2022年油管的无损检测 .pdf

《2022年油管的无损检测 .pdf》由会员分享，可在线阅读，更多相关《2022年油管的无损检测 .pdf（3页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、油管缺陷的无损检测国内外发展现状：油田上采用钢管作为输油管道，对油管的检测可以看作是对钢管的检测。但油管内壁缺陷多， 危害大， 一般探伤方法不适合。又因为油管的使用具有重复性，在油田生产中对节约成本， 保证安全生产有至关重要的作用，因此对油管缺陷的无损探伤，一直是国内外无损检测界的难题之一。近年来，随着电子、机械工业中新技术的发展，美、德、加、俄等国采用最新电子、机械和无损检测技术成果，对管道的检测开展了大量的研究开发工作。对于油管的无损检测，包含多种检测方法，主要有漏磁法、超声法、涡流法等。相对于大型管道（如长输油管线）的无损检测技术研究来说，对抽油管及小直径的钢管的无损检测技术是在其基础上

2、发展起来的。在国外，同类技术发展已有十多年，已有多家公司提供系列产品，但因技术复杂、难度大、价格高，不利于国内推广，并且有相当的技术难点，有待进一步解决。管道发达的国家早在五、六十年代就开始了管道检测技术研究。管道检测器发展至今已经历三代：第一代为普通型检测仪；第二代为高精度型检测器（HR） ；第三代为超高精度型检测器（XHR ） 。1965 年国际著名的管道检测公司之一美国TUBOSCOPE公司首次采用漏磁检测器对管道实施了内检测；1973 年英国天然气公司（British Gas 简称 BG） 第一次采用漏磁检测器对其管辖的一条直径为600mm 管道成功进行了内检测。当前，国际上主要采用管

3、道检测爬机（Intellingent Pigging ）进行油田管道的在役检测，其检测主要采用超声波方法及涡流方法。对于超声检测来说，确是目前最为广泛的一种无损检测方法。它具有灵敏度高、穿透力强、探伤灵活、效率高等优点，而且对平面缺陷十分敏感，但 超声波在空气中衰减很快，检测时一般要有声波的传播介质（如水、油等），并且要求被检表面光滑；同时，超声探伤难于探出细小裂缝且为解释信号，要求检验人员素质高。目前 国外这种类型的检测爬机的判别精度为1mm。国外还研制了基于漏磁检测技术的漏磁检测爬机（Magnetic-flux Pig ） ，以适应在役管道的现场检测。国外漏磁检测爬机的研制始于80 年代初

4、期，至今已发展到第二代。其可携带数十个乃至200 个检测探头， 对在役管道进行检测，检测管壁的各种缺陷，最小可检测出直径为 3.2mm 的缺陷。德国的 Forster 研究所生产的系列漏磁探伤装置有：ROTOAMT漏磁探伤机用于钢管探伤时能检出深度为壁厚5%的外壁缺陷；用于钢棒探伤时能检出深度为0.2mm 的缺陷。TUBOMA T 漏磁探伤机主要用于钢管的检测，它在扫描方式上采用了探头固定、螺旋送进和探头直线前进、材料旋转两种方式。利用超声波测厚和内窥观察两种油管内壁损伤检测方案，西安石油学院与中原石油勘探局、 新疆石油管理局合作研制了一套内窥式油管内壁损伤成像仪并根据双判据法提出了内壁损伤油

5、管承载能力降低系数的概念和计算方法。我国漏磁检测工作始于70 年代后期， 80 年代我国在漏磁检测领域还处于理论研究阶段，90 年代国家为了促进漏磁检测技术在我国的发展和应用， 制定了第一个漏磁检测标准。目前已有部分智能漏磁检测产品问世，如：LMT型全自动漏磁探伤仪、LMTa 型油管漏磁探伤机和NT 90B 型组合探伤仪。国内2002 年由大庆汇通公司与武汉华中理工大学合作开发了EMTP 系列便携式抽油管检测仪、抽油管室内在线检测仪。神经网络： 人工神经网络 (ANN) 是人工模拟人脑存储的信息分布式地存储在脑细胞之间的关联上这种映射关系的系统。不同类型的神经网络有不同的功能和性能，归纳起来神

6、经网名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 1 页，共 3 页 - - - - - - - - - 络可以实现的三个主要功能是：函数逼近、 联想记忆和组合优化。检测信号与缺陷几何形状间函数的非线性， 使得定量检测非常困难。而神经网络很好的非线性映射和联想记忆能力非常适合对缺陷信号的定量分析。利用人工神经网络对已有的大量缺陷实例进行学习，建立一个隐含数学模型，通过这个隐含数学模型来识别缺陷的形状和种类等。因此人工神经网络这种非线性系统可以较好的完成探头信号处理工作。另外， 人工

