智慧管道時(shí)代的檢測(cè)數(shù)據(jù)綜合應(yīng)用

陳金忠，劉三江，周漢權(quán)，吉建立，何仁洋，康小偉

(中國(guó)特種設(shè)備檢測(cè)研究院，北京 100029)

0 引言

截至2019年底，我國(guó)長(zhǎng)輸油氣管道總里程達(dá)16.9×104km，到2025年，全國(guó)油氣管網(wǎng)規(guī)模將達(dá)到24×104km。油氣管道具有點(diǎn)多、線長(zhǎng)、運(yùn)行環(huán)境復(fù)雜的特點(diǎn)，自然災(zāi)害和人為因素時(shí)刻影響管線運(yùn)行安全，因此盡快提升油氣管線管理經(jīng)營(yíng)與決策水平，避免重大安全事故尤為重要[1-2]。國(guó)家發(fā)展改革委員會(huì)印發(fā)的《中長(zhǎng)期油氣管網(wǎng)規(guī)劃》(〔2017〕965號(hào))明確提出：加強(qiáng)互聯(lián)網(wǎng)+、大數(shù)據(jù)、云計(jì)算等先進(jìn)技術(shù)與油氣管網(wǎng)的創(chuàng)新融合，建設(shè)“全數(shù)字化移交、全智能化運(yùn)營(yíng)、全生命周期管理”的智慧管道。油氣管道設(shè)計(jì)、制造和運(yùn)行的各階段數(shù)據(jù)的標(biāo)準(zhǔn)統(tǒng)一、互聯(lián)互通、融合可視、精準(zhǔn)預(yù)測(cè)和智能決策是智慧管道的核心，這將顛覆人們對(duì)管道傳統(tǒng)檢驗(yàn)檢測(cè)方式的認(rèn)知，重塑管道檢驗(yàn)檢測(cè)新模式、新業(yè)態(tài)[3-5]。

未來管道檢驗(yàn)檢測(cè)模式將在兩個(gè)層面發(fā)生重大轉(zhuǎn)變。第一個(gè)轉(zhuǎn)變(前端感知層)：感知方式的縱向延伸和橫向拓展。其表現(xiàn)為，一是傳統(tǒng)檢測(cè)的精度和效率大幅提高，即檢測(cè)精確化；二是融合新型傳感技術(shù)和通訊技術(shù)，實(shí)時(shí)動(dòng)態(tài)的遠(yuǎn)程監(jiān)測(cè)技術(shù)，即檢測(cè)遠(yuǎn)程化；三是多參量復(fù)合檢測(cè)、集成檢測(cè)成為趨勢(shì)，即檢測(cè)集成化。第二個(gè)轉(zhuǎn)變(末端數(shù)據(jù)應(yīng)用層)：數(shù)據(jù)驅(qū)動(dòng)的智能決策和基于數(shù)據(jù)的安全性驗(yàn)證。如，在設(shè)備數(shù)字孿生和裝備全息感知技術(shù)的基礎(chǔ)上，借助AI“大腦”決策，結(jié)合監(jiān)測(cè)數(shù)據(jù)建立風(fēng)險(xiǎn)動(dòng)態(tài)分析、事故實(shí)時(shí)預(yù)警和預(yù)知維修維護(hù)的智能決策模型[6]；同時(shí)隨著智慧化的不斷深入，檢驗(yàn)對(duì)象將由管道物理實(shí)體轉(zhuǎn)變?yōu)椤拔锢韺?shí)體+數(shù)字虛體”，對(duì)數(shù)字本身的準(zhǔn)確性和安全性進(jìn)行驗(yàn)證和評(píng)價(jià)，將變得十分必要。

1 智慧管道時(shí)代的油氣管道全面感知技術(shù)和數(shù)據(jù)標(biāo)準(zhǔn)化

1.1 油氣管道全面感知技術(shù)現(xiàn)狀

智慧管道從體系架構(gòu)上參考物聯(lián)網(wǎng)、云計(jì)算及人工智能的結(jié)構(gòu)，采用“端+云+大數(shù)據(jù)”的實(shí)現(xiàn)方式，總體可分為感知層、傳輸層、數(shù)據(jù)層、算法層以及應(yīng)用層。智慧管道采用數(shù)字孿生技術(shù)，實(shí)現(xiàn)管道物理實(shí)體的數(shù)字化映射，建立管道數(shù)字孿生體，同時(shí)融合全面實(shí)時(shí)感知數(shù)據(jù)，實(shí)現(xiàn)管道實(shí)體與孿生體的共同生長(zhǎng)?？梢?，全面感知是智慧管道建設(shè)的數(shù)據(jù)基礎(chǔ)。全面感知主要是通過各種感知手段，實(shí)現(xiàn)管道本體、設(shè)備設(shè)施、周邊環(huán)境、管理人員以及儲(chǔ)備物資數(shù)據(jù)的智能采集和處理，其中檢測(cè)監(jiān)測(cè)數(shù)據(jù)是全面感知層的重要組成部分。當(dāng)前，油氣管道的各類感知技術(shù)發(fā)展迅猛，新技術(shù)新方法不斷涌現(xiàn)，主要表現(xiàn)在以下方面。

