多傳感器數(shù)據(jù)融合技術(shù)在管道無損檢測中的應(yīng)用

油氣管道作為國民經(jīng)濟的“大動脈”，是最經(jīng)濟、最安全的原油運輸方式之一，同時又具有高效、高可靠性的特點，能以較低的運輸成本實現(xiàn)石油和天然氣的不間斷、大流量輸送。截止到目前，全球的油氣管道長度以每年約3%的速度持續(xù)增長。管道安全與人民生活和社會經(jīng)濟發(fā)展密切相關(guān)，腐蝕和局部損傷等引發(fā)的管道突發(fā)事故時有發(fā)生，造成了嚴重的環(huán)境污染和不可挽回的經(jīng)濟損失。研究人員利用各種檢測技術(shù)對管道缺陷進行檢測和識別，確定缺陷的類型和大小，以便進行安全評價并對缺陷管道進行修復和維護，保證油氣管道的安全運行。作為20世紀80年代逐步發(fā)展起來的一門新興技術(shù)，多傳感器數(shù)據(jù)融合技術(shù)在21世紀早期開始應(yīng)用于管道無損檢測信息處理中，充分利用多個傳感器獲得的信息，有效提高了檢測系統(tǒng)的精度，為多儀器管道檢測數(shù)據(jù)處理提供了技術(shù)支持，也為后續(xù)管道修復補強和安全穩(wěn)定運行提供了依據(jù)。近年來，具有信息冗余和互補性特點的多傳感器數(shù)據(jù)融合技術(shù)成為了學者們研究的熱點，在智能制造、海洋監(jiān)測以及圖像處理等領(lǐng)域得到了廣泛的應(yīng)用。多傳感器數(shù)據(jù)融合技術(shù)在20世紀70年代，傳感器數(shù)據(jù)融合技術(shù)最早應(yīng)用在美國國防部開發(fā)的聲吶信號處理系統(tǒng)中，并于80年代得到發(fā)展。數(shù)據(jù)融合是對采集的各種數(shù)據(jù)進行綜合處理和優(yōu)化，對來自多個信息源的信息進行自動檢測、關(guān)聯(lián)、相關(guān)及估計的融合處理，從而達到提高整個系統(tǒng)準確性和魯棒性的目的。多傳感器數(shù)據(jù)融合層次多傳感器數(shù)據(jù)融合可以在3個層次對信息進行不同程度的融合，分別為數(shù)據(jù)級融合、特征級融合和決策級融合。數(shù)據(jù)級融合又稱像素級融合，屬于多傳感器數(shù)據(jù)融合的最底層，其直接融合傳感器獲取的信息，然后對融合結(jié)果進行特征提取和判定；特征級融合是對從原始數(shù)據(jù)中提取的特征數(shù)據(jù)進行融合；決策級融合是多傳感器數(shù)據(jù)融合的最高層次，首先對原始數(shù)據(jù)進行預處理并對被測對象進行獨立決策，然后對所有決策結(jié)果進行融合得到具有總體一致性的決策結(jié)果。3種融合方式的優(yōu)缺點和主要理論支撐總結(jié)歸納如表1所示。表1不同層次的數(shù)據(jù)融合方式及其優(yōu)缺點融合層次優(yōu)點缺點主要理論支撐數(shù)據(jù)級融合原始信息豐富，精度最高數(shù)據(jù)量巨大，實時性和抗干擾能力差HIS變換、PCA變換、小波變換及加權(quán)平均等特征級融合抗干擾能力強，易實現(xiàn)實時處理，具有較高精度融合前需要先對特征進行相關(guān)處理聚類分析法、貝葉斯估計法、加權(quán)平均法、D-S證據(jù)推理法及神經(jīng)網(wǎng)絡(luò)法等決策級融合通信量小，容錯能力較強對信息可信度要求高貝葉斯估計法、專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)法、模糊集理論及可靠性理論等多傳感器數(shù)據(jù)融合方法對于多傳感器數(shù)據(jù)融合技術(shù)而言，其涉及多種融合理論和方法，不同的融合方法可以用于不同的融合層次和場景。