置的小直徑管道缺陷檢測軟件系統開發*

胡廣澤，黃劉偉，洪曉斌※

（1.大連理工大學控制科學與工程學院，遼寧大連 116081；2.華南理工大學機械與汽車工程學院，廣州 510630）

0 引言

工業冷凝裝置中常用直徑在7～8 mm的管道，其排布形式較為復雜且密集，主要使用紫銅、黃銅、不銹鋼和碳鋼作為材料[1-4]。管道采用釬焊工藝連接，在實際生產中管道系統的泄漏率高，有的甚至達到了2%～3%的泄漏率，嚴重影響了產品或工程的質量[5-6]。保持管道無損可以避免能量浪費，降低運行成本，減少故障率，延長使用壽命，因此小直徑管道的快速檢測方法在工業生產上存在重要意義。

常見的管道材料檢測方法包括視覺檢測、磁粉檢測、超聲檢測等[7-10]。磁粉檢測主要用于鐵磁或導電性材料；視覺檢測由識別算法決定缺陷檢測的精度，無法給定缺陷的深度信息；而超聲檢測具有指向性強、適應性好、可成像等優點，被廣泛應用于無損檢測中[11]。激光超聲檢測技術作為一種非接觸、高精度、無損傷的新型檢測技術，借助激光脈沖激發被檢測工件產生超聲波，通過激光束對超聲波的傳播進行探測分析，可以獲取材料缺陷的信息[12-13]，適用于對直徑小、管壁薄的單一管道進行檢測。但管道存在復雜的排布形式使得激光探頭對準困難，制約了激光超聲導波檢測方法的工業化應用。目前市面上關于小直徑復雜排布管道自動化檢測系統的研究很少，管道的自動化檢測手段尚在探索階段。

面對現有關于小直徑管道檢測現狀的不足，本文綜合考慮檢測方法和工業需求，針對密集且復雜的小直徑

管道排布結構，提出一種非接觸式快速掃查管道的自動化檢測系統。該系統具有諸多優越性：一是大幅度減少了檢測系統與被測物體之間的接觸，能適應密集復雜的管道排布結構；二是通過實時監測管道內部的超聲波信號，能提供更準確、更詳細的管道損傷信息；三是通過預設的掃查參數和深度學習模型[14-15]，可以自動完成檢測過程，減少人工干預，提高檢測的一致性和可重復性；四是降低了人力資源的需求，減少了人員的工作風險。綜上所述，該激光超聲導波自動化檢測軟件系統對工業生產環節具有重要意義。

1 小直徑管道缺陷檢測軟件系統簡介

1.1 快速掃查裝置簡介

檢測的管道組由多組直徑7～8 mm的長U形管道與短U 形管道釬焊形成，如圖1 所示。在釬焊過程中會因為工藝問題造成包括虛焊、溶蝕穿孔和過燒穿孔等損傷[16-18]。為了在生產過程中能夠及時發現損傷，必須在設備出廠前進行檢測。

為實現U 形管釬焊連接處的損傷檢測，該檢測系統首先激勵激光器發出激光到達管道表面激發超聲信號，超聲導波信號經過兩處管道釬焊連接處，由接收激光器的超聲信號檢測裝置接收。然而，激勵激光器和接收激光器在管道上的可對焦范圍狹小。因此冷凝器檢測對傳感位置位移精度要求高。基于此，本文設計系統整體方案如圖2所示。

圖1 管道示意圖

圖2 整體設計方案

本文設計的管道自動化檢測系統具有運動平臺模塊、數字激光模塊、數據采集模塊、數據存儲模塊、數據處理模塊和結果展示功能。檢測時，通過圖形化軟件交互界面調整六軸運動平臺搭載激勵激光器和接收激光器對焦于首個檢測管道，按下檢測按鈕即可自動檢測各管道狀況。軟件控制模塊控制六軸運動平臺承載激勵激光器和接收激光器，按設定的運動邏輯依次移動至各管道位置，控制激勵激光器在每處管道位置進行激光激勵，同時接收激光器接收相應管道的信號數據，數據接收單元將收集到的檢測信號數據傳遞給數據存儲單元，隨后數據處理單元會實時調用數據存儲單元內信號數據進行處理，處理后的結果將在人機交互界面中展示，得到全部管道健康狀況。

