小波变换用于输油管道漏磁检测信号处理

小波变换用于输油管道漏磁检测信号处理WaveletTransformationAppliedtoMFLSignalProcessingofOilPipeline王鹏飞1谢凌1李著信2（1.后勤工程学院;1.西南油气田分公司重庆气矿邻水采输气作业区;2.后勤工程学院）摘要:管道腐蚀是目前输油管道运营中的重要难题。漏磁检测是无损检测中的一种重要方式，采用漏磁法对输油管道进行无损检测时，采集的漏磁信号具有数据量大和附带有大量噪声的特性。采用小波变换中的Mallat算法可以有效地对漏磁信号进行处理，使信号便于储存和分析。关键词：漏磁检测;小波;信号处理中图分类号：TP391文献标示码：AAbstract:Pipelinecorrosionisanimportantprobleminpipelinetransportation.Magneticfluxleakage(MFL)methodisamainmethodofnon-destructiveinspectionofferromagneticpipelinesTheinspectionsignalsderivedfromMFLmethodcontainoftenagreatdealofnoise.BasedontheMallatalgorithmofwavelettransformation,theMFLsignalcanbeprocessedefficientlyinordertobeanalyzedandstored.Keywords：MFLinspection;Wavelet;Signalprocessing1引言油管是将原油从地下输送到地面的唯一通道，这些输油管道通常工作在高温高压和强腐蚀的恶劣环境中，而油井中的盐水、溶解氧、H2S、CO2和有机酸等物质又大大加剧了输油管道的腐蚀和穿孔，这些都导致管道缺陷的产生。因此，需要定期对输油管道进行无损检测，检测出管道内缺陷的位置和大小，以此判断管道的受损情况。由于输油管道多采用导磁性能良好的高碳钢或者合金钢制成，尤其适合使用漏磁检测的方式对管道进行检测，但是，通过漏磁检测法采集到的信号，由于受到现场环境和被测管道内部铁磁性表面条件的影响，检测信号往往附带有大量的噪声，直接用于缺陷识别会严重影响结果的正确性。因此，本文介绍采用小波变换的方法去处理漏磁信号，可以取得满意的结果。2漏磁检测原理漏磁检测法是建立在铁磁性材料高磁导率基础上的一种无损检测方法，其通过测量铁磁材料中缺陷所导致的磁导率变化来检测缺陷的位置和大小等属性。就用于管道检测而言，被检测到的管道部分将分别受到横向和纵向磁场的磁化作用，如果有缺陷存在，并假设缺陷内介质空气的磁导率为1，则缺陷内的磁场强度计算公式为：012112HhuhHFeg⋅++=ωω式中：0H－磁化场强度，Feu－工件磁导率，ω,h－缺陷的深度和宽度。输油管道漏磁检测原理如图1所示。从图中可以看到，当磁敏探头阵列高速扫查被检测的输油管道内表面时，当管道内部没有缺陷时，磁力线完全通过被测管道内部，磁敏探头不能检测到任何信号；当存在缺陷时，磁化线圈激发的磁力线gH则被分为3部分：溢出管壁表面穿过空气又回到管壁表面的磁力线、穿过管壁内部的磁力线、以及少量直接穿过管壁内缺陷的磁力线。这第一部分就是要被检测的漏磁信号，漏磁信号包含了缺陷的各种信息，通过对其进行信号处理，即可获得关于管道缺陷位置和大小的准确信息，从而对输油管道的腐蚀程度和安全隐患做出正确评介。图1漏磁检测原理图3小波变换简介小波变换来源于傅立叶变换，其基本思想是使用一族小波基函数去表示和逼近检测信号，同时利用检测信号和噪声在时域与频域内的差别，分离开检测信号和噪声，尤其适合对时变的管道漏磁检测信号进行局部分析。在无损检测领域主要使用的是离散小波变换。下面就简单介绍离散小波变换中的Mallat算法。首先假设ϕ和φ分别表示小波变换中的尺度函数和小波函数，h和g则分别为两个滤波器的冲击响应,所以可以将)(tf化为如下形式：∑+=+=2121)()()(JJjjJtfCtfAtf其中∑∞−∞==kKJKJJtBtfA)()(,,222ϕ,∑∞−∞=−+=kkjmkmjBhB,2,1(1),∑∞−∞=−+=kkjmkmjBgC,2,1(2),其中1,...,1,211−+=JJJj。公式(1)和(2)其实就是在离散小波变换中著名的Mallat分解算法，而与分解相对应的Mallat重构算法为：∑∑∞−∞=+−∞−∞=+−+=mm,12mm,12k,jCgjmkjmkBhB,12,...,1JJj−=每一次小波变换都会把信号分解为细节信号参数cD和逼近信号参数cA，并且小波参数的长度也在逐级递减，小波信号重构可视为从下而上的逆过程。例如，一个三级小波分解过程如图2所示。图2三级小波信号分解示意图4小波变换用于数据压缩据资料显示，高速二维漏磁检测设备在输油管道中的检测速度可以达到25～45m/min，模拟信号经过预处理后以8KHz的采样频率进行12bit模数转换后送入计算机进行识别。以1根10m长的钢管为例,检测数据量可以达到200kB以上。