其方法主要包括卡爾曼濾波與數(shù)據(jù)融合方法、貝葉斯方法、D-S法（證據(jù)理論方法）、模糊推理方法、遺傳算法、粒子群算法、神經(jīng)網(wǎng)絡(luò)方法以及深度學習方法。以上方法可以劃分為物理模型法、參數(shù)分類法與智能化方法3類，具體如圖1所示。圖1數(shù)據(jù)融合方法分類框圖多傳感器數(shù)據(jù)融合技術(shù)能夠通過消除系統(tǒng)的不確定因素得到準確的綜合信息，已在軍事、工業(yè)監(jiān)控、智能檢測、目標檢測與跟蹤等領(lǐng)域得到了廣泛的應(yīng)用。以上提到的數(shù)據(jù)融合方法各有優(yōu)劣，但隨著研究的不斷深入，融合方法的魯棒性和并行處理能力逐漸增強，新的、更有效的數(shù)據(jù)融合方法被不斷提出，多傳感器數(shù)據(jù)融合技術(shù)必將成為未來復雜工業(yè)系統(tǒng)智能檢測與數(shù)據(jù)處理的重要技術(shù)。多傳感器數(shù)據(jù)融合技術(shù)在油氣管道無損檢測領(lǐng)域的應(yīng)用我國對傳感器數(shù)據(jù)融合技術(shù)的研究起步于20世紀80年代末期，到90年代初國內(nèi)對此領(lǐng)域的研究才逐漸升溫。由于單個傳感器的適用范圍有限，無法全面檢測各種缺陷，因此多傳感器集成檢測技術(shù)越來越受到關(guān)注，其主要涉及信號處理、數(shù)值建模、數(shù)據(jù)融合、逆分析等問題。隨著人工智能技術(shù)的發(fā)展，越來越多的學者采用智能化方法解決油氣管道檢測領(lǐng)域的缺陷識別量化問題，下面對多傳感器數(shù)據(jù)融合技術(shù)在油氣管道復合檢測、缺陷識別以及缺陷量化等方面的應(yīng)用進行總結(jié)。01油氣管道復合檢測管道在外部環(huán)境作用下會產(chǎn)生各種不規(guī)則缺陷，包括體積型缺陷、平面型缺陷、機械損傷等，且管道在生產(chǎn)過程中亦會產(chǎn)生缺陷，僅采用一種無損檢測技術(shù)很難實現(xiàn)高質(zhì)量的檢測。多種檢測方式相結(jié)合可以提供來自不同方法的互補或冗余信息，即將目標相同或不同方面的多個信息源進行融合，以減少結(jié)果的不確定性，從而提高檢測的魯棒性和準確性。與單獨使用一種無損檢測方法相比，復合檢測方法能夠以更高的可靠性檢測出不同失效原因引起的故障或缺陷。例如REN等提出了一種改進的基于數(shù)據(jù)融合技術(shù)的多傳感器識別算法，建立了超聲檢測和渦流檢測數(shù)據(jù)的判別函數(shù)和融合函數(shù)，試驗結(jié)果表明改進后的融合方法對缺陷有更高的識別率。02油氣管道缺陷識別油氣管道服役的外部環(huán)境大多較為惡劣，焊接缺陷、凹坑和表面腐蝕缺陷頻繁出現(xiàn)，并且缺陷特征的復雜性使得缺陷識別變得困難，管道缺陷的有效識別對于管道狀態(tài)評估和管道安全穩(wěn)定運行尤為關(guān)鍵。針對缺陷識別精度問題，諸多學者進行了大量研究，主要采用的數(shù)據(jù)融合方法有人工神經(jīng)網(wǎng)絡(luò)、深度學習以及混合算法。楊理踐等利用數(shù)據(jù)融合技術(shù)和BP神經(jīng)網(wǎng)絡(luò)對管道缺陷進行了識別，結(jié)果表明數(shù)據(jù)融合后的缺陷識別精度和可靠性得到了提高。ZHANG等提出了一種二維數(shù)據(jù)融合方法，將融合的數(shù)據(jù)作為自主深度學習識別算法的輸入，提高了管道故障特征識別的準確性，為管道的安全運行提供了依據(jù)。多傳感器數(shù)據(jù)融合在管道缺陷識別中的應(yīng)用如表2所示。表2多傳感器數(shù)據(jù)融合在管道缺陷識別中的應(yīng)用模型輸入/輸出結(jié)果DLFMTOFD圖譜，超聲波信號/缺陷類別比傳統(tǒng)CNN、TCN和CNN-TCN方法具有更高的識別率MFMSGN漏磁圖像/缺陷類別對腐蝕缺陷的識別精度優(yōu)于ResNet50，略低于ResNet101，但計算量小得多SVM-DS超聲波信號特征/缺陷類別在識別率和泛化性方面都具有較大優(yōu)勢MFF-MCFE超聲信號/缺陷類別分類準確率可達96.29%，具有較強的魯棒性和穩(wěn)定性DS-Apriori漏磁信號/缺陷類別提高了識別精度，具有較強的抗干擾能力BP-DS漏磁信號，超聲波信號/缺陷類別相比單一網(wǎng)絡(luò)有更好的識別結(jié)果，提高了系統(tǒng)的可靠性03油氣管道缺陷量化油氣管道缺陷量化是管道完整性管理的重要環(huán)節(jié)，通過缺陷量化可以客觀地評估管道的運行狀態(tài)，避免管道事故的發(fā)生。目前針對管道缺陷識別的研究較多，但是對于管道缺陷量化和輪廓重構(gòu)的研究較少，缺陷輪廓和漏磁信號之間的復雜非線性關(guān)系使得缺陷輪廓難以估計。學者們主要采用深度學習對缺陷進行量化，少量采用人工神經(jīng)網(wǎng)絡(luò)或其他智能化算法。ZHANG等提出了一種視覺深度遷移學習神經(jīng)網(wǎng)絡(luò)，首先將一維缺陷漏磁信號變換成二維圖像，然后將二維徑向和軸向漏磁圖像融合，再結(jié)合相關(guān)算法實現(xiàn)缺陷尺寸和輪廓的預測，其網(wǎng)絡(luò)結(jié)構(gòu)如圖2所示。結(jié)果表明該方法對于缺陷尺寸和輪廓的預測具有較高精度，該研究為油氣管道缺陷預測和安全維護提供了理論依據(jù)。圖2視覺深度遷移學習網(wǎng)絡(luò)結(jié)構(gòu)示意梁海波等提出了一種將改進鳥群算法與加權(quán)正則化極限學習機相結(jié)合的基于多傳感器的管道缺陷數(shù)據(jù)融合方法，融合模型的誤差僅為2.33%。通過與其他模型比較可以看出，該方法有效提高了管道缺陷數(shù)據(jù)的融合精度，為多傳感器數(shù)據(jù)融合技術(shù)在管道缺陷識別量化方面的應(yīng)用提供了技術(shù)支撐。油氣管道的完整性是其最重要的質(zhì)量性能，而管道缺陷是影響其結(jié)構(gòu)完整性的重要因素。因此，管道缺陷的有效識別量化有利于后續(xù)的管道安全性評估以及管道修復決策的制定。以上總結(jié)了多傳感器數(shù)據(jù)融合技術(shù)在管道無損檢測、缺陷識別量化中的應(yīng)用，可以看出該技術(shù)對提升管道缺陷識別量化精度有較好的效果，缺陷識別和尺寸量化的準確度均能達到90%以上，而隨著識別準確度的提高，模型越來越復雜，計算成本也呈上升趨勢。總體來說，數(shù)據(jù)融合技術(shù)在管道檢測領(lǐng)域的應(yīng)用還處于起步階段，但是與傳統(tǒng)方法相比，該方法已經(jīng)顯現(xiàn)出了優(yōu)越的性能，因此值得進一步研究。結(jié)論與展望多傳感器數(shù)據(jù)融合技術(shù)在油氣管道檢測領(lǐng)域已經(jīng)取得了較好的應(yīng)用效果，通過對多源數(shù)據(jù)進行融合處理，不僅提高了缺陷的檢測精度，而且對缺陷識別量化的準確率也有較大提升。然而數(shù)據(jù)融合模型也存在訓練速度慢、容易陷入局部最優(yōu)等問題，所以降低信號分析與管道評估模型計算時間成本的同時又能保持高精度是目前的研究難點，簡化模型以及采用有效的計算方法是未來要努力的方向。深入研究缺陷檢測技術(shù)對于維護管道安全以及確保其穩(wěn)定運行至關(guān)重要，而檢測數(shù)據(jù)的分析和處理更是重中之重。缺陷類型識別和尺寸量化、輪廓重構(gòu)是檢測數(shù)據(jù)處理的兩項任務(wù)，前者屬于定性，后者是定量，然而目前的研究多是針對多傳感器數(shù)據(jù)融合在缺陷識別和尺寸量化方面的應(yīng)用，對缺陷形狀輪廓重構(gòu)的研究很少。檢測信號與缺陷輪廓之