萬(wàn)勇， 王永智， 楊勇， 劉超， 戴永壽

(1.中國(guó)石油大學(xué)(華東) 海洋與空間信息學(xué)院，山東 青島 266580； 2.中國(guó)石油大學(xué)(華東) 控制科學(xué)與工程學(xué)院， 山東 青島 266580； 3.中國(guó)石化股份勝利油田分公司技術(shù)檢測(cè)中心， 山東 東營(yíng) 257000)

我國(guó)很多油氣輸送管道的運(yùn)行時(shí)間過(guò)長(zhǎng)，油氣輸送管道在長(zhǎng)時(shí)間工作中會(huì)因環(huán)境的影響以及自身的材質(zhì)問(wèn)題而發(fā)生各種各樣的缺陷，其中以腐蝕缺陷、彎管應(yīng)力集中缺陷、焊縫應(yīng)力集中缺陷為主。腐蝕缺陷是肉眼明顯可見(jiàn)的一種缺陷類型，如管道大面積腐蝕氧化、管道表面破損以及管道穿孔等，腐蝕缺陷嚴(yán)重威脅管道的正常運(yùn)行；應(yīng)力集中缺陷，主要包括彎管應(yīng)力集中和焊縫應(yīng)力集中缺陷，并且無(wú)法肉眼直接觀察，隨著時(shí)間推移很可能轉(zhuǎn)化為腐蝕缺陷，缺陷隨時(shí)間推移越發(fā)嚴(yán)重，最終可能會(huì)導(dǎo)致管道的破裂以及油氣泄漏，造成經(jīng)濟(jì)損失和人員傷亡。只有尋找出腐蝕缺陷和應(yīng)力集中區(qū)域，才能根據(jù)缺陷的類別相應(yīng)地采取防治措施，因此，缺陷的檢測(cè)及分類對(duì)于確保油氣管道的正常運(yùn)行具有重要意義[1-2]。

近幾年，金屬磁記憶技術(shù)逐漸興起[3-4]，相比于超聲波檢測(cè)等傳統(tǒng)無(wú)損檢測(cè)技術(shù)，金屬磁記憶技術(shù)可保證管道在正常運(yùn)行情況下進(jìn)行檢測(cè)[5-7]，并且最為重要的是它可以發(fā)現(xiàn)管道早期的應(yīng)力集中部位，這對(duì)管道缺陷的預(yù)防至關(guān)重要，這也解釋了為什么金屬磁記憶技術(shù)近些年被廣泛應(yīng)用于各領(lǐng)域[8-9]。該技術(shù)檢測(cè)應(yīng)力集中部位是建立在金屬磁記憶效應(yīng)的基礎(chǔ)上，即在地磁場(chǎng)環(huán)境下，鐵磁性材料受到作用力時(shí)，在應(yīng)力集中部位會(huì)產(chǎn)生具有磁致伸縮性質(zhì)的磁疇組織定向和不可逆的重新取向，在金屬表面形成漏磁場(chǎng)。在應(yīng)力集中部位，漏磁場(chǎng)切向分量達(dá)到最大，法向分量達(dá)到零值并改變符號(hào)[10-12]。根據(jù)這種不可逆的磁狀態(tài)可以找到應(yīng)力集中部位。