在管道服役環(huán)境和腐蝕防護(hù)系統(tǒng)感知方面，如基于聲發(fā)射的第三方破壞監(jiān)測(cè)，基于光纖的管體應(yīng)變、泄漏、地質(zhì)災(zāi)害監(jiān)測(cè)，陰極保護(hù)電位遠(yuǎn)程監(jiān)測(cè)等技術(shù)已較為成熟，可基本滿足智慧管道特定目標(biāo)的感知,但管體裂紋和應(yīng)力長(zhǎng)距離監(jiān)測(cè)技術(shù)尚需突破[7]。

在管道安全防護(hù)大尺度感知方面，目前國(guó)內(nèi)外已具備成熟的“空、天、地”全方位感知能力，利用遙感衛(wèi)星感知管道沿線地貌變化，實(shí)現(xiàn)地質(zhì)災(zāi)害早期預(yù)測(cè)與識(shí)別；利用無人機(jī)和便攜式測(cè)繪設(shè)備，實(shí)現(xiàn)人不可達(dá)地區(qū)和人口密集區(qū)精確巡護(hù)與風(fēng)險(xiǎn)識(shí)別；利用機(jī)器人、AR技術(shù)和智能穿戴設(shè)備等，實(shí)現(xiàn)油氣管道智能巡檢等[8]。

在油氣管道本體內(nèi)檢測(cè)感知方面，主要有漏磁檢測(cè)、超聲測(cè)厚檢測(cè)、壓電超聲裂紋檢測(cè)、電磁超聲裂紋檢測(cè)等[9-11]。漏磁檢測(cè)對(duì)腐蝕、機(jī)械劃傷等體積型缺陷敏感，適用于輸油輸氣管道內(nèi)檢測(cè)。壓電超聲檢測(cè)適用于輸油管道內(nèi)檢測(cè)[12]。電磁超聲對(duì)裂紋缺陷敏感，適用于輸油輸氣管道內(nèi)檢測(cè)，國(guó)際上ROSEN集團(tuán)和PII公司對(duì)電磁超聲技術(shù)的應(yīng)用已相對(duì)成熟，國(guó)內(nèi)尚處于研發(fā)和試應(yīng)用階段。目前，管道環(huán)焊縫缺陷內(nèi)檢測(cè)，尤其是針對(duì)X70，X80高強(qiáng)鋼管道環(huán)焊縫裂紋和應(yīng)力集中內(nèi)檢測(cè)技術(shù)的需求尤為迫切。油氣管道環(huán)焊縫較窄，在檢測(cè)器運(yùn)行過程中，檢測(cè)時(shí)間窗口較短，不規(guī)則的環(huán)焊縫使得檢測(cè)難度增大，需要相關(guān)研究機(jī)構(gòu)集中力量攻關(guān)關(guān)鍵技術(shù)和研發(fā)環(huán)焊縫裂紋和應(yīng)力集中的內(nèi)檢測(cè)裝備[13-14]。

在油氣管道本體外檢測(cè)感知方面，已構(gòu)建了以直接評(píng)價(jià)為核心的相對(duì)完善的檢測(cè)與評(píng)價(jià)技術(shù)體系，包括外腐蝕直接評(píng)價(jià)(ECDA)、內(nèi)腐蝕直接評(píng)價(jià)(ICDA)、應(yīng)力腐蝕開裂直接評(píng)價(jià)(SCCDA)和專項(xiàng)檢測(cè)技術(shù)等[15]。

1.2 全面感知數(shù)據(jù)的標(biāo)準(zhǔn)化

“數(shù)據(jù)全面統(tǒng)一”是智慧管道建設(shè)的基本原則，可見數(shù)據(jù)標(biāo)準(zhǔn)化是智慧管道的前提。當(dāng)前，我國(guó)在管道全生命周期各階段，建立了管道全生命周期系列數(shù)據(jù)移交規(guī)定(CDP)、地理信息數(shù)據(jù)規(guī)范(GIS)、完整性管理數(shù)據(jù)規(guī)范(PIS)、企業(yè)資源計(jì)劃數(shù)據(jù)規(guī)范(ERP)等。這些標(biāo)準(zhǔn)在各自業(yè)務(wù)領(lǐng)域發(fā)揮著重要作用的同時(shí)，其差異和問題也在顯現(xiàn)。這些數(shù)據(jù)規(guī)范在分類結(jié)構(gòu)、數(shù)據(jù)結(jié)構(gòu)方面存在差異，使在此基礎(chǔ)上建立起來的信息系統(tǒng)間數(shù)據(jù)共享存在障礙。

