CN113916306A - 基于多传感信息融合的管道缺陷检测及定位方法 - Google Patents

基于多传感信息融合的管道缺陷检测及定位方法 Download PDF

Info

Publication number
CN113916306A
CN113916306A CN202111399961.0A CN202111399961A CN113916306A CN 113916306 A CN113916306 A CN 113916306A CN 202111399961 A CN202111399961 A CN 202111399961A CN 113916306 A CN113916306 A CN 113916306A
Authority
CN
China
Prior art keywords
signal
pipeline
fusion
defect
detection
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202111399961.0A
Other languages
English (en)
Other versions
CN113916306B (zh
Inventor
高斌
徐和武
杨雨沛
谌梁
姜世强
张勇
孙鹏
罗飞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sichuan Deyuan Pipeline Technology Co ltd
University of Electronic Science and Technology of China
Original Assignee
Sichuan Deyuan Pipeline Technology Co ltd
University of Electronic Science and Technology of China
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Sichuan Deyuan Pipeline Technology Co ltd, University of Electronic Science and Technology of China filed Critical Sichuan Deyuan Pipeline Technology Co ltd
Priority to CN202111399961.0A priority Critical patent/CN113916306B/zh
Priority to CN202210706717.2A priority patent/CN115014334A/zh
Publication of CN113916306A publication Critical patent/CN113916306A/zh
Application granted granted Critical
Publication of CN113916306B publication Critical patent/CN113916306B/zh
Priority to PCT/CN2022/133311 priority patent/WO2023088471A1/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • G01C21/183—Compensation of inertial measurements, e.g. for temperature effects
    • G01C21/188—Compensation of inertial measurements, e.g. for temperature effects for accumulated errors, e.g. by coupling inertial systems with absolute positioning systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C22/00—Measuring distance traversed on the ground by vehicles, persons, animals or other moving solid bodies, e.g. using odometers, using pedometers
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/72—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables
    • G01N27/82—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables for investigating the presence of flaws
    • G01N27/90—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables for investigating the presence of flaws using eddy currents
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Chemical & Material Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Analytical Chemistry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Electrochemistry (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Investigating Or Analyzing Materials By The Use Of Magnetic Means (AREA)

Abstract

本发明公开了基于多传感信息融合的管道缺陷检测及定位方法，属于管道无损检测技术领域，根据管道缺陷检测信号和/或管道检测设备在管道中的三轴姿态信号对管道进行状态分段处理，将管道缺陷检测信号中的管道缺陷信号定位至对应状态管道段中；根据管道检测设备在对应状态管道段中的运行速度、三轴姿态信号及里程信息，计算管道缺陷信号在每个状态管道段中的位置。本发明通过对管道进行分段处理，能够将管道缺陷初步定位在某一状态管道段中，进一步根据管道检测设备在当前状态管道段中的运行速度、姿态参数信号、里程信息计算缺陷在当前状态管道段的位置，能够消除单一根据里程信息对缺陷定位造成的累计误差，实现了管道缺陷的精准定位。