1.2 軟件系統設計

基于QT框架設計了軟件系統，該系統具有人機交互功能、檢測數據處理功能和管道狀況分類功能。其開發邏輯包括串口通信模式設計、硬件控制指令設計、結果展示功能設計、檢測數據處理和管道狀況分類設計。

2 軟件系統功能程序設計

基于QT 框架設計了圖形化軟件，人機交互界面如圖3 所示。人機交互功能實現模塊具有硬件系統串行通信控制（圖3 中①）、六軸運動平臺控制（圖3 中②）、

激光器參數設定（圖3中③）、管道掃查控制（圖3中④）以及結果展示功能（圖3中④、⑤）。

圖3 圖形化人機交互界面

2.1 串口通信模式

硬件系統串行通信控制中SC160 運動控制器和ICE450 激光器都通過RS-232 端口與上位機連接。SC160 運動控制器∕ICE450 激光器串口設置參數為波特率115 200∕9 600、數據位8 位、無奇偶校驗位、停止位為1、無流控制。點擊圖3 中的“串口通信初始化按鍵后”對SC160運動控制器和ICE450激光器進行初始化操作。

2.2 硬件控制指令

六軸運動平臺控制中基于運動器API 函數庫，設計了六軸運動器各軸定長運動功能和各軸回零功能。通過選定運動軸，輸入移動距離（mm）實現定長運動，用于調整兩個激光器探頭的對焦精度。選定運動軸，按下回零按鈕實現單軸回零運動。

激光器參數設定中激勵激光器在圖3中③處進行參數修改和測試。通過修改能量、頻率、激勵次數參數，控制激勵激光器產生不同激勵，操作者可以針對不同的管道特點進行參數設置，并使用“單點激勵”按鈕測試效果。

管道掃查控制中根據管道結構，設計了完整掃查全部管道的運動邏輯。使用者在點擊“一鍵檢測”按鈕后，六軸運動平臺會搭載兩個激光器按設定的運動邏輯對每處管道進行檢測。面對不同的管道分布方式，設計了不同的運動邏輯以適應。

2.3 結果展示功能

結果展示功能會調用檢測數據處理模塊完成的兩項結果。一項是標準化處理后的管道信號時頻圖，會呈現在人機交互界面的圖框中（圖3中④處）；另一項是管道損傷情況判斷結果，通過查詢分類結果，根據標準輸出結果決定在人機交互界面中的圓標顏色，不同顏色圓標表示不同管道狀況（圖3中⑤處）。

3 檢測數據處理和管道狀況分類

檢測數據處理模塊能對收集到的數據進行讀取、標準化處理、數據分析以及圖像繪制等功能。

具體而言，該模塊調用MATLAB 腳本對存儲的數據進行平均化和歸一化處理得到平均值，隨后繪制平均值曲線，以時頻圖的形式顯示在人機交互界面中，見圖3中④處，不同管道狀況平均值曲線如圖4 所示。嚴重損傷管道接收的超聲導波信號與健康管道對比較為明顯，可以直觀判斷其管道狀況。

圖4 健康管道與嚴重損傷管道時頻圖對比

然而，某些管道損傷不能直觀地判斷，如圖5所示，基于此，需要進一步提取管道超聲導波信號的特征從而評估管道健康狀況。為了更好地分析信號的頻率成分和特征，先對平均值信號采用卡爾曼濾波器對信號進行濾波和降噪，提高信號的質量和可靠性，提高信號的清晰度和穩定性。再采用快速傅里葉變換將信號從時域轉換到頻域，得到信號的頻譜信息，管道的頻譜信息如圖6所示。