7、神经网络能进行并行处理，因此还可以较快的判别缺陷的特征。目前无损检测中采用的人工神经网络多为已较为成熟的BP(Back Propagation)算法。即误差信号反向传播算法：这种网络结构简单，易于学习。利用神经网络的自学习功能，可以得到很好的模式识别结果。在时间应用中， 存在两个重点问题， 一是确定神经网络系统的输入特征变量；二是对样本的精心组织。在模式识别中，通常采用直观与经验相结合的方法，传统的 Bayes 分类方法及根据问题的特点进行选择，例如，在焊接缺陷的超声检测系统中，在充分分析超声回波特征的基础上，结合经验，从实际焊接缺陷样本提取了三大类26 个特征，即时域特征类、频域特征类、和自

8、回归模型谱特征类作为特征向量进行神经网络分析。从大量研究情况来看，将特征提取方法与神经网络方法结合实现缺陷识别是可行的，但关键是要针对不同情况研究出有效的特征提取方法，而且用于真实缺陷的识别分类，还需要较为复杂的神经网络。随着模式识别理论和缺陷特征提取方法的研究的不断进展，这方面工作将会取得较大的成就。多传感器技术在无损检测中的应用：无损检测中存在着多种检测方法，无论采用那种检测方法都不能检出所有缺陷，即从产品的缺陷的全面定量分析的角度来看，仅用一种检测方法检测所得的结果往往是不全面的。所以， 如何充分利用各种无损检测方法的长处，相互结合，取长补短， 提高无损检测的全面性、可靠性和灵敏度，一直

9、是人们关注的课题。近年来，已有涡流超声综合检测投入实际生产的报道。例如，衡阳钢管厂研究了采用多种无损检测方法的组合来对热轧无缝钢管进行在线检测。最新提出的多传感器信息融合技术从理论上给出了完成组合无损检测的新思路。信息融合 (或称数据融合，Data Fusion)是一项迅速发展起来的信号处理技术，在导航、自动目标识别、 医学、机器人等诸多领域中有着广泛的应用。一般而言，信息融合是指对来自多个信息源的数掘进行检测、关联、相关、估计和综合等多级、多方面的处理，以获得对被测对象状态的精确估计和评价。因此， 信息融合的最小目的是要充分利用多个传感器资源。通过适当的综合约束获得比任何单一的信息源所能表达

10、的更多的信息，通过采用多传感器协调和联合运作的优势提高检测系统的整体性能。根据融合系统所处理的信息层次，目前常将信息融合系统划分为如下三个层次：(1)数据层融合； (2)特征层融合；(3)决策层融合。实际中选用何种融合方式应有具体问题确定。在无损检测中， 较为实用的选择是采用决策层融合。这种方式不仅对各检测设备的输出信息约束最小，而且系统的可靠性较高。漏磁检测： 管道漏磁场的产生受很多因素的影响，主要包括：(1)缺陷的长、宽、深等外形因素；(2)油管的材质（材料的导磁性、导电性），磁场耦合，磁极间距；(3)管道磁化强度、管道的剩磁；(4)油管的移动速度。上述众多影响因素中，起主要作用的是缺陷的

11、外形尺寸、管道材质和油管的移动速度。在此我们仅介绍缺陷外形对管道漏磁场的影响。(1)缺陷长度对缺陷漏磁场的影响由于管道的磁化是沿着管道轴向(切向 )方向产生，管道上缺陷边界处漏磁场发生突变、泄漏。因此，缺陷长度越长，突变点之间距离越大，即缺陷漏磁场的跨度越大；同时漏磁场名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 2 页，共 3 页 - - - - - - - - - 的幅度值也降低，信号变陡峭。(2)缺陷宽度对缺陷漏磁场的影响沿着管道轴向磁化的检测方式，对缺陷宽度越小，缺陷长度越

12、长的缺陷产生的漏磁场越不明显，不易被检出；反之，对缺陷长度小，宽度大的缺陷漏磁场明显；同时宽度小，其所覆盖的漏磁场的传感器个数较少，精度降低。 因此考虑缺陷的宽和长比对漏磁场的影响比单纯考虑缺陷宽度的影响要更有效。在缺陷长和深不变，仅改变缺陷宽度的情况下，宽度越大，漏磁场的周向覆盖范围越宽，漏磁场幅值越高，(3)缺陷深度对缺陷漏磁场的影响在缺陷宽度和长度不变的情况下，缺陷漏磁场随缺陷深度增加幅值变大，近似线性关系，在深度 10到 50这一阶段漏磁场幅值增加较快，50到 80幅值增加平缓。但同一深度的缺陷，缺陷的长和宽不一样漏磁场的波形幅值和形状也不一样，差别较大。因此，考虑缺陷深度对漏磁场的影响，还要综合考虑缺陷的长和宽。通常，对长度固定，宽长比越大的缺陷漏磁场的信号越陡峭，幅值越高；反之，亦然。漏磁场与磁化场的关系：漏磁场及其分量与钢管表面的磁感应强度大小称正比；漏磁场及其分量与磁化场方向和缺陷侧壁外法向矢量之间的夹角余弦成正比。当缺陷与磁场垂直时，漏磁场最大， 当缺陷与磁场平行时漏磁场最小。名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 3 页，共 3 页 - - - - - - - - -