Description

基于多传感信息融合的管道缺陷检测及定位方法
技术领域
本发明涉及管道无损检测技术领域，尤其涉及基于多传感信息融合的管道缺陷检测及定位方法。
背景技术
管道经多年运行易产生开裂、腐蚀、变形等缺陷，严重影响其运行的稳定性与可靠性，更有可能引发安全事故，因此定期对管道进行检测是保证管道有效运行的基础。无损检测技术作为一种不损害被测对象的检测技术，能够保障设备结构的安全服役，是当下主流的检测技术之一。
涡流检测是基于电磁感应理论发展的无损检测方法，其工作原理为：当给激励线圈施加交流电时，会在激励线圈周边产生交变磁场，简称为初级磁场；当该交变磁场靠近一个导体时，由于电磁感应，会在导体中产生感应涡流，感应涡流又会产生感应磁场，该磁场称为次级磁场；感应涡流受导体的磁导率和电导率影响，当存在缺陷时，涡流会受到扰动而影响次级磁场，因此，次级磁场携带了缺陷信息，通过采集次级磁场的涡流信号即可实现对缺陷的有效检测。
在检测出管道缺陷后，需要对缺陷进行精准定位。由于管道内部环境复杂，无法使用摄像头等仪器在视觉上进行缺陷定位；同时管壁通常由金属构成，具有电磁屏蔽效应，无法使用GPS等进行精准辅助定位。目前普遍采用的缺陷定位手段为里程轮辅助定位和捷联导航***，然而里程轮容易因管道内残余的石油等物质引起打滑或者空转，定位效果较差；而捷联导航***从原理上会产生随着时间增加而不断增加的累积误差，在长距离管道上的定位效果很差，在此基础上，如何实现管道缺陷的精准定位是目前亟需解决的技术问题。
发明内容
本发明的目的在于克服现有技术中无法实现管道缺陷精准定位的问题，提供了一种基于多传感信息融合的管道缺陷检测及定位方法。
本发明的目的是通过以下技术方案来实现的：一种基于多传感信息融合的管道缺陷定位方法，方法具体包括如下步骤：
根据管道缺陷检测信号和/或管道检测设备在管道中的三轴姿态信号对管道进行状态分段处理，将管道缺陷检测信号中的管道缺陷信号定位至对应状态管道段中；
根据管道检测设备在对应状态管道段中的运行速度、三轴姿态信号及里程信息，计算管道缺陷信号在每个状态管道段中的位置。
在一示例中，所述状态分段处理包括建立焊缝判别模型和/或弯道判别模型；
焊缝判别模型通过管道缺陷检测信号的最大主成分信号变化判断管道是否处于焊缝段；和/或，焊缝判别模型根据三轴姿态信号中的z轴加速度信号变化判断管道是否处于焊缝段；
弯道判别模型根据三轴姿态信号中的航向角信号变化判断管道是否处于弯道段。
在一示例中，所述焊缝判别模型将最大主成分信号与z轴加速度信号进行加权融合处理得到第一融合特征信号X(t)，对第一融合特征信号进行异常检测处理得到焊缝特征信号。
在一示例中，所述根据三轴姿态信号中的航向角信号变化判断管道是否处于弯道段具体包括：
对航向角信号进行标准差处理及差分处理，得到标准差信号和差分信号；
对标准差信号和差分信号进行乘积融合处理，得到第二融合特征信号；
对第二融合特征信号进行异常检测处理得到弯道特征信号。
在一示例中，所述建立焊缝判别模型和/或弯道判别模型步骤前还包括：
对管道缺陷检测信号的最大主成分信号、三轴姿态信号中的z轴加速度信号、三轴姿态信号中的航向角信号分别进行滑窗处理。
在一示例中，所述方法还包括三轴姿态信号计算步骤：
采集管道检测设备的三轴加速度信号及三轴角速度信号；
将三轴加速度信号与三轴角速度信号进行互补融合处理得到三轴姿态信号，互补融合处理的计算公式为：
Figure BDA0003365146950000031
其中，roll表示三轴姿态信号中的翻滚角信号；rollacc表示翻滚角的加速度信号；rollgypo表示翻滚角的角速度信号；k表示比例系数；pitch表示三轴姿态信号中的俯仰角信号；pitchacc表示俯仰角的加速度信号；pitchgypo表示俯仰角的角速度信号；yawn+1表示三轴姿态信号中的航向角信号；yawgypo表示航向角的角速度信号。
在一示例中，所述管道检测设备在不同状态管道段中的运行速度为平均运行速度，平均运行速度基于单位时间内的里程信息和/或管道检测设备中前后两组检测探头检测到同一管道缺陷检测信号的时间差进行计算。
在一示例中，所述平均运行速度计算还包括：
结合三轴姿态信号中的三轴加速度信号对平均运行速度进行校正处理得到标准平均运行速度。
需要进一步说明的是，上述各示例对应的技术特征可以相互组合或替换构成新的技术方案。
本发明还包括一种存储介质，其上存储有计算机指令，所述计算机指令运行时执行上述任一示例或多个示例组成形成的所述基于多传感信息融合的管道缺陷定位方法的步骤。
本发明还包括一种终端，包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的计算机指令，所述处理器运行所述计算机指令时执行任一示例或多个示例组成形成的所述基于多传感信息融合的管道缺陷定位方法的步骤。
本发明还包括一种基于多传感信息融合的管道缺陷检测方法，所述方法包括以下步骤：
提取管道缺陷检测信号的幅值信号和相位信号；
在相位信号中添加相位纠正偏置参数实现幅值信号与相位信号的融合处理得到融合信号；
基于融合信号实现管道缺陷的检测。
在一示例中，所述基于融合信号判断管道的缺陷具体包括：
根据采集管道缺陷检测信号时的不同恒定速度对融合信号进行分段处理，并调节不同段融合信号序列的长度；
对不同段融合信号进行异常检测处理进而得到管道缺陷信号。
需要进一步说明的是，上述各示例对应的技术特征可以相互组合或替换构成新的技术方案。
本发明还包括一种存储介质，其上存储有计算机指令，所述计算机指令运行时执行上述任一示例或多个示例组成形成的所述基于多传感信息融合的管道缺陷检测方法的步骤。
本发明还包括一种终端，包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的计算机指令，所述处理器运行所述计算机指令时执行任一示例或多个示例组成形成的所述基于多传感信息融合的管道缺陷检测方法的步骤。
与现有技术相比，本发明有益效果是：
(1)在一示例中，本发明通过对管道进行分段处理，能够将管道缺陷初步定位在某一状态管道段中，进一步根据管道检测设备在当前状态管道段中的运行速度、姿态参数信号、里程信息计算缺陷在当前状态管道段的位置，能够消除单一根据里程信息对缺陷定位造成的累计误差，实现了管道缺陷的精准定位；同时对管道进行分段处理，方便对管道缺陷进行排查；进一步地，本发明方法适用于不同口径的管道，泛用性强。
(2)在一示例中，通过建立焊缝判别模型、弯道判别模型，能够实现不同状态管道的自动判定，降低了缺陷定位的工作量。
(3)在一示例中，通过第一融合特征信号、第二融合特征信号对管道状态进行分类，能够仅一步提升管道分段准确率。
(4)在一示例中，通过滑窗处理能够根据管道检测器检测速度灵活控制数据处理量，在保证数据准确的同时能够降低数据处理工作量。
(5)在一示例中，通过将三轴加速度信号与三轴角速度信号进行互补融合处理能够消除三轴加速度信号、三轴角速度信号时间累计误差，保证三轴姿态参数的准确性。
(6)在一示例中，通过里程信息结合管道检测设备中前后两组检测探头检测到同一管道缺陷检测信号的时间差进行计算，以及对平均运行速度进行校正处理均能够进一步真实模拟管道检测设备中管道中的实际运行情况，得到更加符合实际的标准平均运行速度，在此基础上实现管道缺陷的精准定位。
(7)在一示例中，通过幅相融合处理能够矫正幅值和相位信号的延迟，降低提离对缺陷检测的影响，进而更加精准对管道缺陷信号进行表征，进而实现精准的缺陷检测。
(8)在一示例中，对不同段融合信号进行异常检测处理能够降低不同速度对融合信号的影响，以此有效检测出异常值即管道缺陷信号。
附图说明
下面结合附图对本发明的具体实施方式作进一步详细的说明，此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，在这些附图中使用相同的参考标号来表示相同或相似的部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。
图1为本发明一示例中差动结构检测探头的等效电路图；
图2为本发明一示例中差动结构下探头无试件的等效检测电路图；
图3为本发明一示例中差动结构下探头有试件的等效检测电路图；
图4为本发明一示例中提离改变对于幅值和相位影响趋势图；
图5为本发明一示例中幅值信号、相位信号与融合信号缺陷检测的效果对比示意图；
图6为本发明另一示例中幅值信号、相位信号与融合信号缺陷检测的效果对比示意图；