圖5 健康管道與損傷管道（泄漏）時頻圖對比

圖6 健康管道與損傷管道的頻譜信息對比

為了得到信號在時間和頻率上的分布情況，可以用連續小波變換分析信號的瞬態特征和時頻變化規律，連續小波變換是一種信號處理技術，它可以將信號分解成不同頻率的小波，可以清晰地看到信號在不同時間段和頻率上的變化情況，因此可以用于分析信號的瞬態特征。對管道激光超聲導波信號做連續小波變換處理是為了得到信號的不同頻率成分，從而提取出健康管道和損傷管道的頻率特征，以此作為判斷模型的訓練依據。MATLAB 提供的連續小波變換中可用的解析小波有3 種類型：Morse 小波（′morse′）、Morlet 小波（′amor′）和bump 小波（′bump′）。分別用3 種方法得到3 種管道激光超聲導波信號的連續小波變換結果，如圖7所示。

圖7 3種管道激光超聲導波信號的連續小波變換結果

為更好地提取數據特征，對比3 種小波變換后的時頻圖，如圖7 所示，選擇了以Morlet 小波作為分析小波，對管道激光超聲導波信號做連續小波變換，并時頻圖作為ResNet50模型的輸入進行分類操作，輸出分類結果。

該管道狀況分類模型使用了ResNet50網絡結構[19-20]。該網絡具有較好的特征提取能力和分類性能；包含數據增強技術、Adam優化器和交叉熵損失函數，適合于分類問題。該模型中使用Adam 優化器使其能根據歷史梯度信息來調整學習率。該優化器結合了RMSProp和Momentum 兩種優化算法的思想，并且對參數的更新進行了歸一化處理，使得每個參數的更新都有一個相似的量級，從而提高訓練效果；交叉熵損失函數的作用是衡量模型預測結果與真實標簽之間的差異，該模型中通過最小化交叉熵損失函數來優化模型參數，使模型能夠更準確地預測不同的類別。該模型運用交叉熵損失函數度量預測結果與真實標簽之間的距離，通過梯度下降法來更新模型的參數，從而提高模型的分類性能。

該管道狀況分類模型的標準輸出供QT軟件調用，決定人機交互界面中的圓標顏色，實現結果可視化呈現。

4 實驗結果分析

為驗證所設計小直徑管道缺陷檢測軟件系統的檢測性能，接下來利用檢測系統對兩組小直徑管道進行檢測，并對檢測結果進行分析與討論。分類管道狀況所使用的訓練模型使用來自于實驗人工標記的552 份管道樣本，對這些樣本做濾波和連續小波變換后得到的時頻圖，基于ResNet50 網絡結構進行管道狀況分類模型的圖像分類訓練，并在訓練過程中計算損失、更新模型參數，最后輸出訓練過程中的損失和驗證集的準確率，檢測結果如表1所示。

該管道狀況分類模型具有較強的圖像分類和識別能力，能夠準確地判斷管道的健康狀況。通過對552 份管道樣本的訓練，模型能夠將損傷管道和健康管道進行有效區分。在對兩組小直徑管道檢測時，模型能夠準確地判斷管道的健康狀況，達到了預期的效果。應用該模型對兩臺損傷狀況已知的冷凝器進行管道健康狀況檢測。該系統對冷凝器管道健康狀況檢測結果如表所示，造成檢測系統誤識別的主要原因有：一是各管道的直徑存在毫米級差異，導致接收激光器接收到的數據信號受到干擾；二是管道不同的排布方式會帶來不同的數據信號，例如對大彎管與小彎管進行檢測，得到的數據信號存在差異，導致檢測系統產生誤判。

表1 兩組被測數據檢測系統準確率對比

5 結束語

本文針對當前逐管快速掃查裝置缺少自動化檢測軟件系統這一問題，搭建專用自動化檢測軟件系統，并通過實驗驗證了其有效性。實驗結果表明，該系統對實現對彎管陣列的高速率檢測，其檢測準確率可達87.0%。造成檢測系統誤識別的主要原因為各管道的直徑存在毫米級差異，導致接收激光器接收到的數據信號受到干擾，并且管道不同的排布方式會帶來不同的數據信號，進而導致檢測軟件系統產生誤判。同時該軟件系統具有操作簡單、檢測速度快、可重復性高等優勢，能夠推動檢測自動化的發展，并對激光超聲導波技術及深度學習技術的工業化應用起到促進作用。