基于物聯(lián)網(wǎng)和超聲導(dǎo)波的管道檢測系統(tǒng)研究

陳志奎，賈少攀，趙 亮，張清辰

（1.大連理工大學(xué)軟件學(xué)院，遼寧 大連 116621；2.西南大學(xué)計算機與信息科學(xué)學(xué)院，重慶 400715）

0 引 言

城市管道泄漏和斷裂等故障會造成嚴重的浪費并威脅著城市安全，管道檢測能夠有效檢測管道故障，避免不必要的浪費，保障居民安全。現(xiàn)在城市管道的檢測大多采用超聲導(dǎo)波無損檢測技術(shù)，然而超聲導(dǎo)波管道檢測系統(tǒng)在進行管道檢測時，維修人員需要深入地下將檢測設(shè)備安裝到需要檢測的管道上，這使得維修人員的工作量和工作難度很大，并且現(xiàn)在的管道檢測系統(tǒng)中并沒有對管道工作環(huán)境信息進行分析預(yù)警的功能。所以，目前需要設(shè)計和開發(fā)一套完整的城市管道檢測預(yù)警系統(tǒng)來解決以上的問題，物聯(lián)網(wǎng)的出現(xiàn)提供了新的解決思路。物聯(lián)網(wǎng)被描述為一個新興的全球性的基于因特網(wǎng)的信息服務(wù)架構(gòu)[1]。物聯(lián)網(wǎng)體系主要可以分為感知識別層、網(wǎng)絡(luò)構(gòu)建層、管理服務(wù)層和綜合應(yīng)用層[2]。

本研究采用物聯(lián)網(wǎng)、超聲導(dǎo)波檢測、數(shù)據(jù)處理、信號處理等技術(shù)，設(shè)計和開發(fā)了一套基于物聯(lián)網(wǎng)和超聲導(dǎo)波的城市管道檢測系統(tǒng)，實現(xiàn)管道數(shù)據(jù)采集、缺陷定位、無線組網(wǎng)、異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)傳輸和數(shù)據(jù)分析、預(yù)警等功能。

1 管道檢測預(yù)警系統(tǒng)設(shè)計

1.1 系統(tǒng)框架

基于物聯(lián)網(wǎng)和超聲導(dǎo)波的城市管道檢測系統(tǒng)分為4部分：（1）管道信息智能無線傳感器網(wǎng)絡(luò)節(jié)點，該部分主要負責激勵超聲導(dǎo)波信號，接收管道回波信號，采集管道工作環(huán)境信息；（2）異構(gòu)網(wǎng)絡(luò)架構(gòu)，包括無線傳感網(wǎng)、通信網(wǎng)、互聯(lián)網(wǎng)以及智能網(wǎng)關(guān)，這一部分主要實現(xiàn)節(jié)點采集信息的傳輸；（3）基于物聯(lián)網(wǎng)和超聲導(dǎo)波的城市管道檢測系統(tǒng)云端數(shù)據(jù)處理中心平臺，該部分主要功能是實現(xiàn)控制超聲導(dǎo)波探頭陣列激勵信號、管道信息分析處理、缺陷定位、提供預(yù)警等，為相關(guān)部門提供解決方案；（4）管理控制平臺，主要響應(yīng)管理人員的操作，根據(jù)管道檢測結(jié)果通知管道維護人員進行維修。

1.2 智能無線傳感器網(wǎng)絡(luò)終端節(jié)點設(shè)計

智能無線傳感器網(wǎng)絡(luò)終端節(jié)點分為環(huán)境信息采集節(jié)點和超聲導(dǎo)波信號激勵采集節(jié)點兩種。智能無線傳感器網(wǎng)絡(luò)終端節(jié)點結(jié)構(gòu)如圖1所示。

圖1 智能無線傳感器網(wǎng)絡(luò)終端節(jié)點結(jié)構(gòu)圖

1.2.1 環(huán)境信息采集節(jié)點

環(huán)境信息采集節(jié)點主要負責采集管道工作環(huán)境的信息（空氣溫濕度、酸性程度等），用來作為判斷管道是否腐蝕的輔助依據(jù)。這些節(jié)點通過無線方式將數(shù)據(jù)傳送到網(wǎng)關(guān)，交由云端數(shù)據(jù)處理中心處理。

1.2.2 超聲導(dǎo)波信號激勵采集節(jié)點

超聲導(dǎo)波在一個位置固定脈沖回波陣列就可做管道的雙向無損檢測，通過回波信號識別管道的腐蝕、焊縫等缺陷[3]。根據(jù)脈沖回波法原理，采用同端激勵、同端接收的方式進行管道檢測，所以超聲導(dǎo)波信號激勵采集節(jié)點既負責激勵導(dǎo)波信號也負責采集回波信號。該節(jié)點由高性能的嵌入式處理器和裝配到管道上的超聲導(dǎo)波探頭陣列[4-5]組成。嵌入式處理器設(shè)定激勵信號參數(shù)、產(chǎn)生超聲導(dǎo)波激勵信號，由超聲導(dǎo)波探頭陣列在管道表面激發(fā)，接收回波信號?；夭ㄐ盘柦?jīng)過一定處理后傳輸?shù)皆贫藬?shù)據(jù)處理中心進行進一步分析。

管道中的導(dǎo)波分為軸對稱縱向模態(tài)、軸對稱扭轉(zhuǎn)模態(tài)和非軸對稱彎曲模態(tài)。對于軸對稱縱向模態(tài)中的L（0，2）模態(tài)而言，它主要有以下特點：在相當寬頻率范圍內(nèi)，該模態(tài)幾乎非頻散；傳播速度最快，任何不希望出現(xiàn)的模態(tài)信號都在其后到達，易于在時域內(nèi)識別；內(nèi)外表面的徑向位移相對較小，波在傳播過程中能量泄漏較少，傳播距離相對較遠[6]。

所以，在管道檢測時超聲導(dǎo)波信號激勵采集節(jié)點激發(fā)L（0，2）模態(tài)的超聲導(dǎo)波信號。超聲導(dǎo)波信號是一個經(jīng)海寧窗調(diào)制的5～10周期的單音頻脈沖信號[7]，經(jīng)海寧窗函數(shù)調(diào)制的單音頻疊加信號定義為

式中：n——選用的單音頻數(shù)目；

fc——信號的中心頻率；

t——時間。

1.3 云端數(shù)據(jù)處理中心設(shè)計

云端數(shù)據(jù)處理中心主要分為管道數(shù)據(jù)分析處理和預(yù)警平臺兩部分，其結(jié)構(gòu)框架如圖2所示。

1.3.1 管道數(shù)據(jù)分析處理平臺設(shè)計

管道數(shù)據(jù)分析處理平臺可以設(shè)定超聲導(dǎo)波激勵信號參數(shù)，控制底層節(jié)點觸發(fā)超聲導(dǎo)波激勵信號。底層節(jié)點采集到管道回波信號后，將數(shù)據(jù)發(fā)送到該平臺進行分析處理，經(jīng)過希爾伯特變換處理[8]之后，得到容易觀察的回波波形。

利用希爾伯特變換，對于原回波波形信號x（t），構(gòu)造出希爾伯特變換信號x^（t），然后獲得其瞬時包絡(luò)，瞬時包絡(luò) α（t）定義為

當導(dǎo)波通過管道缺陷時，由于傳播介質(zhì)的不連續(xù)性，導(dǎo)波遇到缺陷處將發(fā)生反射、透射等現(xiàn)象，被分解成反射波與透射波。其中反射波形將會向超聲導(dǎo)波信號激勵采集節(jié)點方向傳播，然后節(jié)點采集回波波形。反射系數(shù)F和缺陷截面積與管道截面積比值β之間關(guān)系為

由式（4）可知，缺陷越大，則反射系數(shù)越大，反射波形也會變大?；夭úㄐ蔚拇笮∨c缺陷位置無關(guān)，故建立管道缺陷位置檢測模型為

圖2 云端數(shù)據(jù)處理中心結(jié)構(gòu)框架圖

式中：XP——距管道接收信號缺陷位置；

t——激發(fā)到接收缺陷回波信號的時間間隔；

c——波速。

t可根據(jù)脈沖回波時間測定。波速取楊氏速度：

式中：E——介質(zhì)彈性模量；

ρ——介質(zhì)密度；

υ——泊松比。

故可以計算XP的值，確定缺陷在管道的軸向位置信息，管道數(shù)據(jù)分析處理平臺將回波波形和缺陷信息交給控制平臺，通過手機移動網(wǎng)絡(luò)發(fā)送到維修人員的手機上，通知維修人員進行管道維修。

1.3.2 預(yù)警平臺設(shè)計

對各種常見的惡劣管道工作環(huán)境信息進行采集后，建立GA-BP網(wǎng)絡(luò)預(yù)測模型[9]。首先建立基于BP網(wǎng)絡(luò)的預(yù)測模型，在分析BP網(wǎng)絡(luò)預(yù)測模型對管道工作環(huán)境信息預(yù)測的基礎(chǔ)上，針對該模型的不足，采用遺傳算法進一步優(yōu)化網(wǎng)絡(luò)初始模型。通過使用GABP網(wǎng)絡(luò)預(yù)測模型對管道周圍環(huán)境的信息的分析，預(yù)測管道是否處于惡劣的工作環(huán)境。

2 實驗仿真

2.1 實驗仿真環(huán)境

在實驗環(huán)境中，空氣溫濕度采集節(jié)點、酸性程度采集節(jié)點和超聲導(dǎo)波信號激勵采集節(jié)點硬件配置相同。表1和表2分別描述了環(huán)境信息采集節(jié)點（空氣溫濕度采集節(jié)點、酸性程度采集節(jié)點）和超聲導(dǎo)波信號激勵采集節(jié)點的硬件配置。云端數(shù)據(jù)處理中心平臺采用了一個普通的服務(wù)器。表3描述了該服務(wù)器的CPU、內(nèi)存和硬盤大小信息。

由于環(huán)境信息采集節(jié)點采集的信息和其他物聯(lián)網(wǎng)設(shè)備中采集的信息基本一致，處理簡單，所以以下部分只介紹超聲導(dǎo)波信號激勵采集節(jié)點的部分實驗仿真數(shù)據(jù)和結(jié)果。

在實驗中，分別對直徑203.2mm、長3000mm鋼管（Pipeline1）和直徑304.8mm、長4 000mm鋼管（Pipeline2）兩種不同規(guī)格的管道進行了測試。Pipeline1實驗是對管道的同一位置不同缺陷的測試，Pipeline2是對管道不同位置不同缺陷的測試。實驗中管道缺陷是用砂輪切割機對管道切割所造成的損失。對Pipeline1管道和Pipeline2管道缺陷設(shè)置分別如表4和表5所示。

表1 環(huán)境信息采集節(jié)點硬件配置表

表2 超聲導(dǎo)波信號激勵采集節(jié)點硬件配置表

表3 云端服務(wù)器硬件配置表

表4 Pipeline1管道缺陷設(shè)置1）

表5 Pipeline2管道缺陷設(shè)置

2.2 實驗仿真結(jié)果

在實驗時，只需要將智能無線傳感器網(wǎng)絡(luò)終端節(jié)點安裝在管道上，就可以在控制平臺上控制超聲導(dǎo)波激勵采集節(jié)點檢測管道。節(jié)點安裝后，不再拆卸，用于以后的管道檢測，減少了每次檢測的人工安裝過程。

實驗時，探頭陣列均布置在距管道左端250mm處。圖3是Pipeline1管道上7.21%缺陷的回波波形。Pipeline1管道上不同缺陷經(jīng)過希爾伯特變換后的回波波形如圖4所示。圖4中的0.00%曲線表示Pipeline1管道無缺陷的回波波形。Pipeline2管道上不同缺陷經(jīng)過希爾伯特變換后的回波波形如圖5所示。

由采集到的Pipeline1管道缺陷數(shù)據(jù)分析，Pipeline1管道缺陷位于圖4每條曲線的波包處；由采集到的Pipeline2管道缺陷數(shù)據(jù)分析，Pipeline2管道缺陷依次位于圖5中的a、b、c、d 4個波包處。

圖3 Pipeline1管道7.21%缺陷回波波形

圖5 Pipeline2不同缺陷希爾伯特變換后回波波形

由于探頭陣列布置在距管道左端250mm處，得到的波形整體向后偏移250mm，所以在計算檢測位置時應(yīng)減去偏移量。Pipeline1和Pipeline2缺陷位置檢測結(jié)果分別如表6和表7所示，可知管道缺陷檢測位置相對誤差在5%以內(nèi)。

表6 Pipeline1管道缺陷檢測結(jié)果

表7 Pipeline2管道缺陷檢測結(jié)果

3 結(jié)束語

本文設(shè)計并實現(xiàn)了一套基于物聯(lián)網(wǎng)和超聲導(dǎo)波城市管道檢測系統(tǒng)。該系統(tǒng)采用物聯(lián)網(wǎng)、超聲導(dǎo)波檢測、數(shù)據(jù)處理、信號處理等技術(shù)，實現(xiàn)城市管道數(shù)據(jù)采集、缺陷定位、無線組網(wǎng)、異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)傳輸和數(shù)據(jù)分析、預(yù)警等功能。該系統(tǒng)將城市管道的超聲導(dǎo)波無損檢測技術(shù)與物聯(lián)網(wǎng)結(jié)合，減少管道檢測中的人工操作，缺陷定位誤差在5%以內(nèi)，提供了管道工作環(huán)境信息分析預(yù)警功能。

[1]Weber R H.Internet of things-need for a new legal environment[J].Computer Law&Security Review，2009（25）：522-527.

[2]劉云浩.物聯(lián)網(wǎng)導(dǎo)論[M].北京：科學(xué)出版社，2010：6-9.

[3]Rose J L，MU J，CHO Y.Recent advances on guide waves in pipeline inspection[C]//17th World Conference on Nondestructive Testing，2008：25-28.

[4]何存富，黃垚，劉增華.小型超聲導(dǎo)波管道檢測系統(tǒng)的研究和開發(fā)[J].測控技術(shù)，2008，27（1）：33-35.

[5]王軍陣，王建斌，張軒碩.基于ARM和Linux的超聲導(dǎo)波管道檢測系統(tǒng)[J].儀表技術(shù)與傳感器，2011（4）：51-52，65.

[6]董為榮，帥建.管道超聲導(dǎo)波檢測技術(shù)[J].管道技術(shù)與設(shè)備，2006（6）：21-23.

[7]吳斌，王智，金山，等.用于激勵超聲導(dǎo)波的任意波形發(fā)生器[J].北京工業(yè)大學(xué)學(xué)報，2002，28（4）：389-393.

[8]吳斌，鄧菲，何存富.超聲導(dǎo)波無損檢測中的信號處理研究進展[J].北京工業(yè)大學(xué)學(xué)報，2007，33（4）：342-348.

[9]柳益君，吳訪升，蔣紅芬，等.基于GA-BP神經(jīng)網(wǎng)絡(luò)的環(huán)境質(zhì)量評估方法[J].計算機仿真，2010，27（7）：121-124.