图7为本发明优选示例的方法流程图；
图8为本发明一示例中实地管道缺陷检测效果图；
图9为本发明一示例中实地弯管检测效果图；
图10为本发明一示例中实地管道焊缝检测效果图。
具体实施方式
下面结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本发明的描述中，需要说明的是，属于“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方向或位置关系为基于附图所述的方向或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，属于“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，属于“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
本发明通过提出对管道进行分段的思想，进一步在对应的管道段计算缺陷位置，以消除现有技术中基于单一里程信号的里程累计误差，进而提高管道缺陷准确性，现对本申请技术方案进行说明。
在一示例中，基于多传感信息融合的管道缺陷定位方法，具体包括以下步骤：
S11：根据管道缺陷检测信号、管道检测设备在管道中的三轴姿态信号对管道进行状态分段处理，将管道缺陷检测信号中的管道缺陷信号定位至对应状态管道段中；其中，管道缺陷检测信号为通过现有管道缺陷检测手段获取的含有管道缺陷信号的原始检测信号，如通过涡流采集器(涡流采集器)采集被测管道的管道缺陷检测信号；管道缺陷信号即管道缺陷检测信号中用于表征管道缺陷的信号。管道检测设备即用于检测管道腐蚀、变形等缺陷的检测设备(内检测器)，如申请号为202110930910X发明专利中的管道无损检测设备，其上搭载有用于采集管道缺陷检测信号的涡流传感器、用于采集自身运行路程信号的里程检测器，还搭载有采集自身姿态信息的姿态信息采集器。三轴姿态信号即管道检测设备在管道中的俯仰角信号、翻滚角信号以及航向角信号。本示例中管道状态分段处理即根据管道不同状态将管道分成多段，包括直管段、弯管段和焊缝段，以将管道缺陷初步直观定位至对应状态管道段中。
S12：根据管道检测设备在对应状态管道段中的运行速度、三轴姿态信号及里程信息，计算管道缺陷信号在每个状态管道段中的位置。作为一选项，不同状态管道段的里程信息可结合管道设计图纸进行修正。本步骤中，缺陷定位是在不同状态管道段中进行的，且管道检测设备在不同状态管道段中的运行时间只有几秒或者几十秒，进而能够消除里程累计误差及管道检测设备运行速度误差，实现管道缺陷的精准定位。
进一步地，步骤S11中根据管道缺陷检测信号、管道检测设备在管道中的三轴姿态信号对管道进行状态分段处理步骤前还包括：
将管道缺陷检测信号、三轴姿态信号的时间轴进行对应，使管道缺陷检测信号、三轴姿态信号公用同一时间轴，实现信号的同步处理，以将管道缺陷信号准确定位至对应状态管道段中。
在一示例中，所述状态分段处理包括：建立焊缝判别模型及弯道判别模型。由于管道检测设备在管道内运行状态复杂，同时受到多因素(如管道内杂质残留情况，动力气压的不同，内检测器运行多次后的磨损)的干扰，采用监督学习建立模型存在较大困难，因此本申请采用无监督学习结合数据统计(异常监测处理)实现模型的训练及建立。
具体地，焊缝判别模型通过管道缺陷检测信号的最大主成分信号变化判断管道是否处于焊缝段，并根据三轴姿态信号中的z轴加速度信号变化判断管道是否处于焊缝段，同时采用两种焊缝判别方法对管道所处状态进行判断，能够保证管道分段的准确性。具体地，管道焊缝一般为环焊缝，因此对于一组涡流探头(涡流传感器)而言，所有传感器的涡流信号(管道缺陷检测信号)上都能同时检测到变化信号，可作为焊缝识别的一个特征信号。其次，由于焊缝通常会导致管壁不平整，检测器通过焊缝时会发生颠簸，因此在Z轴方向上的加速度信号也能作为焊缝的特征信号。
进一步地，弯道判别模型根据三轴姿态信号中的航向角信号变化判断管道是否处于弯道段。对于管道弯管处，其在偏航角yaw上存在明显变化，可以作为识别转弯的特征之一。作为一选项，由于过弯时管壁对于弯道内侧的探头会产生挤压，相当于转弯时改变了探头的提离值，因此在涡流信号的个别通道上也会出现信号改变，也可以作为弯头的特征信号。
本示例中，通过建立焊缝判别模型、弯道判别模型，能够实现不同状态管道的自动判定，降低了缺陷定位的工作量。
在一示例中，所述焊缝判别模型将最大主成分信号与z轴加速度信号进行加权融合处理得到第一融合特征信号X(t)，对第一融合特征信号进行异常检测处理得到焊缝特征信号。具体地，最大主成分信号反应了原始涡流信号(管道缺陷检测信号)里的绝大部分信息，因此信号里主要表征的是正常信号(对应直管段信号)和焊缝信号。同时，由于z轴加速度信号受到重力的影响，正常时稳定在-10m/s2，因此先对Z轴加速度信号的值先统一加10以消除重力影响，再对得到的信号取二次方，进一步提高正常信号(对应直管段的z轴加速度信号)与焊缝处z轴加速度信号的对比度。进一步对最大主成分信号与z轴加速度信号进行加权处理，得到可以表征焊缝的第一融合特征信号X(t)：
X(t)＝Amppca(t)+k*(az(t)-10)2
其中，Amppca(t)是管道缺陷检测信号通过PCA处理得到的最大主成分信号；az(t)为Z轴的加速度信号，单位为m/s2；k为系数因子，本例中采取的为0.03。
更为具体地，本示例中的异常检测处理即根据一标准阈值对所有管道缺陷检测信号进行比较处理，若大于该标准判断阈值，即将其标注异常值即焊缝特征信号。具体地，本示例中得到第一融合特征信号X(t)的频数分布直方图，对其进行K-S检验，保证第一融合特征信号X(t)分布服从正态分布。由于第一融合特征信号X(t)中只含有因焊缝引起的异常值，在此基础上计算第一融合特征信号X(t)的标准偏差，按一定概率确定一个区间，认为凡超过这个区间的信号，即为因焊缝引起的异常值。本示例中采取的标准判断阈值为3倍标准偏差，超过3倍标准偏差的第一融合特征信号即认为是焊缝信号。
本发明方法还包括验证步骤。具体地，通过不同场景下得到的管道数据，进行管道分段，得到模型的预测结果与实际结果进行对比，验证模型的有效性。同理，该验证步骤可用于后续缺陷检测以及缺陷定位步骤，保证本发明方法的有效性。
在一示例中，所述根据三轴姿态信号中的航向角信号变化判断管道是否处于弯道段具体包括：
S111：对航向角信号进行滚动标准差处理及滚动差分处理，得到滚动标准差信号和滚动差分信号；其中，滚动标准差信号表示将航向角信号按照一定窗口大小(此例为每100个点计算一次)进行窗口滚动，每次计算窗口内数据的标准差；滚动差分信号表示将航向角信号按照一定窗口大小(此例为每100个点计算一次)进行窗口滚动，每次计算窗口内数据的差分.
S112：对滚动标准差信号和滚动差分信号进行乘积融合处理，得到第二融合特征信号；
S113：对第二融合特征信号进行异常检测处理得到弯道特征信号。
进一步地，由于yaw角(航向角)的范围为(-180°～180°)，因此当yaw角到180°(-180°)附近时，其数值会溢出为-180°(180°)，即产生范围跳变，因此需对俯仰角信号进行防溢出处理，同时为了提高弯头段的航向角信号与直管段的航向角信号的对比度，更加明显地区分上述弯头段的航向角信号与直管段的航向角信号，在步骤a)之前还包括：
将标准差信号和差分信号通过双曲正切函数，使俯仰角信号仅在管道检测设备转弯时产生较大的变化，提高与一般状态信号的对比度。
进一步地，对滚动标准差信号和滚动差分信号进行乘积融合处理的计算公式为：
S(t)＝arctan(stdroll)*tanh(diffroll)
其中，S(t)表示第二特征融合信号；stdroll表示滚动标准差信号；diffroll表示滚动差分信号。对于管道而言，弯道在整个管道的长度中占比很少，即弯道分布是在整体分布中稀疏，其分布点距离正常直线段点的距离较远。从统计学角度来看，在数据空间里，若一个区域内只有分布稀疏的点，表示数据点落在此区域的概率很低，则认为此区域的点是异常的。本示例中根据信号的值(第二特征融合信号)的大小不断建立二叉搜索树，若二叉搜索树的左子树不空，则左子树上所有结点的值均小于它的根结点的值；若二叉搜索树的右子树不空，则右子树上所有结点的值均大于它的根结点的值，且二叉搜索树的左、右子树都是二叉搜索树。基于二叉搜索树，将时序序列按照数值的大小分割成很多层，由于异常值相较于正常值通常是偏大或者偏小，则在二叉搜索树的前几层(靠近二叉搜索树根部)找到明显的异常值即弯道特征信号。