油氣管道服役環(huán)境監(jiān)測(cè)、腐蝕防護(hù)系統(tǒng)監(jiān)測(cè)、安全防護(hù)大尺度感知及管道內(nèi)、外檢測(cè)所獲取的數(shù)據(jù)具有多源、異構(gòu)、低質(zhì)、碎片化、非平衡的特征。針對(duì)以上數(shù)據(jù)特征，需制定分類與編碼規(guī)則，構(gòu)建基于“感知物理量-數(shù)據(jù)表單-識(shí)別參量-評(píng)價(jià)參數(shù)”的多維數(shù)據(jù)質(zhì)量評(píng)價(jià)指標(biāo)體系，建立油氣管道典型檢測(cè)數(shù)據(jù)標(biāo)準(zhǔn)。同時(shí)，利用數(shù)據(jù)融合技術(shù)，對(duì)管道多源碎片數(shù)據(jù)進(jìn)行融合，深度挖掘和利用管道多源數(shù)據(jù)，提出多源數(shù)據(jù)分析利用及可視化的方法，為油氣管道多源碎片數(shù)據(jù)的安全管理提供支持。

管道多源數(shù)據(jù)分析利用的首要前提是實(shí)現(xiàn)多源數(shù)據(jù)的標(biāo)準(zhǔn)化，即所有歸檔數(shù)據(jù)按照標(biāo)準(zhǔn)化采集、標(biāo)準(zhǔn)化格式傳輸、標(biāo)準(zhǔn)化存儲(chǔ)及對(duì)齊。以內(nèi)檢測(cè)數(shù)據(jù)為例，國(guó)內(nèi)外不同內(nèi)檢測(cè)服務(wù)商對(duì)檢測(cè)數(shù)據(jù)的采集、傳輸、存儲(chǔ)及對(duì)齊方式不同，導(dǎo)致所提供的原始檢測(cè)數(shù)據(jù)處于各自封閉狀態(tài)，難以實(shí)現(xiàn)多源檢測(cè)數(shù)據(jù)的標(biāo)準(zhǔn)化，因此管道業(yè)主無法衡量不同檢測(cè)服務(wù)商所提供數(shù)據(jù)的可信度和質(zhì)量。漏磁內(nèi)檢測(cè)過程中，服務(wù)商依據(jù)耦合漏磁場(chǎng)強(qiáng)度，采用專用模型轉(zhuǎn)化成缺陷的當(dāng)量深度，導(dǎo)致多輪次油氣管道檢測(cè)數(shù)據(jù)特征對(duì)齊后，發(fā)現(xiàn)活缺陷的難度較大。因此，制定油氣管道內(nèi)檢測(cè)原始數(shù)據(jù)標(biāo)準(zhǔn)，提出一種公開標(biāo)準(zhǔn)的油氣管道內(nèi)檢測(cè)原始數(shù)據(jù)格式，保留漏磁檢測(cè)原始物理量的信息，研發(fā)基于耦合磁感應(yīng)強(qiáng)度的漏磁內(nèi)檢測(cè)數(shù)據(jù)解析與標(biāo)準(zhǔn)化系統(tǒng)，發(fā)現(xiàn)管道活缺陷，對(duì)油氣管道智慧管理具有重要意義。圖1示出基于耦合磁感應(yīng)強(qiáng)度的油氣管道漏磁內(nèi)檢測(cè)數(shù)據(jù)標(biāo)準(zhǔn)化模型。

管道內(nèi)檢測(cè)數(shù)據(jù)的標(biāo)準(zhǔn)化是以管道內(nèi)檢測(cè)獲取的物理量所具備的轉(zhuǎn)換條件為基礎(chǔ)，將原始數(shù)據(jù)轉(zhuǎn)換為標(biāo)準(zhǔn)內(nèi)檢測(cè)數(shù)據(jù)，形成統(tǒng)一標(biāo)準(zhǔn)化數(shù)據(jù)的過程。在此過程中，首先對(duì)內(nèi)檢測(cè)結(jié)果數(shù)據(jù)進(jìn)行優(yōu)化調(diào)整，降低因硬件不同導(dǎo)致檢測(cè)數(shù)據(jù)的差異性。其次通過對(duì)內(nèi)檢測(cè)數(shù)據(jù)里程、鐘點(diǎn)、坐標(biāo)、提離值、勵(lì)磁程度、運(yùn)行速度、檢測(cè)器性能等數(shù)據(jù)的分析，結(jié)合管道基本信息、開挖驗(yàn)證結(jié)果數(shù)據(jù)等進(jìn)行完整和有效性的綜合評(píng)估，形成管道內(nèi)檢測(cè)的成果數(shù)據(jù)，并對(duì)其進(jìn)行綜合評(píng)估，判定是否需要進(jìn)一步的修正。依據(jù)數(shù)據(jù)質(zhì)量評(píng)估結(jié)果，以原始數(shù)據(jù)為基礎(chǔ)，對(duì)低質(zhì)量的內(nèi)檢測(cè)成果數(shù)據(jù)進(jìn)行復(fù)評(píng)、修正和完善，使成果數(shù)據(jù)與管道現(xiàn)有狀態(tài)更加吻合，提高成果數(shù)據(jù)可信度。同時(shí)建立不同成果數(shù)據(jù)表單之間的關(guān)聯(lián)關(guān)系和數(shù)據(jù)處理映射關(guān)系，為不同內(nèi)檢測(cè)成果數(shù)據(jù)表單建立中間處理表單，將不同格式檢測(cè)數(shù)據(jù)表單導(dǎo)入系統(tǒng)，實(shí)現(xiàn)內(nèi)檢測(cè)原始數(shù)據(jù)和成果數(shù)據(jù)的有效管理，達(dá)到管道內(nèi)檢測(cè)數(shù)據(jù)標(biāo)準(zhǔn)化的目的。