如果每批次所检测的钢管数目都在千根左右,那么如此庞大的数据量是无法直接进行处理和存储的。由此，引用离散小波变换的Mallat算法,如上所述，运用一组高通和低通组成的滤波器把漏磁信号逐次分解为低频逼近部分cD和高频细节部分cA，每次分解都只对上一次分解的低频部分进行，而高频部分则舍弃，执行如上推导的Mallat算法，就可以分别得到逐级的离散细节信号和离散逼近信号。根据小波参数逐级递减这一特性，对某一管道漏磁检测信号分解实例如图3所示。原始信号第一级逼近信号cA1第二级逼近信号cA2第二级逼近信号cA3图3管道漏磁信号三级Mallat算法分解实例图3对原始漏磁信号进行了三级小波变换,cA1、cA2、cA3是每一次变换所得到的逼近信号参数,可以看出它们的长度在递减(每一级为它的上一级的1/2),但是信号形状保持良好,cA3形状与原始信号的差别很小,通过计算得到的重构信号与原始信号的误差只有4.5475e-13，这表示该算法符合信号的重构性能要求。在实际的高速漏磁在线检测系统中,得到的庞大数据量可以利用Mallat算法的分解特性进行压缩存储。首先在内存中开辟一块缓冲区,每次当缓冲区满了就对其中的数据进行小波变换,所存储和显示的是经过变换以后得到的逼近信号，而裂纹信号就包含在平滑的逼近信号中。这样,得到的数据既提取了原信号中所包含的缺陷信息,又实现了数据量的压缩,从而节省了存储空间。5小波变换用于漏磁信号噪声去除小波变换用于漏磁信号噪声去除的原理也是基于Mallat算法的分解特性。在管道漏磁检测过程中,由于现场环境以及被测铁磁性元件表面条件的影响,检测信号中夹杂着大量的噪声,如果不经过去噪声处理就直接进行缺陷识别会严重影响结果的正确性，需要从检测信号中把有用信号与噪声分离出来,就可以对缺陷的大小和位置做出正确的判断。小波除噪的目的就是把漏磁信号中的高频信号分离出来，因为噪声往往包含在信号的高频部分，在对漏磁检测信号进行Mallat算法分解之后，噪声部分包含在了细节部分中，采用门限阈值形式对小波系数进行处理，把小于门限阈值的小波参数置为0,剩余部分则进行重构，就可以得到无噪声的漏磁信号,从而实现了信噪分离。即利用了小波多分辨率分析的特性实现了信噪分离，达到了检测信号去噪的效果。图4为实验室模拟的直径为12ｍｍ的通孔缺陷所对应的漏磁信号的双正交小波去噪效果图。从图中可以看出信号本身包含了很多毛刺,如果不经过去噪处理可能会引起缺陷的误识别。按照上述原理进行信噪分离后，可以发现,小波变换后的信号重构失真很小,满足了管道漏磁信号预处理的要求。原始信号重构信号噪声信号图4原始信号与除噪重构信号、分离出的噪声信号的对比用Matlab语言编写程序对其进行四级小波变换,绘出了逼真信号Ａ和各级的细节信号Ｂ、Ｃ、Ｄ、Ｅ,如图5所示。从图5中可以看出:经过小波变换以后信号和噪声被分离开了,大量的噪声信号体现在Ｂ、Ｃ中,漏磁信号的信息大多包含在Ｄ、Ｅ和Ａ中。视Ｂ、Ｃ为高频干扰,所以仅需保留Ｄ、Ｅ和Ａ通道中相当于原始信号数据量1/4的数据。令Ａ、Ｂ这一部分的小波参数为零，进行信号重构,得到的去噪重构信号如图4中第二个所示,重构信号中只包含了有用信号,噪声大部分被有效抑制。将重构信号与原检测信号相比,很明显,利用这个信号可以进行有效的缺陷识别,比直接利用原始信号进行缺陷识别的可靠性要高的多。图5管道漏磁信号的小波四级分解6结束语小波变换作为一种新的信号处理手段,近年来在无损检测领域的应用越来越广泛。在漏磁无损检测中,利用小波变换中Mallat算法的分解特性对管道漏磁检测信号进行处理,可以达到压缩数据量和实现信号除噪的效果，按照重构信号可以有效的识别管道内缺陷的位置和大小，从而正确判断出输油管道的腐蚀程度。参考文献［1］王鹏飞.基于改进型小波基的图象压缩方法研究［J］.微计算机信息，2005，10（3）：97－99［2］杨理践，冯海英.基于双正条样条小波的管道漏磁信号的去噪和数据压缩技术研究［J］.沈阳工业大学学报，2001，23（6）.[3]李建平.小波分析与信号处理－理论、应用及软件实现［M］.重庆：重庆出版社，1997本文创新点在于将离散小波变换中的Mallat分解算法应用在输油管道漏磁检测腐蚀缺陷信号处理中，详细介绍了该算法在漏磁信号处理中的两大处理能力，分别为数据压缩和漏磁信号除噪，具有较强的实用价值。总后科研基金项目编号不公开作者简介：王鹏飞，1979年出生，男，现在解放军后勤工程学院攻读博士学位，主要从事油气储运工程中的系统控制及技术研究，E-mail：[e-mail]’sbriefintroduction：Wang，Pengfeiwasbornin1979．HeisadoctorinLogisticalEngineeringUniversityofPLA，andworkingatsystemcontrolengineeringinoilstorage．E-mail:[e-mail]（400016重庆后勤工程学院研究生2队）王鹏飞（638500四川省广安市邻水县乌龟碑邻水采输气作业区）谢凌(400016重庆后勤工程学院)李著信联系方式：邮政地址：重庆后勤工程学院研究生2队王鹏飞400016邮箱：[e-mail]