更进一步地，通过第一融合特征信号、第二融合特征信号将管道分为直管段、焊缝段、弯管段，提高了管道分段的工作效率与准确性。
在一示例中，可结合管道设计图中标注的管道状态(直管、弯管及焊缝)对焊缝判别型、弯管判别模型中的判别方法进行反向修正。本示例通过增量学习实现模型的反向修正，增量学习是一个连续不断的学习过程，在这个过程中，我们假设模型已经学习了旧的任务，当面对新的任务和对应的数据时，利用从旧任务中学习到的先验知识帮助新任务的学习，然后更新模型所学习到的知识。针对于本示例中的管道识别模型(焊缝判别型、弯管判别模型)，若管道设计图的管道状态与模型识别的管道状态不同，利用不同处对应的特例数据(第一融合特征信号、第二融合特征信号)进行专注训练，在保留模型识别准确的前提下，继续利用特例数据对模型进行参数的优化和整合，并加入新的学习模型，以保证模型处于不断的学习迭代，对于多变复杂的管道状态拥有学习能力，保证识别正确率。
在一示例中，所述建立焊缝判别模型、弯道判别模型步骤前还包括：
对管道缺陷检测信号的最大主成分信号、三轴姿态信号中的z轴加速度信号、三轴姿态信号中的航向角信号分别进行滑窗处理。滑窗处理能够控制当前窗口接收的数据序列的长度，窗的包含点数和窗的覆盖率会影响到后续方法判断的准确性，则窗的包含点数以及窗的覆盖率取值尤为重要。作为一示例，在管道检测设备运行速度小于5m/s时，窗的包含点数为10，覆盖率为0.5；在管道检测设备运行速度大于5m/s时，窗的包含点数为6，覆盖率为2/3，能够获得良好的信号分段结果以及缺陷定位效果，具体滑窗处理过程为：
采用窗口长度为10，覆盖率为0.5的滑窗处理时序信号，第一个窗口为时序信号的第1～10个点，下一个窗口要包含前一个窗口(覆盖率*窗口长度)的点数，之后再取后续点直到窗口内点数达到窗口长度，因此，第二个窗口为时序信号的第5-15个点，以此类推，得到整个时序序列的多个窗口，再对每个窗口内的数据进行特征值的计算。经滑窗处理后，信号序列在保留基本信息的情况下，序列长度缩减为之前的1/5，对每个窗口内进行时域和频域的统计特征计算，得到原始信号的特征量，如三轴姿态信号中的z轴加速度信号，通过滑窗处理能够根据管道检测器检测速度灵活控制数据处理量，在保证数据准确的同时能够降低数据处理工作量。
作为一优选示例，在焊缝判别过程中，通过滑窗处理仅接收管道缺陷检测信号的最大主成分信号以及三轴姿态信号中的z轴加速度信号，实现信号的剥离，仅关注对焊缝判别有影响的有效信号(最大主成分信号和z轴加速度信号)，防止冗余信号对最大主成分信号和z轴加速度信号的干扰，能够最大程度保证焊缝判别的准确性。当然，弯道判别过程同理，即该过程中窗口仅接收三轴姿态信号中的航向角yaw信号。
在一示例中，在滑窗处理步骤前还包括：
将管道缺陷检测信号的最大主成分信号、三轴姿态信号中的z轴加速度信号、三轴姿态信号中的航向角信号以及原始信号(管道缺陷检测信号及三轴姿态信号)，进行z-score标准化得到信号均值为0，方差为1的去中心化信号。
Figure BDA0003365146950000141
其中，X表示信号序列；Xmean表示信号序列的平均值；std表示该信号序列的标准差。
作为一优选，滑窗处理可用作本申请任一信号处理步骤前，即信号通过传感器采集后经滑窗处理后再进一步进行数据分析，如里程检测器采集的路程信号、姿态信息采集器采集的三轴姿态信号以及涡流传感器采集的管道缺陷检测信号均可通过滑窗处理后用于管道的分段处理、速度计算、缺陷检测过程中。
在一示例中，所述方法还包括三轴姿态信号计算步骤：
S121：采集管道检测设备的三轴加速度信号及三轴角速度信号；其中，本示例中的姿态信息采集器具体为惯性传感器IMU，包括用于采集角速度信号的陀螺仪(角速度计)和用于采集加速度信号的加速度计。
S122：将三轴加速度信号与三轴角速度信号进行互补融合处理得到三轴姿态信号，互补融合处理的计算公式为：
Figure BDA0003365146950000142
其中，roll表示三轴姿态信号中的翻滚角信号；rollacc表示翻滚角的加速度信号；rollgypo表示翻滚角的角速度信号；k表示比例系数；pitch表示三轴姿态信号中的俯仰角信号；pitchacc表示俯仰角的加速度信号；pitchgypo表示俯仰角的角速度信号；yawn+1表示三轴姿态信号中的航向角信号；yawgypo表示航向角的角速度信号。
进一步地，步骤S121具体包括根据三轴加速度信号计算衡量管道检测设备姿态的欧拉角(航向角、俯仰角、翻滚角)解算。本发明中的姿态解算选用的旋转顺序是ZYX，即IMU坐标系初始时刻与大地坐标系重合，然后依次绕自己的Z，Y，X轴进行旋转。其中，绕IMU的Z轴旋转y度，为航向角yaw；绕IMU的Y轴旋转p度，为俯仰角pitch；绕IMU的X轴旋转r度，为翻滚角roll。由于绕Z轴旋转时，IMU感受得到的重力加速度是不变的，因此使用加速度计无法计算航向角yaw，因此本申请可通过IMU中的陀螺仪和加速度计进行互补融合，计算得到航向角yaw。具体地，首先通过旋转矩阵的推导，可得：
Figure BDA0003365146950000151
其中，ax表示x轴加速度信号；ay表示y轴加速度信号；az表示z轴加速度信号。通过陀螺仪测量得到的绕3个轴转动的角速度，仍然通过旋转矩阵的推导，可以得到姿态更新需要的角速度变化率和陀螺仪读数的关系式如下：
Figure BDA0003365146950000152
其中，gx、gy、gz分别表示x、y、z轴的重力；IMU在第n时刻的姿态角度为r,p,y，此时需要计算n+1时刻的姿态，则姿态角度为r+Δr，p+Δp，y+Δy。而变换量可以通过变化率与采样的周期得到，即：
Figure BDA0003365146950000161
联立上述两个方程得到陀螺仪计算得到的姿态角即翻滚角rollgyro、俯仰角pitchgyro和航向角yawgyro。
进一步地，步骤S122中由于加速度仅在静止时刻得到较准确的姿态，而陀螺仪仅对转动时的姿态变化敏感，且陀螺仪本身存在误差，经过连续时间的积分，误差不断增大，因此需将三轴加速度信号与三轴角速度信号进行互补融合处理，以保证三轴姿态参数的准确性。
在一示例中，所述管道检测设备在不同状态管道段中的运行速度为平均运行速度，平均运行速度基于单位时间内的里程信息和管道检测设备中前后两组检测探头检测到同一管道缺陷检测信号的时间差进行计算。本示例中，里程信息通过集成于管道检测设备上的里程轮进行采集；为保证涡流传感器信号(管道缺陷检测信号)采集的准确性，本申请在管道检测设备前后端各环向设置一组涡流传感器，每组含有10个涡流传感器，前后两组涡流传感器交错安装，实现了对管壁全方位的检测。
具体地，对于里程轮，如果计算单位时间内的里程，即得到单位时间的速度，其中SOdometer-wheel为里程轮测量得到的里程，rOdometer-wheel为里程轮的半径，vOdometer-wheel为通过里程轮求得的速度，n为总脉冲数与里程轮转一圈所需脉冲数的比值，上述参数存在以下关系：
Figure BDA0003365146950000171
由于涡流传感器为前后两组探头，且前后两组探头的距离固定，则能够通过检测到同一特征时如焊缝时前后探头信号的时间差来计算速度veddy，具体计算公式为：
Figure BDA0003365146950000172
其中，d为涡流传感器前后两组探头的距离；而tback,tfront分别代表后端探头测得信号的时刻和前段探头测得同一信号的时刻。
本示例中，通过速度veddy对速度vOdometer-wheel进行校正处理，若两者速度一致，任意速度即为管道检测设备的运行速度；若速度vOdometer-wheel与速度veddy不一致，比较速度veddy与速度vOdometer-wheel，两者速度之差小于设定速度阈值，此时以速度veddy为准；若两者速度之差大于设定速度阈值，此时以速度vOdometer-wheel为准。这是因为管道检测设备如在弯管段打滑或者空转，那么此时管道检测设备的两组涡流传感器将不会在正常时间(管道检测设备通过对应状态管道段的时间，一般为几秒中甚至更短)内通过该状态管道段，此时速度将大大降低，则速度veddy与速度vOdometer-wheel之差超过设定速度阈值表示计算得到的速度veddy异常，此时以速度vOdometer-wheel为准。更进一步地，若管道检测设备无法通过对应状态管道段，那么将无法计算出速度veddy，此时直接以速度vOdometer-wheel对管道缺陷进行定位。需要说明的是，设定速度阈值具体根据多次经验取值。