圖1 基于耦合磁感應(yīng)強(qiáng)度的油氣管道漏磁內(nèi)檢測(cè)數(shù)據(jù)標(biāo)準(zhǔn)化模型

2 智慧管道時(shí)代的油氣管道全面感知多源檢測(cè)數(shù)據(jù)對(duì)比

2.1 多源檢測(cè)數(shù)據(jù)的預(yù)處理及數(shù)據(jù)融合

在進(jìn)行管道檢測(cè)時(shí)，管道內(nèi)、外檢測(cè)及其他檢測(cè)技術(shù)所獲取的數(shù)據(jù)，具有零散、孤立等碎片化特征。同時(shí)，不同管道檢測(cè)服務(wù)商將檢測(cè)數(shù)據(jù)分割存儲(chǔ)，數(shù)據(jù)之間組織形式各異，相互獨(dú)立，形成數(shù)據(jù)挖掘利用的信息孤島。為了打破這種狀況，利用數(shù)據(jù)融合技術(shù)，對(duì)管道檢測(cè)多源碎片化數(shù)據(jù)進(jìn)行融合，深度挖掘和利用管道檢測(cè)多源數(shù)據(jù)，更好地釋放數(shù)據(jù)價(jià)值。

構(gòu)建的多源檢測(cè)數(shù)據(jù)融合框架如圖2所示，框架包含4個(gè)部分，分別是數(shù)據(jù)呈現(xiàn)、數(shù)據(jù)預(yù)處理、數(shù)據(jù)再處理、數(shù)據(jù)融合。

(1)數(shù)據(jù)呈現(xiàn)：感知層數(shù)據(jù)導(dǎo)入數(shù)據(jù)庫，交互性地選取需要進(jìn)行模式匹配的數(shù)據(jù)表。

圖2 油氣管道多源檢測(cè)數(shù)據(jù)融合框架

(2)數(shù)據(jù)預(yù)處理：對(duì)感知數(shù)據(jù)進(jìn)行篩選，檢查和去除數(shù)據(jù)集中的無關(guān)數(shù)據(jù)，處理遺漏數(shù)據(jù)，去除空白數(shù)據(jù)域和背景白噪聲，對(duì)選定數(shù)據(jù)進(jìn)行多維特征的提取，使數(shù)據(jù)格式統(tǒng)一。

(3)數(shù)據(jù)再處理：包括數(shù)據(jù)變換、數(shù)據(jù)聚類，用維變換或轉(zhuǎn)換來減少無效變量的數(shù)目或找到數(shù)據(jù)的不變式，包括規(guī)格化、切換和投影等操作，實(shí)現(xiàn)數(shù)據(jù)整合和增強(qiáng)。

(4)數(shù)據(jù)融合：包含數(shù)據(jù)層融合、特征層融合、決策層融合，將多手段感知數(shù)據(jù)融合，消除不同數(shù)據(jù)源之間同一實(shí)體屬性值沖突的問題。

其中數(shù)據(jù)層：由管道原始檢測(cè)數(shù)據(jù)集組成，數(shù)據(jù)層融合以原始檢測(cè)數(shù)據(jù)標(biāo)準(zhǔn)化為基礎(chǔ)，將各種傳感器的原始數(shù)據(jù)在未經(jīng)預(yù)處理時(shí)進(jìn)行數(shù)據(jù)綜合分析；特征層：由特征數(shù)據(jù)組成，如：管道焊縫、彎頭、閥門、凹陷等對(duì)應(yīng)的管道內(nèi)檢測(cè)特征數(shù)據(jù)，以及破損點(diǎn)、陰極保護(hù)、開挖及空間地理等對(duì)應(yīng)的管道外檢測(cè)特征數(shù)據(jù)，特征層融合是對(duì)上述管道特征數(shù)據(jù)進(jìn)行綜合分析和處理，實(shí)現(xiàn)管道特征檢測(cè)數(shù)據(jù)壓縮，為決策層數(shù)據(jù)融合奠定基礎(chǔ)；決策層：通過不同獨(dú)立特征數(shù)據(jù)的分析、關(guān)聯(lián)處理進(jìn)行決策層融合判決，獲得管道狀態(tài)推斷結(jié)果。

為實(shí)現(xiàn)管道檢測(cè)數(shù)據(jù)“多層”融合，解決管道原始數(shù)據(jù)存在的“割裂性”，筆者提出利用最小二乘原理的數(shù)據(jù)異構(gòu)融合算法，通過給定融合數(shù)據(jù)與真實(shí)數(shù)據(jù)的偏差閾值判定數(shù)據(jù)融合結(jié)果是否達(dá)標(biāo)，推導(dǎo)多源異構(gòu)數(shù)據(jù)對(duì)管道同一特征參數(shù)進(jìn)行量化的加權(quán)公式，計(jì)算各異構(gòu)數(shù)據(jù)加權(quán)融合的權(quán)系數(shù)和誤差矢量的估計(jì)方差陣，將數(shù)據(jù)融合后的測(cè)量誤差與多源檢測(cè)數(shù)據(jù)平均估計(jì)的測(cè)量誤差進(jìn)行比較,結(jié)果表明，相比同類融合方法，該方法獲得的特征量對(duì)管道缺陷的識(shí)別具有更高的靈敏度。

