基于D-S证据理论的石油管道缺陷超声定性分析

基于D-S证据理论的石油管道缺陷超声定性分析摘要：目前，超声波检测已经逐渐趋于成熟，我们可以实现对缺陷的定距和定量分析，然而，对缺陷的定性分析依然是一个亟待解决的难题，换言之，我们无法直观从反射波的类型上观测出缺陷的类型。本文通过时频域分析对照法，验证专家系统建立的可行性，为D-S证据理论在超声波缺陷检测定性分析提供依据，并实现超声波检测对常规缺陷的分类。AbstractCurrently,ultrasonictestinghasgraduallymaturedandwecouldalmostachievedistanceandsizeofthedefect.However,thequalitativeanalysisofdefectsremainsapressingproblem,inotherwords,wecannotvisuallyobservingthetypeofdefectsfromreflectedwavesdirectly.Inthispaper,wewouldusethemethodsoftimeandfrequencydomainanalysistoverifythechanceofestablishingafeasibilityoftheexpertsystemwhichwouldprovidesupportsforflawdetectionofDSevidencetheoryqualitativeanalysisintheultrasonicfieldsandhelptoachieveanultrasonicflawdetectionofconventionalclassification.1引言：石油管道缺陷的检测是超声波检测的重要应用领域之一，对于处在海底的石油管道，如果我们不能实现对其定性分析，这将对我们下一步的工程应用带来未知性。比如，管道内的小腐蚀缺陷仍然可以用上十几年，但是由于检测结果无法直观呈现缺陷类型，促使我们对工程存在安全隐患的地方进行修理，然而，这样的工程是巨大的，会带来很多不必要的浪费。本文旨在通过对石油管道缺陷检测获得一系列数据，并对这些数据进行时域和频域分析，建立专家系统，并以此为基础，运用D-S证据理论，对通过专家系统认证的数据进行多组数据融合处理，在给定的门限和阈值下进行缺陷的筛选，获得所测缺陷类型，从而，减少不必要的工程浪费。所以，这项研究的应用前景十分诱人。=cBUdbVUjkT7wiFO7jUgkPJrsbcK0gAm4-Y5_126LAPnorieqBjWNfqs5HAo_1TLMYLdalY3PG8jwh1ewRBe2CLqA-5bgjPM83zj1H74tLJS（腐蚀状PPT）2超声频谱技术众所周知,常规超声检测技术主要是根据超声反射回波中始波、底波、缺陷波的形状及其幅度大小,并结合被检材料的加工情况、超声检测频率、波型、波束宽度、入射角度,以及不同缺陷的超声反射情况等加以分析判断。就是说,完全根据超声反射回波的时域信息进行缺陷定性,因而,可靠性并不高。所以本文的超声缺陷定性检测技术则充分结合了超声反射回波的时域、频域(幅度谱及相位谱)、传递函数等信息,并施予信号处理技术,尽可能将有关缺陷的信息提取出来,从而有效地实现缺陷的定性检测。频谱技术是通过对超声反射回波频谱的分析,来判断被检对象内部质量的一种检测技术,它只利用反射回波的预域信息,目前正处于发展研究之中川。超声频谱技术应用于缺陷定性检测的原理是,不同性质及不同大小的缺陷对超声波的反射情况不一样,其反射回波之间存在许多差异,在许多场合这种差异在时域上表现不明显或很难检测出来,但在频域上却较明显。通过分析超声反射回波的频谱结构就能知道哪种缺陷影响超声频谱的哪些参数及形状,从而达到缺陷定性检测的目的。例如,利用超声频谱技术检测纤维增强复合材料,可检出气孔和分层这两种重要缺陷。超声脉冲入射无缺陷试件的反射回波的频谱如附图a所示。当存在气孔时,超声脉冲入射气孔散射形成的衰减随频率的增加而加,典型的频谱如附图b所示。当存在分层时,超声脉冲经分层得到的反射与外表面的反射相互干扰,造成频谱曲线下陷(附图c)。因此,根据超声反射回波的频谱结构,即可检出复合材料内是否有气孔或分层。3专家库建立可行性案例分析：下图2.1为石油管道孔状缺陷检测获取的数据经MATLAB加工处理后获得的时域信息图，所需分析的时域段波形集中于下图标注的内表面回波，缺陷回波和外表面回波。