在一示例中，所述平均运行速度计算还包括：
结合三轴姿态信号中的三轴加速度信号对平均运行速度进行校正处理得到标准平均运行速度。具体地，结合管道检测设备通过当前状态管道段的时间以、加速度信息及里程信息对平均速度(平均运行速度)进行校验，具体计算公式为：
vt＝vo+at
Figure BDA0003365146950000181
s＝vo+0.5at2
其中，vt表示经过当前状态段管道的末速度；vo表示经过当前状态段管道的初速度；a表示经过当前状态段管道的加速度；t表示经过当前状态段管道的时间；
Figure BDA0003365146950000182
表示经过当前状态段管道的平均速度；s表示经过当前状态段管道的长度(里程)。
上述两个示例中对平均运行速度进行校正处理均能够进一步真实模拟管道检测设备中管道中的实际运行情况，得到更加符合实际的标准平均运行速度，在此基础上实现管道缺陷的精准定位。
本实施例提供了一种存储介质，与上述任一示例或多个示例组合形成的基于多传感信息融合的管道缺陷定位方法具有相同的发明构思，其上存储有计算机指令，所述计算机指令运行时执行上述任一示例或多个示例组合形成的所述基于多传感信息融合的管道缺陷定位方法的步骤。
基于这样的理解，本实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random AccessMemory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本实施例还提供一种终端，与上述任一示例或多个示例组合形成的基于多传感信息融合的管道缺陷定位方法具有相同的发明构思，包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的计算机指令，所述处理器运行所述计算机指令时执行上述任一示例或多个示例组合形成的所述基于多传感信息融合的管道缺陷定位方法的步骤。处理器可以是单核或者多核中央处理单元或者特定的集成电路，或者配置成实施本发明的一个或者多个集成电路。
在本发明提供的实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
本发明还包括一种基于多传感信息融合的管道缺陷检测方法，所述方法基于差动结构检测探头(涡流检测器)进行应用，差动结构检测探头的等效电路图如图1所示，包括激励源、两个并联连接的激励线圈、两个串联连接的接收线圈以及用于放大微弱信号的放大器，激励源即交流电源均与激励线圈另一端连接，激励线圈与接收线圈平行放置，一接收线圈的另一端依次经电阻R2、R3连接至放大器的同向输入端，另一接收线圈的另一端连接至放大器的输出端，放大器的反向输入端经电阻R5接地，且放大器的同向输入端与输出端之间连接有反馈电阻R4，放大器的放大倍数为R4与R3的比值。
进一步地，图1差动结构检测探头的等效电路图进行变换得到差动结构下探头的无试件的等效检测电路如图2所示，以及差动结构下探头有测试件(被检测管道)的等效检测电路如图3所示。便于分析差分探头在有无试件下的感应电压值，图2中R11和L11代表激励线圈1，R12和L12代表激励线圈2，R2和L2代表接收线圈。当在空气耦合条件下，考虑两个激励线圈的互感m和激励与接收之间的互感M，由基尔霍夫定律可得到以下公式：
ε1(jω)＝-jωI2M
ε2(jω)＝-jω(I11-I12)M
Z11I11+jωI12m+(I11+I12)Rr-jωI2M＝Vs
Z2I2-jω(I11-I12)M＝0
Z11I11+jωI12m＝Z12I12+jωI11m
上式中，I11和I12分别表示两个激励线圈中的电流，Z11＝R11+jωL11和Z12＝R12+jωL12分别表示两个激励线圈的阻抗，再次求解输出电压V0为：
Figure BDA0003365146950000201
当两个激励线圈完全相同时，它们的阻抗相同，输出电压为差分信号，即V0＝0，同时激励频率并不会呈线性增加，需要进行实验和仿真确定最佳频率。当存在试件时如图3所示，受试件的涡流影响，线圈之间的互感系数会发生改变，如果探头靠近缺陷将会导致线圈阻抗平衡失效，从而使V0′(管道缺陷检测信号)不等于零。
本发明基于多传感信息融合的管道缺陷检测方法，基于上述涡流检测探头(涡流传感器)对管道缺陷进行检测，包括以下步骤：
S01：提取管道缺陷检测信号的幅值信号和相位信号；具体地，基于涡流传感器采集的管道缺陷检测信号分别获取其幅值信号与相位信号。
S02：在相位信号中添加相位纠正偏置参数实现幅值信号与相位信号的融合处理得到融合信号；
S03：基于融合信号实现管道缺陷的检测。
具体地，步骤S02中幅相融合处理是为了降低提离对缺陷检测的影响。具体地，涡流信号(管道缺陷检测信号号的幅值信号和相位信号)容易收到很多因素的影响，其中以提离的影响最大。通过实验室的大量实现验证发现，改变提离影响较大的是涡流的幅值信号，对于相位信号影响较小。同时用检测器扫过三个缺陷，扫描同时不断增加检测器的提离，扫描结果如图4所示，图中横坐标均表示信号采样点个数；缺陷检测信号的幅值(幅度)信号的纵坐标表示电压值，单位为mV；缺陷检测信号的相位信号的纵坐标表示弧度制，单位为rad。通过图4可以看出，幅度信号整体波动较大，基线漂移趋势远远大于缺陷信号导致的变化趋势；而对于相位信号，基线在整个过程中比较平稳，能明显看出三个缺陷的变化信号。然而在内检测器(管道检测设备)实际运行中，只用相位信号来识别缺陷是不准确的，针对某些特定缺陷幅值信号的变化要比相位信号敏感的多，因此本申请采用将幅值信号和相位信号融合的方式，综合采用两种信号的优势，使得融合信号能更好的表征缺陷信号。
众所周知，时序信号y(t)可以表达成：
Figure BDA0003365146950000211
其中A为信号的幅度，
Figure BDA0003365146950000212
为信号的相位信息。
然而实际应用过程中，幅值信号和相位信号存在部分延迟，因此需要在相位里添加偏置参数α，以矫正幅值和相位信号的延迟，得到缺陷检测效果好的融合信号，融合处理的表达式为：
Figure BDA0003365146950000213
通过大量实验验证，融合信号相较于单独基于幅度信号或相位信号对管道缺陷进行监测，既能准确的反应出缺陷，同时也能抑制大量噪声信号，保证算法识别的信号具有较好的质量。图5-6展示了融合信号和幅值相位信号的效果对比，其中图5中为幅值信号、相位信号与融合信号缺陷检测的效果对比图，图中横坐标表示信号的采样点个数；图中纵坐标表示归一化数值，仅用于衡量变化程度；可以看到图5中第三幅子图的融合信号可以识别出三个明显的缺陷信号，且在非缺陷信号处十分平稳，对于原始信号提升十分明显。图6为扩大检测数据后的幅值信号、相位信号与融合信号缺陷检测的效果对比示意图，图中横坐标均表示信号采样点采样个数，纵坐标均表示归一化后的值，无量纲，仅表示变化程度；同时为了让20组数据能够较好的展示在一张图片上，幅值和相位信号为每条信号加了10的偏置，20组共计200，融合信号由于经过非线性融合后得到的值较小，每条信号的偏置为0.6，共计12；可以看出第三幅子图中的融合信号相较于幅值和相位信号在保留了缺陷信号的同时，还极大的抑制了幅值信号和相位信号的抖动，对之后的缺陷信号识别提供了良好的前置信号。
在一示例中，基于融合信号判断管道的缺陷具体包括：
S031：根据采集管道缺陷检测信号时的不同恒定速度对融合信号进行分段处理，并调节不同段融合信号序列的长度；具体地，不同恒定速度表示管道检测设备在不同时间段恒定运行的速度，即管道检测设备在第一段时间内以理论恒定速度va运行，在第二段时间内以理论恒定速度vb运行等。按照不同恒定速度对融合信号进行分段，能够保证在速度不同时每段信号都能够稳定地表示一定距离的数据。进一步地，调节不同段融合信号序列的长度表示在对不同段融合信号进行滑窗处理时，调节窗口的包含点数和窗的覆盖率，进而实现融合信号序列长度的动态调节。对于管道检测设备运行速度较快(大于5m/s)时获取的融合信号，窗口包含点数较小且覆盖较高；对于管道检测设备运行速度较慢(小于5m/s)时获取的融合信号，窗口包含点数较大且覆盖率较低，如当管道检测设备运行速度大于5m/s时，融合信号处理窗口的包含点数为6，覆盖率为2/3；当管道检测设备运行速度小于5m/s时，窗口包含点数为10，覆盖率为0.5，以此保证不同管道检测设备运行速度下获取的融合信号均能有较好的分辨率，保证缺陷检测的准确性。