2.2 多源檢測(cè)數(shù)據(jù)的對(duì)齊方法

油氣管道歷史檢測(cè)數(shù)據(jù)對(duì)齊方法：多輪次數(shù)據(jù)中里程、特征點(diǎn)(三通、彎頭、閥門等)、大小關(guān)節(jié)數(shù)量長(zhǎng)度、環(huán)焊縫數(shù)量和其他資料的對(duì)齊[16]，再結(jié)合缺陷鐘點(diǎn)方位、距離前后參考點(diǎn)位置信息進(jìn)一步實(shí)現(xiàn)對(duì)缺陷數(shù)據(jù)的對(duì)齊功能，最終達(dá)到多輪次內(nèi)檢測(cè)數(shù)據(jù)的綜合對(duì)齊。大數(shù)據(jù)環(huán)境下的管道多源歷史檢測(cè)數(shù)據(jù)呈現(xiàn)出數(shù)據(jù)量大、種類多、變化快的特點(diǎn),這些特點(diǎn)對(duì)管道歷史檢測(cè)數(shù)據(jù)對(duì)齊提出了更高要求。應(yīng)用智慧時(shí)代油氣管道檢測(cè)數(shù)據(jù)對(duì)齊方法形成對(duì)齊大表和各段數(shù)據(jù)對(duì)齊結(jié)果展示，可以實(shí)現(xiàn)多源檢測(cè)數(shù)據(jù)的有效對(duì)齊。圖3展示了多輪次管道內(nèi)檢測(cè)數(shù)據(jù)對(duì)齊的流程。

圖3 多輪次油氣管道內(nèi)檢測(cè)數(shù)據(jù)對(duì)齊流程

數(shù)據(jù)對(duì)齊總體準(zhǔn)則是由大到小，由整體到局部。將對(duì)齊管道按照明顯特征點(diǎn)進(jìn)行分段，形成數(shù)據(jù)對(duì)齊單元，由對(duì)齊單元匹配進(jìn)一步劃分對(duì)齊小單元，最后匹配管道特征。在數(shù)據(jù)對(duì)齊前對(duì)整個(gè)特征數(shù)據(jù)按照里程由小到大排列，形成里程有序的表單。

2.3 管道檢測(cè)數(shù)據(jù)對(duì)齊與智能分析平臺(tái)

油氣管道內(nèi)檢測(cè)采集的管道特征數(shù)據(jù)種類多、信息量大，處理不便，因此搭建管道內(nèi)檢測(cè)數(shù)據(jù)對(duì)齊與智能分析平臺(tái)，建立油氣管道內(nèi)檢測(cè)數(shù)據(jù)自動(dòng)分析與處理系統(tǒng)，實(shí)現(xiàn)管道基礎(chǔ)空間數(shù)據(jù)和檢驗(yàn)檢測(cè)數(shù)據(jù)的自動(dòng)存儲(chǔ)，利用云服務(wù)對(duì)原始管道內(nèi)檢測(cè)數(shù)據(jù)進(jìn)行分級(jí)、分類、清洗和預(yù)處理，以AI技術(shù)為基礎(chǔ)，實(shí)現(xiàn)管道多輪次內(nèi)檢測(cè)數(shù)據(jù)對(duì)齊與智能分析，全面科學(xué)地管理海量管道檢驗(yàn)監(jiān)測(cè)數(shù)據(jù)，深度挖掘和利用大數(shù)據(jù)識(shí)別管道活缺陷、把控管道整體安全狀態(tài)，降低管道安全風(fēng)險(xiǎn)，消除部分安全隱患。

管道檢測(cè)數(shù)據(jù)對(duì)齊與智能分析平臺(tái)包含：內(nèi)檢測(cè)數(shù)據(jù)標(biāo)準(zhǔn)規(guī)范、數(shù)據(jù)質(zhì)量評(píng)估、數(shù)據(jù)修正、海量數(shù)據(jù)管理、檢驗(yàn)數(shù)據(jù)智能識(shí)別與分析、多批次內(nèi)、外檢測(cè)數(shù)據(jù)對(duì)齊等模塊。其作用是將地理空間數(shù)據(jù)、多輪管道內(nèi)檢測(cè)數(shù)據(jù)、外檢測(cè)數(shù)據(jù)、維保數(shù)據(jù)、設(shè)計(jì)資料及其他管道全生命周期數(shù)據(jù)進(jìn)行融合，通過對(duì)數(shù)據(jù)的橫向和縱向分析，建立多源異構(gòu)數(shù)據(jù)聯(lián)通網(wǎng)絡(luò)，生成數(shù)據(jù)關(guān)系映射表。以分布式云計(jì)算架構(gòu)為基礎(chǔ)，通過平臺(tái)總體任務(wù)的分發(fā)，依托各子節(jié)點(diǎn)實(shí)現(xiàn)對(duì)缺陷數(shù)據(jù)的智能提取和定位，整合構(gòu)建成果數(shù)據(jù)庫，利用大數(shù)據(jù)、人工智能對(duì)管道全生命周期數(shù)據(jù)進(jìn)行學(xué)習(xí)和反饋，實(shí)現(xiàn)多批次管道內(nèi)、外檢測(cè)數(shù)據(jù)和相關(guān)資料的對(duì)齊，智能識(shí)別管道活性缺陷，深度挖掘和利用管道數(shù)據(jù)價(jià)值。圖4示出多輪次管道內(nèi)檢測(cè)數(shù)據(jù)對(duì)齊組織構(gòu)架。