在對(duì)金屬磁記憶技術(shù)的探索過(guò)程中，祖瑞麗等[13]以平板半圓形缺口測(cè)試件為實(shí)驗(yàn)對(duì)象，研究其不同拉伸狀態(tài)下的測(cè)試件磁信號(hào)的變化，研究表明測(cè)試件拉伸狀態(tài)下應(yīng)力集中部位磁信號(hào)變化與測(cè)試件磁化強(qiáng)度矢量的變化趨同，為金屬磁記憶檢測(cè)技術(shù)的機(jī)理研究打下基礎(chǔ)。Xu等[14]通過(guò)研究表明磁記憶檢測(cè)方法可以檢測(cè)出埋置缺陷，并發(fā)現(xiàn)磁場(chǎng)強(qiáng)度及其梯度隨埋深的增加而減小。同一缺陷磁場(chǎng)強(qiáng)度及其梯度在外載荷作用下先減小后增大，在臨界斷裂階段急劇增大。研究結(jié)果對(duì)磁記憶技術(shù)應(yīng)用于缺陷檢測(cè)具有重要意義。丁輝等[15]研究對(duì)象是裂紋類缺陷，通過(guò)采集其不同應(yīng)力下的磁通量，建立了兩者之間的數(shù)學(xué)模型，該模型解釋了裂紋寬度、走向等特征改變時(shí)的磁通量變化規(guī)律，研究結(jié)果對(duì)磁記憶技術(shù)檢測(cè)裂紋類缺陷意義重大。張俊斌[16]測(cè)量管道焊縫處的磁信號(hào)，研究管道焊接處裂紋應(yīng)力場(chǎng)和磁信號(hào)特征之間的關(guān)系；上述專家針對(duì)磁記憶技術(shù)的機(jī)理做了一定的研究，找尋磁記憶信號(hào)特征與缺陷的對(duì)應(yīng)關(guān)系，并沒(méi)有將磁記憶技術(shù)應(yīng)用在實(shí)際中。周建庭等[17]提出了基于金屬磁記憶技術(shù)的鍍鋅鋼絞線拉索腐蝕檢測(cè)新方法，較準(zhǔn)確地判別出了鋼絞線試件的腐蝕位置及范圍。胡治斌等[18]針對(duì)鉆具利用磁記憶技術(shù)進(jìn)行疲勞損傷檢測(cè)，結(jié)果表明針對(duì)35CrMo鋼，磁信號(hào)的特征值如峰值、梯度峰值和梯度峰峰值皆可用來(lái)表征并一定程度上定量評(píng)估其疲勞損傷程度。梁志剛[19]開(kāi)展實(shí)驗(yàn)，使用磁記憶技術(shù)來(lái)檢測(cè)承壓類設(shè)備。上述專家對(duì)磁記憶檢測(cè)技術(shù)的應(yīng)用作了初步探索，但未能實(shí)現(xiàn)幾種缺陷的分類識(shí)別。陳文明等[20]采集已知類型缺陷的磁信號(hào)通過(guò)比較其與缺陷模板的匹配程度來(lái)判定識(shí)別缺陷類型，識(shí)別效果很好。龔利紅等[21]針對(duì)宏觀裂紋缺陷和應(yīng)力集中缺陷采集磁信號(hào)，使用線性判別分析模型來(lái)對(duì)其進(jìn)行識(shí)別，識(shí)別效果也很好。然而上述研究的識(shí)別模型仍然存在模型普適性差、缺陷種類少、數(shù)據(jù)樣本少以及未能應(yīng)用于油田現(xiàn)場(chǎng)等問(wèn)題。

因此，為了將金屬磁記憶技術(shù)更好地應(yīng)用于管道缺陷分類檢測(cè)，本文針對(duì)油氣管道威脅最大的腐蝕缺陷、彎管應(yīng)力集中和焊縫應(yīng)力集中，使用磁通門磁力計(jì)采集管道測(cè)試件漏磁信號(hào)，計(jì)算其特征量并利用協(xié)同表示分類方法(CRC)、傳統(tǒng)支持向量機(jī)方法(libsvm)和改進(jìn)支持向量機(jī)方法(liblinear)建立了多個(gè)管道缺陷分類模型并驗(yàn)證了模型的分類效果，從中選取最優(yōu)的模型。

1 管道測(cè)試件的設(shè)計(jì)制作及磁信號(hào)采集實(shí)驗(yàn)