S032：对不同段融合信号进行异常检测处理进而得到管道缺陷信号。具体地，异常检测处理即先对融合信号进行正太分布验证，若融合信号的分布服从正态分布，再分别计算每段信号的标准偏差，按一定概率确定一个区间，认为凡超过这个区间的信号，就是因缺陷引起的异常值。本示例中采取的判断阈值为5倍标准偏差，超过5倍标准偏差后即认为是缺陷信号，以此有效检测出异常值即管道缺陷信号。
本实施例提供了一种存储介质，与上述任一示例或多个示例组合形成的基于多传感信息融合的管道缺陷检测方法具有相同的发明构思，其上存储有计算机指令，所述计算机指令运行时执行上述任一示例或多个示例组合形成的所述基于多传感信息融合的管道缺陷检测方法的步骤。
基于这样的理解，本实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random AccessMemory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本实施例还提供一种终端，与上述任一示例或多个示例组合形成的基于多传感信息融合的管道缺陷检测方法具有相同的发明构思，包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的计算机指令，所述处理器运行所述计算机指令时执行上述任一示例或多个示例组合形成的所述基于多传感信息融合的管道缺陷检测方法的步骤。处理器可以是单核或者多核中央处理单元或者特定的集成电路，或者配置成实施本发明的一个或者多个集成电路。
在本发明提供的实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
作为一优选示例，将本申请的缺陷检测以及缺陷定位进行结合得到本申请的最优示例，如图7所示，具体包括以下步骤：
S1：采集管道缺陷检测信号、三轴姿态信号以及里程信号；
S2：提取管道缺陷检测信号的幅值信号和相位信号，在相位信号中添加相位纠正偏置参数实现幅值信号与相位信号的融合处理得到融合信号，对融合信号进行异常检测处理进而得到管道缺陷信号；
同时，将最大主成分信号与z轴加速度信号进行加权融合处理得到第一融合特征信号X(t)，对第一融合特征信号进行异常检测处理得到焊缝特征信号；
同时，将对航向角信号进行标准差处理及差分处理，得到标准差信号和差分信号；将标准差信号和差分信号通过双曲正切函数并进行融合处理得到第二融合特征信号，对第二融合特征信号进行异常检测处理得到弯道特征信号；
S3：根据管道检测设备在对应状态管道段中的运行速度、三轴姿态信号及里程信息，计算管道缺陷信号在每个状态管道段中的位置。
根据上述示例方法检测得到的实地管道缺陷检测效果图如图8所示，实地管道的弯管检测效果图如图9所示，实地管道焊缝检测效果图如图10所示，可以看出，缺陷检测、弯道检测以及焊缝检测的波形图与前一时刻信号进行对比都较为稳定，若信号突变均为管道缺陷信号或者焊缝信号或者弯管信号，能够有效验证本发明方法缺陷检测、焊缝检测以及弯道检测的有效性与可靠性。
本发明基于多传感信息融合的管道缺陷检测及定位方法，方法中所有信号公用一个时间轴，根据管道缺陷信号和管道状态所在的时间轴便可将缺陷信号初步定位到管道的状态段，再通过不同状态段时刻的里程信号和速度信号，计算得出缺陷距离每个状态段的具***置，最后通过和管道设计的中线图进行比较，得到缺陷在管道的具***置。相比于传统的缺陷检测及定位方法，通过多传感信息融合得到的缺陷检测在应对复杂管道环境时表现更佳，整个模型具有强鲁棒性，定位精度和准确率更高。
本发明还包括一种基于多传感信息融合的管道缺陷定位***，所述***包括能够随管道内介质运动的管道检测设备，管道检测设备还集成有用于采集管道缺陷检测信号的涡流传感器、用于采集管道检测设备运行路程信息的里程检测器、用于采集管道检测设备的姿态信息(三轴姿态信号)的姿态信息采集器和用于数据(运行路程信息、姿态信息、管道缺陷检测信号等)存储和/或数据(运行路程信息、姿态信息、管道缺陷检测信号等)处理的数据处理器，涡流传感器输出端、里程检测器输出端、姿态信息采集器输出端均与数据处理器连接；
作为一优选，数据处理器包括第一数据处理器和第二数据处理器；第一数据处理器集成于管道检测设备上，优选为FPGA，涡流传感器输出端、里程检测器输出端、姿态信息采集器输出端均与FPGA的I/O端连接，用于数据的存储；第二数据处理器为上位机，当需进行数据处理分析过程时，即进行管道缺陷定位分析时，将FPGA与设于后端的上位机进行双向的通信连接，以将运行路程信息、姿态信息、管道缺陷检测信号等数据导入至上位机，上位机根据管道缺陷检测信号和/或管道检测设备在管道中的三轴姿态信号对管道进行状态分段处理，将管道缺陷检测信号中的管道缺陷信号定位至对应状态管道段中；并根据管道检测设备在对应状态管道段中的运行速度、三轴姿态信号及里程信息，计算管道缺陷信号在每个状态管道段中的位置。作为一选项，本发明***中的上位机能够运行上述任一示例所述管道缺陷定位方法。
当然，作为一选项，也可采用第一数据处理器即FPGA作为执行上述任一示例所述管道缺陷定位方法的执行主体。
本发明还包括一种基于多传感信息融合的管道缺陷检测***，所述***包括能够随管道内介质运动的管道检测设备，管道检测设备还集成有用于采集管道缺陷检测信号的涡流传感器和用于数据处理的数据处理器，涡流传感器输出端与数据处理器连接；作为一选项，数据处理器包括第一数据处理器和第二数据处理器；第一数据处理器集成于管道检测设备上，优选为FPGA，涡流传感器输出端与FPGA的I/O端连接，用于数据的存储；第二数据处理器为上位机，当需进行数据处理分析过程时，即进行管道缺陷检测分析时，将FPGA与设于后端的上位机进行双向的通信连接，以将管道缺陷检测信号等数据导入至上位机，上位机提取管道缺陷检测信号的幅值信号和相位信号；并在相位信号中添加相位纠正偏置参数实现幅值信号与相位信号的融合处理得到融合信号；最后基于融合信号实现管道缺陷的检测。
当然，作为一选项，也可采用第一数据处理器即FPGA作为执行上述任一示例所述管道缺陷定位方法的执行主体。
在一示例中，数据处理器(上位机或FPGA)还根据采集管道缺陷检测信号时的不同恒定速度对融合信号进行分段处理，并调节不同段融合信号序列的长度；并对不同段融合信号进行异常检测处理进而得到管道缺陷信号。
本发明还包括一种基于多传感信息融合的管道缺陷检测及定位***，所述***包括能够随管道内介质运动的管道检测设备，管道检测设备还集成有用于采集管道缺陷检测信号的涡流传感器、用于采集管道检测设备运行路程信息的里程检测器、用于采集管道检测设备的姿态信息(三轴姿态信号)的姿态信息采集器和用于数据处理的数据处理器，涡流传感器输出端、里程检测器输出端、姿态信息采集器输出端均与数据处理器连接；作为一选项，数据处理器包括第一数据处理器和第二数据处理器；第一数据处理器集成于管道检测设备上，优选为FPGA，涡流传感器输出端与FPGA的I/O端连接，用于数据的存储；第二数据处理器为上位机，当需进行数据处理分析过程时，即进行管道缺陷检测分析和/或管道缺陷定位分析时，将FPGA与设于后端的上位机进行双向的通信连接，以将管道缺陷检测信号等数据导入至上位机，上位机作为数据处理方法(管道缺陷检测以及缺陷定位)的执行主体，执行的数据处理过程包括：
提取管道缺陷检测信号的幅值信号和相位信号；
在相位信号中添加相位纠正偏置参数实现幅值信号与相位信号的融合处理得到融合信号；
基于融合信号实现管道缺陷的检测得到管道缺陷信号；
根据管道缺陷检测信号和/或管道检测设备在管道中的三轴姿态信号对管道进行状态分段处理，将管道缺陷检测信号中的管道缺陷信号定位至对应状态管道段中；
根据管道检测设备在对应状态管道段中的运行速度、三轴姿态信号及里程信息，计算管道缺陷信号在每个状态管道段中的位置。
当然，作为一选项，也可采用第一数据处理器即FPGA作为执行上述任一示例所述管道缺陷定位方法和/或管道缺陷检测方法的执行主体。
作为一选项，本示例中***的数据处理器能够执行上述任一示例所述管道缺陷检测方法以及管道缺陷定位方法。
以上具体实施方式是对本发明的详细说明，不能认定本发明的具体实施方式只局限于这些说明，对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演和替代，都应当视为属于本发明的保护范围。