圖4 多輪次管道內(nèi)檢測(cè)數(shù)據(jù)對(duì)齊組織構(gòu)架

將歷史分析內(nèi)檢測(cè)數(shù)據(jù)成果表作為樣本標(biāo)簽，通過對(duì)原始內(nèi)檢測(cè)數(shù)據(jù)圖像化，按照64×64像素實(shí)現(xiàn)對(duì)含有特征圖像塊圖像進(jìn)行分割，包含曲線圖、灰度圖和偽彩圖，如圖5所示。再運(yùn)用正則化方法來提高卷積神經(jīng)網(wǎng)絡(luò)(CNN)模型的泛化能力，隨機(jī)抽取樣本庫中90%的數(shù)據(jù)集作為訓(xùn)練數(shù)據(jù)，10%的數(shù)據(jù)集作為驗(yàn)證數(shù)據(jù)，采用卷積神經(jīng)網(wǎng)絡(luò)模型完成對(duì)樣本數(shù)據(jù)的訓(xùn)練，通過訓(xùn)練好的模型實(shí)現(xiàn)對(duì)內(nèi)檢測(cè)原始數(shù)據(jù)特征的智能識(shí)別。利用上述數(shù)據(jù)融合方法達(dá)到各類型數(shù)據(jù)的高度聚合，進(jìn)而挖掘不同類型數(shù)據(jù)間新的關(guān)聯(lián)性、規(guī)律和價(jià)值。其中，卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程主要包含兩個(gè)階段：第一階段是數(shù)據(jù)由低層次向高層次傳播，即前向傳播階段；第二階段是當(dāng)前向傳播獲得的結(jié)果與預(yù)期結(jié)果誤差較大時(shí)，將誤差從高層次向底層次進(jìn)行傳播訓(xùn)練，即反向傳播階段。整個(gè)訓(xùn)練過程具體實(shí)現(xiàn)步驟如下。

(1)對(duì)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行權(quán)值初始化；

(2)訓(xùn)練集作為輸入，經(jīng)過卷積層、下采樣層、全連接層的向前傳播得到輸出值；

(3)計(jì)算神經(jīng)網(wǎng)絡(luò)模型的輸出值與目標(biāo)值之間的誤差，即損失值；

(4)當(dāng)誤差大于給定條件下的期望值時(shí)，便將誤差傳回網(wǎng)絡(luò)中，依次求得全連接層，下采樣層，卷積層的誤差；

(5)當(dāng)誤差等于或小于給定的期望值時(shí)，結(jié)束訓(xùn)練，否則，根據(jù)所求誤差進(jìn)行權(quán)值更新，將結(jié)果返回到第二步繼續(xù)訓(xùn)練。

圖5 部分訓(xùn)練數(shù)據(jù)集

3 智慧管道時(shí)代的油氣管道全面感知檢測(cè)數(shù)據(jù)對(duì)比利用

3.1 油氣管道檢測(cè)全面感知數(shù)據(jù)智能對(duì)比

油氣管道檢測(cè)全面感知數(shù)據(jù)智能對(duì)比利用技術(shù)是通過傳統(tǒng)檢測(cè)技術(shù)與新技術(shù)的融合，建立感知層數(shù)據(jù)標(biāo)準(zhǔn)，實(shí)現(xiàn)檢測(cè)數(shù)據(jù)與模型的互聯(lián)互通，逐步替代現(xiàn)有傳統(tǒng)數(shù)據(jù)表單的單一呈現(xiàn)模式。其首要目標(biāo)是結(jié)合油氣管道全面檢驗(yàn)手段的外檢測(cè)和內(nèi)檢測(cè)兩種技術(shù)，實(shí)現(xiàn)多種檢測(cè)數(shù)據(jù)融合比對(duì)和深度挖掘利用。圖6示出了智慧管道時(shí)代管道內(nèi)、外檢測(cè)腐蝕數(shù)據(jù)綜合對(duì)比利用構(gòu)架。

圖6 智慧時(shí)代管道內(nèi)、外檢測(cè)腐蝕數(shù)據(jù)綜合對(duì)比利用構(gòu)架

油氣管道外壁檢測(cè)腐蝕數(shù)據(jù)對(duì)比，將內(nèi)檢測(cè)數(shù)據(jù)與防腐層檢測(cè)、管道陰極保護(hù)有效性評(píng)價(jià)、雜散電流干擾檢測(cè)及土壤環(huán)境腐蝕調(diào)查、應(yīng)力腐蝕直接評(píng)價(jià)和開挖直接檢測(cè)等數(shù)據(jù)進(jìn)行比對(duì)分析[17]，判斷管道外壁防腐層是否存在腐蝕。當(dāng)管道外檢測(cè)防腐層不存在破損時(shí)，應(yīng)結(jié)合管道基礎(chǔ)信息、介質(zhì)溫度、腐蝕環(huán)境狀況、腐蝕細(xì)菌分布等數(shù)據(jù)，判斷缺陷產(chǎn)生原因是否為陰極保護(hù)屏蔽或細(xì)菌腐蝕；當(dāng)管道外檢測(cè)防腐層存在破損時(shí)，應(yīng)結(jié)合交、直流雜散電流干擾數(shù)據(jù)、陰保電位檢測(cè)數(shù)據(jù)及腐蝕細(xì)菌分布等進(jìn)一步判斷缺陷產(chǎn)生原因是否為普通的電化學(xué)腐蝕或雜散電流干擾腐蝕或細(xì)菌腐蝕，并分析缺陷產(chǎn)生的根本原因。

油氣管道內(nèi)壁檢測(cè)腐蝕數(shù)據(jù)對(duì)比，將管道本體內(nèi)壁缺陷與管道高程、輸送介質(zhì)、輸送量、工藝參數(shù)、內(nèi)涂層、清管產(chǎn)物和排污物等數(shù)據(jù)進(jìn)行對(duì)齊。當(dāng)管道內(nèi)壁腐蝕分布與管道高程有關(guān)時(shí)，應(yīng)結(jié)合清管產(chǎn)物、內(nèi)壁缺陷分布的時(shí)鐘位置和排污物等數(shù)據(jù)，分析管道內(nèi)壁腐蝕原因；當(dāng)管道內(nèi)壁腐蝕分布與管道高程無關(guān)，并且內(nèi)壁腐蝕區(qū)域位于環(huán)焊縫上下游、管道彎頭中心點(diǎn)附近時(shí)，應(yīng)結(jié)合管道內(nèi)壁情況和管道施工記錄分析管道內(nèi)壁腐蝕原因；當(dāng)管道內(nèi)壁缺陷分布在管道頂部位置，應(yīng)分析管道內(nèi)壁腐蝕是否由汽蝕造成。

3.2 油氣管道活缺陷智能識(shí)別及檢測(cè)數(shù)據(jù)深度挖掘

管道活缺陷一般指發(fā)生在管道內(nèi)外壁表面其形貌特征隨時(shí)間變化的腐蝕缺陷，該類缺陷的存在會(huì)導(dǎo)致管壁減薄，引起局部的應(yīng)力集中，相對(duì)于死缺陷，其對(duì)管道有著更大的安全隱患。圖7示出油氣管道活缺陷智能識(shí)別流程，開展油氣管道活缺陷智能識(shí)別是以多輪次管道檢測(cè)獲取的數(shù)據(jù)為基礎(chǔ)，通過多輪次管道缺陷檢測(cè)數(shù)據(jù)的對(duì)齊對(duì)比分析及管道腐蝕生長(zhǎng)速率判別而實(shí)現(xiàn)。

圖7 油氣管道活缺陷智能識(shí)別流程

圖8示出油氣管道檢測(cè)數(shù)據(jù)深度挖掘利用流程，管道活缺陷腐蝕成因可分為：物理腐蝕、化學(xué)腐蝕、電化學(xué)腐蝕及生物腐蝕等四類。從發(fā)生腐蝕的區(qū)域可分為管道內(nèi)壁腐蝕、管道外壁腐蝕兩種。針對(duì)不同的腐蝕類別及發(fā)生位置，采取的管道防腐措施有：增加清管頻率、添加緩蝕劑、防腐層修復(fù)、耐腐蝕材料防護(hù)、陰極保護(hù)、合理的管道腐蝕檢測(cè)等。以管道活缺陷智能識(shí)別為基礎(chǔ)，通過對(duì)管道檢測(cè)數(shù)據(jù)深度挖掘，實(shí)現(xiàn)管道內(nèi)外壁腐蝕缺陷信息的智能檢測(cè)，并根據(jù)管道腐蝕缺陷成因，采取對(duì)應(yīng)的管道防護(hù)措施，提高管線的防腐工作能力，實(shí)現(xiàn)“智慧”管道安全高效運(yùn)行。

隨著物聯(lián)網(wǎng)、大數(shù)據(jù)、云計(jì)算、人工智能等技術(shù)的飛速發(fā)展，管道缺陷檢測(cè)也逐步由傳統(tǒng) “因果關(guān)系”分析向“挖掘數(shù)據(jù)”的方式轉(zhuǎn)變，探索管道潛損傷機(jī)理，減少采用物理模型來預(yù)測(cè)及估算損傷機(jī)理的思維方式，實(shí)現(xiàn)管道腐蝕壽命預(yù)測(cè)、缺陷致因分析及潛在損傷機(jī)理分析、泄漏預(yù)測(cè)預(yù)警及決策等。

3.3 油氣管道全面感知檢測(cè)數(shù)據(jù)綜合利用案例

以某公稱直徑為406 mm，壁厚為9.5 mm，材料為X65鋼，允許最大操作壓力為7.0 MPa的成品油管線內(nèi)、外檢測(cè)項(xiàng)目為全面感知檢測(cè)數(shù)據(jù)綜合利用案例。提取其中52.5 km的管道內(nèi)、外檢測(cè)數(shù)據(jù)，繪制如圖9所示的管道內(nèi)、外檢測(cè)數(shù)據(jù)對(duì)比圖，可以看出，大部分管道內(nèi)、外壁金屬損失缺陷呈現(xiàn)零散分布的狀態(tài)，但在管道5：00～7：00時(shí)鐘方向存在內(nèi)壁金屬損失集中分布的3個(gè)區(qū)域a1，a2，a3，并且區(qū)域a2，a3均出現(xiàn)在管道高程陡變低洼位置處；對(duì)比3個(gè)區(qū)域的管道高程數(shù)據(jù)發(fā)現(xiàn)與區(qū)域a1，a3相比，a2區(qū)域的高程數(shù)據(jù)變化最為明顯，其缺陷密集程度更高；同時(shí)查看管道電位分布，顯示3個(gè)區(qū)域的陰極保護(hù)參數(shù)均正常。因此判斷區(qū)域a2，a3管道內(nèi)壁腐蝕是由高程數(shù)據(jù)陡變引起管道底部(5：00～7：00時(shí)鐘方向)油砂沖蝕嚴(yán)重造成，建議后期采取增加清管頻次、增加緩腐劑等措施，抑制該區(qū)域的管道內(nèi)壁腐蝕缺陷的進(jìn)一步增長(zhǎng)。

圖9 某油氣管道內(nèi)、外檢測(cè)數(shù)據(jù)綜合對(duì)比

針對(duì)管道的腐蝕缺陷修復(fù)問題，應(yīng)結(jié)合管道的開挖驗(yàn)證，當(dāng)管道外壁存在腐蝕時(shí)，可采取加強(qiáng)監(jiān)測(cè)、防腐層維修、雜散電流排流、陰極保護(hù)系統(tǒng)整改及本體修復(fù)等措施；當(dāng)管道內(nèi)壁存在腐蝕時(shí)，可采取加強(qiáng)監(jiān)測(cè)、降低介質(zhì)腐蝕性、增加或調(diào)整緩蝕劑、調(diào)整工藝參數(shù)、加強(qiáng)清管頻次及修復(fù)本體等措施。

基于智慧時(shí)代的油氣管道全面感知檢測(cè)數(shù)據(jù)綜合對(duì)比分析思維，利用智慧管道數(shù)據(jù)中心，輸入管道內(nèi)檢測(cè)數(shù)據(jù)與外檢測(cè)數(shù)據(jù)數(shù)字智能對(duì)比，將油氣管道內(nèi)、外檢測(cè)數(shù)據(jù)深度融合，實(shí)現(xiàn)多數(shù)據(jù)融合比對(duì)和深度挖掘利用，借助AI“大腦”決策，最終建立基于全面感知檢測(cè)數(shù)據(jù)應(yīng)用的預(yù)知維修模型，為智慧時(shí)代的油氣管道智能維修提供數(shù)據(jù)支撐[18-19]。

4 結(jié)語

利用互聯(lián)網(wǎng)+、大數(shù)據(jù)、云計(jì)算等新技術(shù)，加快油氣管道智慧化建設(shè)，實(shí)現(xiàn)管道可視化、網(wǎng)絡(luò)化、智能化管理是管道行業(yè)發(fā)展的大趨勢(shì)。在此背景下，在制定管道檢測(cè)數(shù)據(jù)標(biāo)準(zhǔn)，實(shí)現(xiàn)檢測(cè)數(shù)據(jù)全面統(tǒng)一，運(yùn)行大數(shù)據(jù)和人工智能技術(shù)，實(shí)現(xiàn)管道多源數(shù)據(jù)精準(zhǔn)對(duì)齊匹配、感知交互可視、預(yù)測(cè)預(yù)警精確，是智慧管道研究領(lǐng)域的熱點(diǎn)、難度話題。本文總結(jié)了目前油氣管道全面感知技術(shù)現(xiàn)狀，探索開展智慧管道檢測(cè)數(shù)據(jù)綜合應(yīng)用的可行途徑，重點(diǎn)解決管道內(nèi)、外檢測(cè)數(shù)據(jù)的對(duì)齊應(yīng)用的問題；未來，還需要深入研究多源、動(dòng)態(tài)數(shù)據(jù)的綜合利用技術(shù)，挖掘獲取未知或潛在損傷機(jī)理和其他有效關(guān)聯(lián)信息，實(shí)現(xiàn)油氣管道預(yù)知維修的科學(xué)決策和事故的科學(xué)預(yù)測(cè)預(yù)防，為管道運(yùn)營(yíng)企業(yè)更好地進(jìn)行智慧化管理提供數(shù)據(jù)支撐和技術(shù)服務(wù)。