图2.1石油管道孔状缺陷回波时域总图为了使分析更具针对性，我们将时域段的有用信息进行截取，获得下图2.2与图2.3，分别为管道无缺陷与有缺陷时的三波段时域图，从图上我们清晰可以看出：对比两个时域图，有缺陷的三波段时域图的幅值发生了蜕变，也就是说，缺陷波的存在，使始波的能量被大幅度减弱了，这就为我们从这个幅度的变化程度上寻求建立专家库提供参考；图2.2无缺陷三波段时域图图2.3有缺陷三波段时域图再比较图2.4与图2.5，它们分别为图2.2与图2.3的频域转化波形，从这两幅图上我们可以很清晰的发现不光它们的幅值发生了很大的变化，对比两幅图，还可以获得频域波形频谱分布发生了很大变化，在没有缺陷的图形中频谱多集中在3-4MHZ，而在有缺陷的频域波形中频谱变宽了，反射的频谱分布在了3-6MHZ，那么中间的频谱为什么多出来了5-6MHZ的与内表面波同量级的频段，结合多次实验结果我们判定中间的这个频谱可以作为相应缺陷波的特性指标，如图中标注处所示，当我们对这个波进行相应的波形分析（包括波峰波谷数，和频带分布）以及数学传递函数建模分析，再结合数字信号处理的知识，我们就可以为建立专家库提供重量级的依据。图2.4无缺陷三波段频域图图2.5有缺陷三波段频域图4D-S证据理论在缺陷检测中的应用通过3中专家系统建立可行性的分析，我们可以引出D-S证据理论在缺陷检测中的应用。首先，D-S证据理论的引出：若检测系统有s个缺陷类型，s个缺陷类型及系统的正常状态就包括在对应证据理论的识别框架Θ内，假使检测系统的局部检测神经网络有t个，那么各个网络也有s+1个输出，它们分别对应系统的正常状态和s个缺陷识别状态，各个神经网络都可以视为证据理论的一个单独的证据，把网络的输出值进行一系列的处理，当作此证据下各种缺陷类型的可信度分配，为下面证据理论的使用打下基础。但是各个网络拥有不同的识别能，所以每个网络都有一个表示专家对判定结果的信任程度即可靠性系数α，也称作证据的折扣。假如第i个网络的第j个输出值为yi(j)，则本证据体下的它所对应的状态j的基本可信度分配值为:isjiiijyjyj1)()()(miim1)()...,3,2,1(ti式中mi(Θ)表示专家由第i个证据体不能确定的基本可信度分配,mi(j)表示第i个证据体所对应的j状态的基本可置信度分配。接着依据多证据的合成公式：nqnqAAAAAAmKAmnn1......1)()(11,A式中nqnqAAAAAmKnn1......1)(111通过由上式能够计算出经合成后的各状态的基本信度分配。状态x的下限概率可以由公式（4.11）求得:)(xx的上限概率可由公式（4.12）求得为：xBBmxpls)()(经上述分析，证据合成后各状态的置信区间为(Bel,pls)，在这基础上判断识别状态。进行最终决策时判断的原则使用：假如,,,cba满足式中},,)(max{)(1ccBelbBel则a即为判断结果，其中,1，2为预设的门限，3为设定阈值。总之，D-S证据推理过程包括以下3步。(1)计算各个证据的基本概率赋值函数、信任函数和似然函数；(2)用D-S组合规则计算所有证据联合作用下的基本概率赋值函数、信任度函数和似然函数；(3)依据设定的决策准则，选择联合作用下支持度最大的假设。神经网络和D-S证据理论相结合的融合算法既可以使神经网络的自适应、自学习和容错能力得到发挥，又可以采用D-S理论来分析处理各传感器信息间的不确定性和模糊性，xBBmxBel)()(最终提高了系统识别率。假设采用三个网络对输油管道检测系统进行损伤识别检测，每个神经网络的输出节点为3个，对应三种损伤类型即A（孔），B（裂纹），C（腐蚀坑），设检测参数t的可靠性为1,2,3}t|07.0,8.0,9.{t。在实际系统中α的取值可根据专家的经验确定。假设各网络输出为：C.B,A,j,0.20};{0.60,0.30(j)y,0.25};{0.45,0.40(j)y,0.30};{0.50,0.25(j)y321用D-S证据理论进行决策分析，得到基本概率分配函数见表4-3。由D-S证据理论的组合规则，得出网络2和网络3的融合结果为表4-4。然后再把表4-4的结果与网络1进行融合，结果如表4-5。把表4-3、表4-4和表4-5进行对比分析可见增加一次融合，融合识别结果就更加准确。若设门限0.31，0.052，阈值0.53，由式（4-19），（4-20），（4-21），可判定缺陷类别为A孔。基于D-S证据理论的多传感器数据融合算法的融合识别结果的比单个网络进行识别有更大的可靠性及准确性，证据理论能够使多个证据都支持的命题融合后的未知信度减少，信度提高，进而使系统判别的模糊性得到减小，达到提高缺陷损伤准确率的目的。