Claims (10)

1.基于多传感信息融合的管道缺陷定位方法，其特征在于：包括如下步骤：
根据管道缺陷检测信号和/或管道检测设备在管道中的三轴姿态信号对管道进行状态分段处理，将管道缺陷检测信号中的管道缺陷信号定位至对应状态管道段中；
根据管道检测设备在对应状态管道段中的运行速度、三轴姿态信号及里程信息，计算管道缺陷信号在每个状态管道段中的位置。
2.根据权利要求1所述管道缺陷定位方法，其特征在于：所述状态分段处理包括建立焊缝判别模型和/或弯道判别模型；
焊缝判别模型通过管道缺陷检测信号的最大主成分信号变化判断管道是否处于焊缝段；和/或，焊缝判别模型根据三轴姿态信号中的z轴加速度信号变化判断管道是否处于焊缝段；
弯道判别模型根据三轴姿态信号中的航向角信号变化判断管道是否处于弯道段。
3.根据权利要求2所述管道缺陷定位方法，其特征在于：所述焊缝判别模型将最大主成分信号与z轴加速度信号进行加权融合处理得到第一融合特征信号X(t)，对第一融合特征信号进行异常检测处理得到焊缝特征信号。
4.根据权利要求2所述管道缺陷定位方法，其特征在于：所述根据三轴姿态信号中的航向角信号变化判断管道是否处于弯道段具体包括：
对航向角信号进行标准差处理及差分处理，得到标准差信号和差分信号；
对标准差信号和差分信号进行乘积融合处理，得到第二融合特征信号；
对第二融合特征信号进行异常检测处理得到弯道特征信号。
5.根据权利要求2所述管道缺陷定位方法，其特征在于：所述建立焊缝判别模型和/或弯道判别模型步骤前还包括：
对管道缺陷检测信号的最大主成分信号、三轴姿态信号中的z轴加速度信号、三轴姿态信号中的航向角信号分别进行滑窗处理。
6.根据权利要求1所述管道缺陷定位方法，其特征在于：所述方法还包括三轴姿态信号计算步骤：
采集管道检测设备的三轴加速度信号及三轴角速度信号；
将三轴加速度信号与三轴角速度信号进行互补融合处理得到三轴姿态信号，互补融合处理的计算公式为：
Figure FDA0003365146940000021
其中，roll表示三轴姿态信号中的翻滚角信号；rollacc表示翻滚角的加速度信号；rollgypo表示翻滚角的角速度信号；k表示比例系数；pitch表示三轴姿态信号中的俯仰角信号；pitchacc表示俯仰角的加速度信号；pitchgypo表示俯仰角的角速度信号；yawn+1表示三轴姿态信号中的航向角信号；yawgypo表示航向角的角速度信号。
7.根据权利要求1所述管道缺陷定位方法，其特征在于：所述管道检测设备在不同状态管道段中的运行速度为平均运行速度，平均运行速度基于单位时间内的里程信息和/或管道检测设备中前后两组检测探头检测到同一管道缺陷检测信号的时间差进行计算。
8.根据权利要求7所述管道缺陷定位方法，其特征在于：所述平均运行速度计算还包括：
结合三轴姿态信号中的三轴加速度信号对平均运行速度进行校正处理得到标准平均运行速度。
9.基于多传感信息融合的管道缺陷检测方法，其特征在于：所述方法包括以下步骤：
提取管道缺陷检测信号的幅值信号和相位信号；
在相位信号中添加相位纠正偏置参数实现幅值信号与相位信号的融合处理得到融合信号；
基于融合信号实现管道缺陷的检测。
10.根据权利要求9所述管道缺陷检测方法，其特征在于：所述基于融合信号判断管道的缺陷具体包括：
根据采集管道缺陷检测信号时的不同恒定速度对融合信号进行分段处理，并调节不同段融合信号序列的长度；
对不同段融合信号进行异常检测处理进而得到管道缺陷信号。
CN202111399961.0A 2021-11-19 2021-11-19 基于多传感信息融合的管道缺陷检测及定位方法 Active CN113916306B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202111399961.0A CN113916306B (zh) 2021-11-19 2021-11-19 基于多传感信息融合的管道缺陷检测及定位方法
CN202210706717.2A CN115014334A (zh) 2021-11-19 2021-11-19 基于多传感信息融合的管道缺陷检测与定位方法、***
PCT/CN2022/133311 WO2023088471A1 (zh) 2021-11-19 2022-11-21 基于多传感信息融合的管道缺陷检测及定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111399961.0A CN113916306B (zh) 2021-11-19 2021-11-19 基于多传感信息融合的管道缺陷检测及定位方法