1.1 測(cè)試件的設(shè)計(jì)制作

為開(kāi)展實(shí)驗(yàn)室環(huán)境下的管道多缺陷分類模型的建立及驗(yàn)證，首先要采集建立模型所需要的信號(hào)數(shù)據(jù)，為此制作了30根管道測(cè)試件，分別命名為SY-001號(hào)—SY-030號(hào)測(cè)試件，每根測(cè)試件上面帶有不同類型、大小、深度的缺陷。本次實(shí)驗(yàn)的30根測(cè)試件是仿照油氣輸送管道制造的，使用油田管道材料Q235鋼管制成，直徑有219 mm和426 mm 2種。其中包含圓孔腐蝕缺陷共31處，大小分別是10 mm×10 mm、15 mm×15 mm、20 mm×20 mm，深度分別是30%壁厚、40%壁厚、50%壁厚、100%壁厚(通孔)；彎管缺陷共6處；焊縫缺陷共11處(包括彎管處焊縫)。

腐蝕缺陷即管道測(cè)試件上的腐蝕圓孔；彎管應(yīng)力集中缺陷即管道測(cè)試件上未經(jīng)淬火處理的彎管段；焊縫應(yīng)力集中缺陷即管道測(cè)試件上的焊縫，包括彎管段與直管段連接處的焊縫以及直管段上的焊縫。

以SY-016號(hào)測(cè)試件為例，測(cè)試件上含有3種缺陷：腐蝕，焊縫應(yīng)力集中，彎管應(yīng)力集中。

測(cè)試件設(shè)計(jì)圖如圖1所示，測(cè)試件實(shí)物圖如圖2所示。

圖1 SY-016號(hào)測(cè)試件設(shè)計(jì)Fig.1 Design drawing of SY-016 test piece

圖2 SY-016號(hào)測(cè)試件實(shí)物Fig.2 Physical drawing of SY-016 test piece

1.2 磁信號(hào)采集實(shí)驗(yàn)

1.2.1 實(shí)驗(yàn)儀器

測(cè)試件制作完畢后，需要采集管道測(cè)試件的漏磁信號(hào)，實(shí)驗(yàn)使用的儀器是磁通門磁力計(jì)，該設(shè)備分辨率高，為10-5A/m，適合于小缺陷的檢測(cè)，該儀器有2個(gè)探頭，每個(gè)探頭可測(cè)3個(gè)分量(X分量、Y分量、Z分量)，磁記憶檢測(cè)儀直接檢測(cè)獲取的信號(hào)就是漏磁場(chǎng)的磁感應(yīng)強(qiáng)度信號(hào)，單位是納特(nT)。磁通門磁力計(jì)如圖3所示。

圖3 磁通門磁力計(jì)實(shí)物Fig.3 Physical drawing of fluxgate magnetometer

1.2.2 實(shí)驗(yàn)過(guò)程

實(shí)驗(yàn)過(guò)程中使探頭垂直于管道按照不同提離高度緩慢地勻速?gòu)墓艿郎戏浇?jīng)過(guò)采集漏磁信號(hào)，以SY-001管道測(cè)試件信號(hào)采集過(guò)程為例，從0～100 cm每隔5 cm取一個(gè)提離高度，共取21個(gè)提離高度，在每個(gè)提離高度下開(kāi)展2次信號(hào)采集實(shí)驗(yàn)，得到了42組信號(hào)數(shù)據(jù)。30根管道測(cè)試件總共采集得到了1 260組漏磁信號(hào)磁感應(yīng)強(qiáng)度數(shù)據(jù)，得到了磁感應(yīng)強(qiáng)度樣本庫(kù)，其中每組數(shù)據(jù)中又分為9個(gè)通道，包括探頭本身的6個(gè)通道(X1，Y1，Z1，X2，Y2，Z2)和作差得到的3個(gè)通道(X1-X2，Y1-Y2，Z1-Z2)。

2 管道多缺陷智能識(shí)別方法建模

2.1 數(shù)據(jù)預(yù)處理及缺陷段數(shù)據(jù)的提取

由于磁通門磁力計(jì)采集獲得的原始數(shù)據(jù)中含有極少量的數(shù)據(jù)空缺行，因此需要對(duì)原始數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗，剔除無(wú)效數(shù)據(jù)，即將原始數(shù)據(jù)中空缺的數(shù)據(jù)行刪掉。磁通門磁力計(jì)按照一定頻率采集，實(shí)驗(yàn)過(guò)程中保持勻速，因此獲得的原始數(shù)據(jù)中的總點(diǎn)數(shù)可看作與管道全長(zhǎng)對(duì)應(yīng)。故可根據(jù)缺陷在管道上的位置還有缺陷的大小找到原始數(shù)據(jù)中對(duì)應(yīng)于缺陷處的數(shù)據(jù)點(diǎn)并提取出來(lái)，并將提取出的一段數(shù)據(jù)點(diǎn)稱為缺陷段數(shù)據(jù)。以SY-001管道測(cè)試件為例，在管道的正中間有一處腐蝕缺陷，直徑為1 cm，取以腐蝕缺陷為中心向兩側(cè)延伸的全長(zhǎng)為6 cm的一段管道，而后從采集得到的原始數(shù)據(jù)中提取該段管道對(duì)應(yīng)的一段數(shù)據(jù)點(diǎn)作為缺陷段數(shù)據(jù)。一處缺陷對(duì)應(yīng)一組缺陷段數(shù)據(jù)，對(duì)于包含多處缺陷的管道，提取出多組缺陷段數(shù)據(jù)。所有的缺陷段數(shù)據(jù)構(gòu)成缺陷段數(shù)據(jù)樣本庫(kù)。

2.2 特征量計(jì)算

為得到缺陷分類模型輸入所需的特征量，本文對(duì)缺陷段數(shù)據(jù)庫(kù)中每個(gè)通道的缺陷段數(shù)據(jù)計(jì)算了3類共9種特征量，包括時(shí)域特征量：峰峰值、最大值、最小值、平均值、能量；形態(tài)學(xué)特征量：信號(hào)與X軸圍成的面積值、梯度最大值、梯度平均值；頻域特征量：小波包能量。對(duì)9個(gè)通道的所有缺陷段數(shù)據(jù)分別計(jì)算9種特征量得到了特征量樣本庫(kù)。

2.2.1 時(shí)域特征量

峰峰值在本文指一個(gè)缺陷段數(shù)據(jù)的最高值與最低值之間的差值。

磁記憶信號(hào)的能量，就是缺陷段信號(hào)的均方值，即缺陷段信號(hào)平方的平均。

2.2.2 形態(tài)學(xué)特征量

信號(hào)與X軸圍成的面積就是信號(hào)幅度的積分，由于磁記憶信號(hào)是數(shù)字信號(hào)，該面積值為各點(diǎn)信號(hào)幅度值的和。

磁感應(yīng)強(qiáng)度梯度可描述信號(hào)的波動(dòng)程度變化率，其計(jì)算公式為：

(1)

式中：以連續(xù)4個(gè)采樣點(diǎn)為一組將原始磁信號(hào)數(shù)據(jù)劃分，HPmax表示每組采樣點(diǎn)中磁感應(yīng)強(qiáng)度的最大值；HPmin表示每組采樣點(diǎn)中磁感應(yīng)強(qiáng)度的最小值；d表示每組中4個(gè)采樣點(diǎn)對(duì)應(yīng)的檢測(cè)距離。磁感應(yīng)強(qiáng)度梯度最大值以及平均值分別為缺陷段數(shù)據(jù)中多個(gè)磁感應(yīng)強(qiáng)度梯度的最大值和平均值。

2.2.3 頻域特征量

本文使用的頻域特征量為小波包能量，由3層小波包分解得到。其分解示意圖如圖4所示。

圖4 3層小波包分解結(jié)構(gòu)Fig.4 Three layer wavelet packet decomposition structure

Si,j即第i層的第j個(gè)節(jié)點(diǎn)，i=0,1,2,3,j=0,1,…,7。假設(shè)S3，j中某頻段小波包分解系數(shù)是mj,k(j=0,1,…,7,k=1,2,…,n)，那么該頻段的小波包能量即為:

(2)

本文對(duì)缺陷段數(shù)據(jù)作離散傅里葉變換，觀察得數(shù)據(jù)的低頻成分占比大，基本集中在S3,0低頻段，因此本文使用該段的小波包能量。

2.3 分類器方法

考慮到建模樣本的數(shù)量相對(duì)較少的實(shí)際情況，本文選擇了適用于小樣本的3種機(jī)器學(xué)習(xí)的方法：一般的支持向量機(jī)(libsvm)、改進(jìn)的支持向量機(jī)(liblinear)、協(xié)同表示(CRC)。3種分類器方法比較見(jiàn)表1。

表1 分類器方法比較Table 1 Comparison of classifier methods

2.4 基于磁通門磁力計(jì)的油氣管道多缺陷智能識(shí)別分類方法建模

2.4.1 建模數(shù)據(jù)集及驗(yàn)證數(shù)據(jù)集的選取

本文計(jì)算的9種特征量各分為9個(gè)通道，共計(jì)81個(gè)通道的特征量，其中選取了部分通道的特征量構(gòu)建建模和驗(yàn)證數(shù)據(jù)集，共設(shè)計(jì)了很多種搭配方案，其中最具代表性的3種方案如表2所示。

表2 方案1特征量組合Table 2 Combination of characteristic quantities in scheme 1

表3 方案2特征量組合Table 3 Combination of characteristic quantities in scheme 2

以方案一為例詳細(xì)介紹建模數(shù)據(jù)集和驗(yàn)證數(shù)據(jù)集的構(gòu)成：方案一的每種特征量中含有21個(gè)提離距離下的數(shù)據(jù)，從中挑選出提離距離為0、10、15、25、30、40、45、55、60、70、75、85、90、100 cm的數(shù)據(jù)作為建模數(shù)據(jù)集的樣本。剩余的提離距離即5、20、35、50、65、80、95 cm的數(shù)據(jù)作為驗(yàn)證數(shù)據(jù)集的樣本。

2.4.2 最優(yōu)分類器方法的確定

最優(yōu)分類器方法的確定思路為使用方案1的特征量組合構(gòu)建建模數(shù)據(jù)集和驗(yàn)證數(shù)據(jù)集，然后使用3種分類器方法分別訓(xùn)練缺陷分類模型，根據(jù)模型的識(shí)別效果及速度尋找最優(yōu)分類器方法。

表4 方案3特征量組合Table 4 Combination of characteristic quantities in scheme 3

1)建模和驗(yàn)證數(shù)據(jù)集構(gòu)建。

選用方案一的特征量組合來(lái)構(gòu)建建模數(shù)據(jù)集和驗(yàn)證數(shù)據(jù)集其中，建模數(shù)據(jù)集共1 323組樣本。其中腐蝕缺陷樣本數(shù)為840組，彎管應(yīng)力集中樣本數(shù)為140組，焊縫應(yīng)力集中樣本數(shù)為252組。驗(yàn)證數(shù)據(jù)集共616組樣本，其中腐蝕缺陷樣本數(shù)為420組，彎管應(yīng)力集中樣本數(shù)為70組，焊縫應(yīng)力集中樣本數(shù)為126組。

2)分類模型訓(xùn)練及驗(yàn)證。

分別采用libsvm、liblinear、CRC 3種方法建立缺陷分類模型，如圖5～7所示。圖中縱坐標(biāo)的1、2、3分別代表腐蝕缺陷、彎管應(yīng)力集中缺陷、焊縫應(yīng)力集中缺陷。圖中星號(hào)代表缺陷的真實(shí)類型，圓圈代表模型的識(shí)別類型，兩者重合，代表模型成功識(shí)別該處缺陷；反之，識(shí)別錯(cuò)誤。將3種模型的識(shí)別結(jié)果歸納整理為表5。

圖5 libsvm方法得到的模型Fig.5 The model by libsvm model

圖6 liblinear方法得到的模型Fig.6 The model by liblinear model

圖7 CRC方法得到的模型Fig.7 The model by CRC model

由表5可得，libsvm和liblinear方法訓(xùn)練的模型的識(shí)別率明顯高于CRC方法，達(dá)到了98%以上，并且liblinear和CRC方法訓(xùn)練模型的速度明顯快于libsvm方法，模型的速度快意味著可以很好地應(yīng)用于實(shí)際，因此綜合識(shí)別率和訓(xùn)練速度，liblinear方法為最優(yōu)分類器方法，這也同liblinear方法適合小樣本、速度快的理論特點(diǎn)相符合。

表5 3種模型分類效果Table 5 Classification effect of three models

2.4.3 最優(yōu)特征量組合的確定

最優(yōu)特征量組合的確定思路是嘗試多種特征量組合方案來(lái)構(gòu)建建模數(shù)據(jù)集、驗(yàn)證數(shù)據(jù)集，并使用最優(yōu)分類器liblinear方法來(lái)建立缺陷分類模型，根據(jù)模型的分類效果確定最優(yōu)的特征量組合方案，得到的模型即為最優(yōu)的缺陷分類模型。下面介紹使用特征量組合方案1、2、3所建立的模型，3種模型的分類效果如圖8～10所示。3種模型的識(shí)別效果指標(biāo)歸納到表6中。

圖8 方案1特征量組合建立的模型Fig.8 Model established by combination of feature quantities in scheme 1

圖9 方案2特征量組合建立的模型Fig.9 Model established by combination of feature quantities in scheme 2

圖10 方案3特征量組合建立的模型Fig.10 Model established by combination of feature quantities in scheme 3

由圖表可得：3個(gè)特征量組合方案對(duì)應(yīng)的模型分類效果都達(dá)到了98%以上，并且對(duì)腐蝕缺陷和彎管應(yīng)力集中缺陷的識(shí)別率均為100%，其中方案3對(duì)應(yīng)的模型分類效果最好，對(duì)腐蝕樣本和彎管樣本全部正確識(shí)別，對(duì)焊縫樣本識(shí)別率為97.619 0%，總識(shí)別率達(dá)到了99.513 0%，僅對(duì)少量焊縫樣本識(shí)別錯(cuò)誤。即特征量組合方案3是最優(yōu)特征量組合方案，其對(duì)應(yīng)的使用liblinear方法建立的模型為最優(yōu)模型。

2.4.4 提離距離影響研究

為探究提離距離是否會(huì)對(duì)模型的分類效果產(chǎn)生影響，本文使用提離距離為0～50 cm的樣本建立建模數(shù)據(jù)集和驗(yàn)證數(shù)據(jù)集。即挑選出提離距離為0、5、15、20、30、35、45、50 cm的數(shù)據(jù)作為建模數(shù)據(jù)集的樣本，共704組樣本。其中腐蝕缺陷樣本數(shù)為480組，彎管應(yīng)力集中樣本數(shù)為80組，焊縫應(yīng)力集中樣本數(shù)為144組；挑選提離距離為10、25、40 cm的數(shù)據(jù)作為驗(yàn)證數(shù)據(jù)集的樣本，共264組樣本。其中腐蝕缺陷樣本數(shù)為180組，彎管應(yīng)力集中樣本數(shù)為30組，焊縫應(yīng)力集中樣本數(shù)為54組。特征量組合方案、分類器方法與最優(yōu)分類模型保持一致，模型的分類效果如圖11所示。

由圖11可得：該模型的缺陷識(shí)別率為94.312 8%，其中彎管應(yīng)力集中缺陷的識(shí)別率是100%，腐蝕缺陷和焊縫應(yīng)力集中缺陷有部分樣本識(shí)別錯(cuò)誤，相比較于提離距離為0～100 cm的樣本建立的最優(yōu)模型，該模型的識(shí)別率略低，考慮主要原因是樣本的數(shù)量太少，影響了模型的準(zhǔn)確性。雖然該模型的識(shí)別率略低于最優(yōu)模型，但仍高于94%，對(duì)缺陷的分類效果也很明顯，從一定程度上說(shuō)明提離距離的高低不會(huì)顯著影響缺陷的識(shí)別效果。

表6 3種模型分類效果Table 6 Classification effect of three models

圖11 提離距離0～50 cm樣本建立的模型Fig.11 Model of samples with lifting distance of 0～50 cm

2.4.5 油田現(xiàn)場(chǎng)管道驗(yàn)證

為測(cè)試上述最優(yōu)模型的實(shí)際缺陷分類情況，本文選取了3根油田現(xiàn)場(chǎng)的管道進(jìn)行缺陷識(shí)別，其中油田現(xiàn)場(chǎng)管道1如圖12所示，管道全長(zhǎng)200 cm，表面是均勻的蝕缺陷，將管道平均分為20段，利用最優(yōu)分類模型識(shí)別該20段管道上含有的缺陷類型，結(jié)果如圖13所示，圖中縱坐標(biāo)的1、2、3分別代表腐蝕缺陷、彎管應(yīng)力集中缺陷、焊接應(yīng)力集中缺陷。

圖12 油田現(xiàn)場(chǎng)管道1Fig.12 Pipeline 1 in oilfield site

圖13 油田現(xiàn)場(chǎng)管道缺陷識(shí)別圖Fig.13 Pipeline defect identification diagram in oilfield site

由圖可得，模型對(duì)20段管道上的缺陷類型均識(shí)別為腐蝕缺陷，全部識(shí)別正確。

圖14為油田現(xiàn)場(chǎng)管道2，管道上包含2處焊縫應(yīng)力集中缺陷以及一處彎管應(yīng)力集中缺陷，圖15為油田現(xiàn)場(chǎng)管道3，上面包含一處腐蝕缺陷，使用磁通門磁力計(jì)分別對(duì)2根管道在提離距離為20、60、100 cm時(shí)采集磁信號(hào)，并利用最優(yōu)分類模型對(duì)2根管道上的缺陷進(jìn)行缺陷識(shí)別，識(shí)別結(jié)果如圖16。

圖14 油田現(xiàn)場(chǎng)管道2Fig.14 Pipeline 2 in oilfield site

圖15 油田現(xiàn)場(chǎng)管道3Fig.15 Pipeline 3 in oilfield site

圖16 油田現(xiàn)場(chǎng)管道2、3缺陷識(shí)別圖Fig.16 Defect identification of field pipelines 2 and 3

由圖可得，模型對(duì)2個(gè)管道上的4處缺陷全部正確識(shí)別。由此可見(jiàn)，最優(yōu)分類模型可應(yīng)用于實(shí)際中腐蝕、彎管應(yīng)力集中、焊縫應(yīng)力集中3種缺陷的識(shí)別，并且缺陷識(shí)別效果顯著。

3 結(jié)論

1)建立的過(guò)程為先采集測(cè)試件的磁記憶數(shù)據(jù)，待數(shù)據(jù)清洗后，提取缺陷段數(shù)據(jù)并計(jì)算缺陷段特征量，按照多種特征量搭配方案構(gòu)建建模數(shù)據(jù)集和驗(yàn)證數(shù)據(jù)集，首先確定最優(yōu)分類器方法，而后尋找最優(yōu)特征量組合方案，進(jìn)而得到最優(yōu)的分類模型。

2)該最優(yōu)模型對(duì)3種缺陷識(shí)別分類準(zhǔn)確率達(dá)到了99.513 0%，并且適用于油田現(xiàn)場(chǎng)管道檢測(cè)。

3)本文中缺陷段的提取、特征量的計(jì)算、以及特征量的組合方案可為后續(xù)信號(hào)特征研究以及缺陷的進(jìn)一步分類研究提供參考。