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CN202210706717.2A Division CN115014334A (zh) 2021-11-19 2021-11-19 基于多传感信息融合的管道缺陷检测与定位方法、***

Publications (2)

Publication Number Publication Date
CN113916306A true CN113916306A (zh) 2022-01-11
CN113916306B CN113916306B (zh) 2022-08-05

Family

ID=79247964

Family Applications (2)

Application Number Title Priority Date Filing Date
CN202111399961.0A Active CN113916306B (zh) 2021-11-19 2021-11-19 基于多传感信息融合的管道缺陷检测及定位方法
CN202210706717.2A Pending CN115014334A (zh) 2021-11-19 2021-11-19 基于多传感信息融合的管道缺陷检测与定位方法、***

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN202210706717.2A Pending CN115014334A (zh) 2021-11-19 2021-11-19 基于多传感信息融合的管道缺陷检测与定位方法、***

Country Status (2)

Country Link
CN (2) CN113916306B (zh)
WO (1) WO2023088471A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114964388A (zh) * 2022-08-02 2022-08-30 托伦斯半导体设备启东有限公司 基于光学技术的渣浆泵外壳材料缺陷检测方法
WO2023088471A1 (zh) * 2021-11-19 2023-05-25 电子科技大学 基于多传感信息融合的管道缺陷检测及定位方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1828219A (zh) * 2006-04-06 2006-09-06 上海交通大学 海底管道智能检测器
CN101169225A (zh) * 2007-11-23 2008-04-30 上海核工程研究设计院 长输管道缺陷的定位方法及定位***
CN103363880A (zh) * 2013-07-11 2013-10-23 天津大学 一种管道环焊缝识别定位方法
CN105354257A (zh) * 2015-10-22 2016-02-24 中国石油天然气股份有限公司 一种管道本体数据的里程与地理空间坐标拟合方法
CN107218942A (zh) * 2017-05-11 2017-09-29 哈尔滨工程大学 小径管道缺陷定位装置及基于快速正交搜索算法的定位方法
CN107654852A (zh) * 2017-09-26 2018-02-02 哈尔滨工程大学 一种基于管道段长度及管道连接器检测的管道内定位装置及定位方法
US20210199000A1 (en) * 2016-12-28 2021-07-01 Halliburton Energy Services, Inc. Segmentation of time-frequency signatures for automated pipe defect discrimination
CN113640374A (zh) * 2021-08-05 2021-11-12 四川德源管道科技股份有限公司 用于管道无损检测的涡流检测***

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE4029215A1 (de) * 1990-09-14 1992-04-23 Deutsche Forsch Luft Raumfahrt Verfahren zur genauen messung raeumlicher winkel, trajektorien, konturen und bewegungsvorgaengen sowie schwereanomalien mit kreiseln und inertialsystemen
CA2783089A1 (en) * 2012-07-11 2014-01-11 Farid Taheri Damage detection in pipes and joint systems
CN113916306B (zh) * 2021-11-19 2022-08-05 电子科技大学 基于多传感信息融合的管道缺陷检测及定位方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1828219A (zh) * 2006-04-06 2006-09-06 上海交通大学 海底管道智能检测器
CN101169225A (zh) * 2007-11-23 2008-04-30 上海核工程研究设计院 长输管道缺陷的定位方法及定位***
CN103363880A (zh) * 2013-07-11 2013-10-23 天津大学 一种管道环焊缝识别定位方法
CN105354257A (zh) * 2015-10-22 2016-02-24 中国石油天然气股份有限公司 一种管道本体数据的里程与地理空间坐标拟合方法
US20210199000A1 (en) * 2016-12-28 2021-07-01 Halliburton Energy Services, Inc. Segmentation of time-frequency signatures for automated pipe defect discrimination
CN107218942A (zh) * 2017-05-11 2017-09-29 哈尔滨工程大学 小径管道缺陷定位装置及基于快速正交搜索算法的定位方法
CN107654852A (zh) * 2017-09-26 2018-02-02 哈尔滨工程大学 一种基于管道段长度及管道连接器检测的管道内定位装置及定位方法
CN113640374A (zh) * 2021-08-05 2021-11-12 四川德源管道科技股份有限公司 用于管道无损检测的涡流检测***

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
姚建军: "基于多数据融合和小波分解的油气管道缺陷检测方法研究", 《石油化工自动化》, vol. 56, no. 2, 31 March 2020 (2020-03-31), pages 28 - 32 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023088471A1 (zh) * 2021-11-19 2023-05-25 电子科技大学 基于多传感信息融合的管道缺陷检测及定位方法
CN114964388A (zh) * 2022-08-02 2022-08-30 托伦斯半导体设备启东有限公司 基于光学技术的渣浆泵外壳材料缺陷检测方法
CN114964388B (zh) * 2022-08-02 2022-10-21 托伦斯半导体设备启东有限公司 基于光学技术的渣浆泵外壳材料缺陷检测方法

Also Published As

Publication number Publication date
WO2023088471A1 (zh) 2023-05-25
CN113916306B (zh) 2022-08-05
CN115014334A (zh) 2022-09-06

Similar Documents

Publication Publication Date Title
CN113916306B (zh) 基于多传感信息融合的管道缺陷检测及定位方法
CN113032380B (zh) 管道内外检测数据对齐方法、***及设备
CN109813342B (zh) 一种惯导-卫星组合导航***的故障检测方法和***
US10884404B2 (en) Method of predicting plant data and apparatus using the same
CN104048675A (zh) 一种基于高斯过程回归的组合导航***故障诊断方法
CN109190272B (zh) 基于弹性波和机器学习的混凝土结构缺陷检测方法
CN104715154B (zh) 基于kmdl准则判据的核k‑均值航迹关联方法
CN108257365B (zh) 一种基于全局不确定性证据动态融合的工业报警器设计方法
CN110792928B (zh) 一种基于大数据的组合算法的管道泄漏诊断方法
CN111412884B (zh) 一种基于姿态信息的三维信息恢复方法
US20180246004A1 (en) Intelligent Pipeline Small Leaks and Thefts Detection Methods and Systems
CN111365623B (zh) 一种基于线性拟合的负压波拐点识别方法
CN112766301A (zh) 一种采油机示功图相似性判断方法
CN110203254A (zh) 列车定位***中卡尔曼滤波器的安全检测方法
CN107219335B (zh) 基于复连续小波变换的管道连接器检测方法
CN110099089A (zh) 传感器网络中多个数据流的在线自校正
CN111766573B (zh) 卡尔曼滤波的提高阵列光栅定位空间分辨率的方法及***
CN109341650B (zh) 一种基于最小检测代价的无人机高程误差双门限修正方法
CN106501815A (zh) 一种仅天基测角跟踪的空间目标轨道机动融合检测方法
Feng et al. Modeling and calculation of dent based on pipeline bending strain
CN107178710A (zh) 一种基于内外检测信号特征提取的管道缺陷内外辨识方法
CN111090281B (zh) 基于改进粒子滤波算法估算机器人方位的方法和装置
CN106767620A (zh) 一种高精度位移测量***的传感器安装检测方法
CN112985369A (zh) 基于新型人工鱼群算法的管道连接器检测方法
Wang et al. Research on the error correction algorithm for caliper center offset in the offshore pipeline

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant