基于磁記憶檢測方法的便攜式鉆桿檢測設備

當鉆桿在井下出現穿刺滲漏、斷裂等失效問題時，會因鉆桿破裂而停止工作，對鉆井施工造成嚴重損失，嚴重者可能會發(fā)生重大事故。為實現快速高效的鉆桿表面缺陷檢測，簡單介紹了磁記憶檢測方法檢測金屬缺陷的機理，在此基礎上，介紹了一種搭載磁記憶探頭的便攜式鉆桿表面損傷檢測裝置。該裝置可以高速、穩(wěn)定地采集多種尺寸的鉆桿表面磁記憶信號，并結合鉆桿損傷磁記憶檢測軟件進行分析，實現對鉆桿表面缺陷的可視化分析。通過開展相關試驗，對鉆桿帶傷表面進行檢測及數據分析，結果表明，該檢測系統(tǒng)能夠準確可靠地檢測出鉆桿表面各種缺陷，驗證了磁記憶檢測方法的可行性。所得結果可為鉆桿表面缺陷檢測提供一種有效的檢測方法。

鉆柱；無損檢測；磁記憶檢測；檢測裝置；梯度信號；分析軟件

TE921

A

DOI： 10.12473/CPM.202401027

Portable Drill Pipe Detection Device Based on

Magnetic Memory Detection Method

Jiang Hao" Zhang Laibin" Fan Jianchun

（College of Safety and Ocean Engineering， China University of Petroleum （Beijing）;Key Laboratory of Oil and Gas Production Safety and Emergency Technology）

When the drill pipe experiences failure problems such as puncture leakage and breakup in the well， it stops working due to the rupture， causing serious losses to drilling construction， and even resulting in serious accidents. To achieve fast and efficient detection of surface defects on drill pipes， the mechanism of magnetic memory detection method for detecting metal defects was briefly introduced. On the basis of which， a portable drill pipe surface damage detection device equipped with magnetic memory probe was introduced. This device can collect magnetic memory signals of various sizes of drill pipe surfaces stably at high speed， and combine with magnetic memory detection software of drill pipe damage for analysis， achieving visual analysis of drill pipe surface defects. Moreover， relevant tests were carried out to conduct detection and data analysis on the damage surface of drill pipes， showing that the detection system can accurately and reliably detect various defects on the surface of the drill pipe， verifying the feasibility of the magnetic memory detection method. The research results provide an effective detection method for the detection of surface defects on drill pipes.

drill string;nondestructive testing;magnetic memory detection;detection device;gradient signal;analysis software

基金項目：中國石油天然氣股份有限公司塔里木油田分公司項目“萬米深井井控設備、鉆具安全可靠性評價與風險控制技術”（TB20231031）。

0" 引" 言

蔣浩，等：基于磁記憶檢測方法的便攜式鉆桿檢測設備

鉆柱是一種中空管狀結構，用來傳遞扭矩，驅動鉆頭從地面到達油氣層。在鉆井過程中，鉆柱由數百根鉆桿連接而成，每2根鉆桿通過錐形螺紋連接［1］。鉆柱在服役過程中，工況十分惡劣，受復雜地層條件、惡劣的腐蝕性介質、流體沖刷、復雜運動和拉壓彎扭復合運動載荷等因素的耦合作用，會導致鉆柱表面產生一定損傷，如裂紋、凹坑、缺陷等，如果不能及時發(fā)現鉆柱表面的缺陷，可能會導致鉆柱在使用過程中發(fā)生斷裂失效，對生產和人員安全造成一定的影響［2］。因此，對鉆柱進行缺陷檢測，及時發(fā)現鉆柱鉆面異常，實現鉆柱失效預警對保障安全生產、降低事故損失極為重要。常用于鉆桿檢測的方法為無損檢測方法，無損檢測是工業(yè)發(fā)展必不可少的有效工具，其重要性已得到公認［3］。磁記憶檢測方法是通過檢測含缺陷鐵磁性金屬工件在地磁場激勵條件下，由于外部復雜工況而在構件表面產生的漏磁場信號，而對構件表面及內部產生的缺陷及應力集中現象進行檢測的方法。其優(yōu)點為不需要外部磁場激勵，受提離值影響小，靈敏度高和重復精度高等，因此可以采用磁記憶檢測方法對鉆桿損傷及應力集中現象進行檢測和分析［4］。

1" 磁記憶檢測方法

金屬磁記憶檢測方法是一種新興的弱磁檢測技術，其與漏磁檢測的區(qū)別在于不需要外部磁場激勵［5］。與其他無損檢測手段相比，磁記憶檢測方法對被檢測構件形狀沒有特殊要求，也不需要對部件表面進行清洗，可以進行非接觸式測量，并且也不需要專門的耦合劑，這樣也就避免了耦合劑污染問題。磁記憶檢測方法可以快速評價被檢測對象的材料狀態(tài)、疲勞程度，從而確定其早期損傷區(qū)域、應力集中區(qū)域，篩查損傷部位，尤其是對于焊接殘余應力的評價及焊接質量控制具有重要參考價值。它在基礎理論研究、設備研發(fā)、信號處理、機械損傷等領域已取得初步成功，特別是在設備疲勞損傷評估和壽命預測方面有著廣闊的前景［6］。

在微觀層面上，鐵磁性材料由許多磁疇組織和磁疇壁組成，在沒有外部物理場激勵時，鐵磁性材料內部的磁疇組織處于不規(guī)則的自由狀態(tài)，從整體上材料不顯磁性。當受到外部物理場影響時，在地磁場的耦合作用下，由于壓磁效應，材料內部的磁疇組織會發(fā)生定向移動，導致材料在宏觀上顯磁性［7］。而當載荷消失后在應力集中區(qū)域的磁場并未完全消失，鐵磁性材料結構件表面的這種磁狀態(tài)“記憶”著微觀缺陷或應力集中的位置，即所謂的“磁記憶效應”［8］。

圖1為磁記憶檢測方法機理圖。磁記憶信號在缺陷或應力集中處表現出明顯的非線性特征。切向分量Hpx的最大值通常出現在應力集中或缺陷區(qū)域附近，而法向分量Hpy通常在此區(qū)域接近于0。因此，可通過Hpx的峰值位置或者Hpy的零點位置來判斷應力集中或缺陷區(qū)域。此外，諸如法向分量Hpy的峰谷間距和切向分量峰值信號特征與缺陷的大小或應力集中有關［9］。

金屬磁記憶最初開始主要用于鐵磁性材料微觀裂紋檢測，但同樣的開口缺陷和裂紋等橫截面積發(fā)生突變的部位都會導致應力集中，因此磁記憶檢測方法可用來對缺陷進行定量化研究。

2" 檢測系統(tǒng)工作原理

2.1" 系統(tǒng)組成

該檢測系統(tǒng)主要由檢測裝置與控制箱2部分組成。檢測裝置包含帶有16個探頭的檢測環(huán)、2個驅動電機、手動升降平臺、主動滾輪、從動滾輪、主體框架、數據傳輸裝置等多個部件，結構如圖2所示。檢測環(huán)有多種尺寸以供對不同尺寸鉆桿進行檢測，更換檢測環(huán)后只需轉動高度調節(jié)裝置使得滾輪、檢測環(huán)與鉆桿緊緊貼合即可。伺服直流電機驅動主動滾輪旋轉，滾輪表面磨砂處理以增大摩擦力，使其足以帶動整套檢測裝置在鉆桿表面沿軸向運動，運動過程中檢測環(huán)內的傳感器不斷工作，從而實現對鉆桿表面損傷及應力集中現象進行全面掃查。

圖3為控制箱示意圖。控制箱主要實現供電、數據傳輸等功能，其內部包含便攜式鋰電池、變壓模塊、數據采集卡以及路由器等模塊，滿足供電以及數據傳輸的需求。只需上位服務器連接無線路由器的WiFi即可實現數據的實時傳輸，強大的無線路由器保證了檢測時數據傳輸的穩(wěn)定性。外部的防爆箱滿足現場對帶電設備的防爆需求。數據傳輸到上位機后即可實現信號分析、缺陷檢測和識別［10］。

在開始檢測前，需選擇適用于待測試樣尺寸的檢測環(huán)，將其打開后套在被檢測鉆桿表面，使得裝有傳感器探頭的模塊與被測鉆桿貼合后將檢測環(huán)鎖死。手動旋轉高度調節(jié)裝置使得4個滾輪完全貼合在被檢測試件表面，滾輪表面車有不規(guī)則紋路，增大了滾輪與鉆桿之間的摩擦力，保證檢測時的平穩(wěn)移動。電機采用直流伺服電機，其優(yōu)點為體積小、質量輕、力能指標高。電機與主動滾輪間裝有萬向聯軸器以保證旋轉運動的傳遞。主動滾輪、從動滾輪共有4個接觸點，能保證裝置在鉆柱表面平穩(wěn)運行，并增強裝置在鉆桿表面的運動能力。檢測原理如圖4所示。

檢測環(huán)內置的16通道傳感器與電機同時工作，實現檢測裝置“邊動邊檢”的功能，節(jié)省檢測時間，大大提高了檢測效率。傳感器采集到試樣表面磁場信號后，將信號傳輸到數據采集卡，數據采集卡選型為EM6936B多功能高性能數據采集卡，可實現250 kHz高頻率采集，并具有以太網數據采集設備接口、USB數據采集設備接口以及無線網絡數據采集設備接口等3種數據傳輸方式。該裝置采用無線數據傳輸方法，可實現遠距離數據傳輸，不受布線條件的限制，滿足移動采集需求。最終將采集到的信號傳輸到電腦上，儲存后供數據分析使用。裝置實物如圖5所示。

2.2" 數據分析軟件

數據收集后，配套采集卡使用的采集軟件會將采集好的數據以.csv格式進行儲存，因此數據分析軟件要具有對此類文件讀取的功能，進而實現數據分析、處理及成像等功能。數據處理采用濾波、梯度處理2種方法，既可排除鉆桿表面磁場強度不均勻、外部干擾等因素的影響，又對數據進行優(yōu)化，以便其以更好的形式呈現在圖像上。軟件界面如圖6所示。圖6中左側為控制面板，可進行數據分析的參數選擇，右側為繪圖區(qū)域，包含原始信號點線圖、處理后的數據點線圖、3D云圖以及梯度云圖4部分，能直觀地顯示數據處理能力以及缺陷識別效果。

2.2.1" 濾波

數據濾波處理是一種常用的數據預處理技術，主要用于去除數據中的噪聲和干擾，提高數據的質量和可靠性。常用的數據濾波處理方法如下。

（1）移動平均濾波：通過對數據進行平均處理，可以減少數據中的隨機噪聲。

（2）中值濾波：通過對數據進行中值處理，可以抑制數據中的異常值和噪聲。

（3）低通濾波：通過將數據轉換為頻域信號，然后在頻域上進行濾波處理，可以去除數據中的高頻噪聲。

（4）高通濾波：通過將數據轉換為頻域信號，然后在頻域上進行濾波處理，可以去除數據中的低頻噪聲［11］。

以上方法在實際應用中可能會產生一些問題，如處理速度、可靠性和精度等方面的限制。因此，在選擇濾波方法時，需要根據具體的應用場景和數據特性進行評估和調整［12］。

軟件中采用的為Butterworth（巴特沃斯）濾波器，其廣泛地應用于通信領域和電測行業(yè)，也可以用作檢測信號的濾波器。巴特沃斯濾波器的特點是通頻帶內的頻率響應曲線最大限度平坦，沒有起伏，而在阻頻帶則逐漸下降為0。在振幅的對數對角頻率的波特圖上，從某一邊界角頻率開始，振幅隨著角頻率的增加而逐步減小，趨向負無窮大。巴特沃斯濾波器是一種具有最大平坦幅度響應的低通濾波器，保證了信號的原始值，不會因為濾波被衰減。巴特沃斯濾波器的性能明顯優(yōu)于1階低通濾波器性能［13-15］。

2.2.2" 梯度處理

梯度處理是磁記憶檢測信號常用的處理方法之一。由圖1可知，缺陷處切向磁場出現極值，即可通過計算磁記憶信號的梯度值和峰峰值來檢測所得磁記憶信號的切向極大值，進而找出試樣應力集中點或缺陷部位［16］。

圖7為帶有缺陷的原始磁記憶信號與梯度信號。圖7a為原始信號，信號中有明顯的應力集中點，反映在磁記憶原始信號中即有明顯的跳點，即磁記憶信號的極值［17］。利用梯度計算公式進行數據處理：

Tx=∑x+n+1x+1Px－∑x+nxPxn（1）

式中：Tx為梯度處理后的信號值，V；Px為原始信號值，V；x為信號點；n為步長。

經過上式處理后，得到梯度信號（見圖7b），通過梯度信號的跳變點可以得到鐵磁性材料較為明顯的應力集中點或缺陷。這種梯度計算方法效果明顯、直觀。

3" 檢測試驗及數據分析

為了解該設備對鉆桿表面缺陷進行檢測的可行性以及缺陷識別的準確性，需開展相應試驗加以驗證。

3.1" 試驗方案

室內試驗采用88.9mm（3.5 in）鉆桿，內徑為76 mm，總長度為1.5 m，鉆桿表面分別刻有0.5 mm×0.5 mm的條形缺陷陣列和4種不同尺寸、沿管柱周圍均勻分布的凹坑缺陷以供檢測試驗使用，具體模型圖以及實物缺陷如圖8所示。

將設備安裝完成并確認無誤后開啟電源，設備運動，同時對鉆桿表面進行磁記憶信號采集，試驗過程如圖9所示。

3.2" 試驗結果與分析

試驗結束后，將保存好的數據導入到鉆具缺陷分析識別軟件中，輸入對應的參數，對數據進行分析，得到結果如圖10所示。

由分析結果可見，圖10能找到與缺陷相對應的數據跳點，在云圖中也能直觀地識別到缺陷。因此，該設備能有效地對鉆桿表面缺陷進行檢測，同時也驗證了磁記憶檢測方法的可行性。

4" 結論與認識

（1）金屬磁記憶檢測方法作為新興的弱磁無損檢測技術，可以有效地應用于鉆桿表面缺陷損傷檢測。

（2）鉆桿檢測裝置可以實現對特定尺寸鉆桿表面進行多通道檢測、數據采集與傳輸、數據處理與缺陷識別。

（3）通過該檢測系統(tǒng)對鉆桿進行缺陷診斷，及時發(fā)現缺陷或損傷，為鉆桿的安全使用提供了有效的保障。

（4）該設備存在以下不足：①探頭密度不足，若缺陷較小且位于兩探頭之間則難以檢測到；②設備電機驅動過程中會產生振動，對信號采集有一定影響；③數據處理方法尚有欠缺，無法在保證缺陷特征不被抹除的前提下去除干擾信號。

［1］

程彩霞，樊建春，胡治斌，等．全尺寸鉆柱彎曲疲勞損傷試驗研究［J］．石油機械，2017，45（5）：38-41，56．

CHENG C X， FAN J C， HU Z B， et al. Test on bending fatigue damage of full-size drill string［J］. China Petroleum Machinery， 2017， 45（5）： 38-41， 56.

［2］" 吳俞辛．鉆具螺紋的缺陷分析及檢測技術［J］．中國機械，2021（21）：71-72．

WU Y X. Defect analysis and detection technology of drilling tool threads［J］. Machine China， 2021（21）： 71-72.

［3］" 付朗．承壓類特種設備無損探傷技術及運用分析［J］．中國設備工程，2023（21）：156-158．

FU L. Non-destructive testing technology and application analysis of pressure-bearing special equipment［J］. China Plant Engineering， 2023（21）： 156-158.

［4］" 任吉林，鄔冠華，宋凱，等．金屬磁記憶檢測機理的探討［J］．無損檢測，2002，24（1）：3.

REN J L， WU G H， SONG K， et al. Study on the mechanism of metal magnetic memory testing［J］. Nondestructive Testing， 2002， 24（1）： 3.

［5］" LY H Q， HOSHINO K， POMERANTSEVA I， et al. In vivo myocardial distribution of multipotent progenitor cells following intracoronary delivery in a swine model of myocardial infarction［J］. European Heart Journal， 2009， 30（23）： 2861-2868.

［6］" 任吉林，唐繼紅，鄔冠華，等．金屬的磁記憶檢測技術［J］．無損檢測，2001，23（4）：154-156．

REN J L， TANG J H， WU G H， et al. Magnetic memory detection technology for metals［J］. Nondestructive Testing， 2001， 23（4）： 154-156.

［7］" 蘇三慶，劉馨為，王威，等．金屬磁記憶檢測技術研究新進展與關鍵問題［J］．工程科學學報，2020，42（12）：1557-1572．

SU S Q， LIU X W WANG W， et al. Progress and key problems in the research on metal magnetic memory testing technology［J］. Chinese Journal of Engineering， 2020， 42（12）： 1557-1572.

［8］" KAWKA A， ENG M. Experience from examinations of the stress variations in pulling links of hoisting conveyances by means of the metal magnetic memory method［Z］. 2024.

［9］ "BAO S， JIN P F， ZHAO Z Y， et al. A review of the metal magnetic memory method［J］. Journal of Nondestructive Evaluation， 2020， 39（1）： 11.

［10］" 李子豪，房豐洲，任仲賀，等．基于智能型面分析的拋光表面缺陷檢測研究［J］．激光與光電子學進展，2023，60（24）：202-213．

LI Z H， FANG F Z， REN Z H， et al. Polished surface defect detection based on intelligent surface analysis［J］. Laser amp; Optoelectronics Progress， 2023， 60（24）： 202-213.

［11］" 胡廣澤，黃劉偉，洪曉斌．面向快速掃查裝置的小直徑管道缺陷檢測軟件系統(tǒng)開發(fā)［J］．機電工程技術，2023，52（10）：99-102．

HU G Z， HUANG L W， HONG X B. Development of a small diameter pipeline defect detection software system for rapid scanning devices［J］. Mechanical amp; Electrical Engineering Technology， 2023， 52（10）： 99-102.

［12］" 張睿，高美蓉，傅留虎，等．基于多域多尺度深度特征自適應融合的焊縫缺陷檢測研究［J］．振動與沖擊，2023，42（17）：294-305， 313．

ZHANG R， GAO M R， FU L H， et al. Weld defect detection based on adaptive fusion of multi-domain and multi-scale deep features［J］. Journal of Vibration and Shock， 2023， 42（17）： 294-305， 313.

［13］" 蔣鐵珍，肖凱，崔永昕，等．基于群延遲優(yōu)化的ⅡR數字濾波器設計［J］．中國電子科學研究院學報，2023，18（10）：882-888．

JIANG T Z， XIAO K， CUI Y X， et al. ⅡR digital filter design based on group delay optimization［J］. Journal of China Academy of Electronics and Information Technology， 2023， 18（10）： 882-888.

［14］" 劉廣孚，于建宗，郭亮，等. 基于SVM 的雙輔助永磁體Halbach 陣列潛油永磁同步電機優(yōu)化設計［J］. 中國石油大學學報（自然科學版），2023，47（3）：164-172.

LIU G F， YU J Z， GUO L， et al. Optimal design of submersible permanent magnet synchronous motor with double-assisted permanent magnet Halbach array based on SVM［J］. Journal of China University of Petroleum （Edition ofNatural Science），2023，47（3）：164-172.

［15］" 徐佳．基于巴特沃斯濾波器的艦載轉速采集電路設計［J］．工業(yè)儀表與自動化裝置，2023（5）：16-20．

XU J. Design of shipborne speed acquisition circuit based on Butterworth filter［J］. Industrial Instrumentation amp; Automation， 2023（5）： 16-20.

［16］" 辛康，樊建春，祖強，等．鉆桿多通道磁記憶檢測信號的多方向梯度處理方法［J］．無損檢測，2018，40（3）：1-4．

XIN K， FAN J C， ZU Q， et al. Multi-direction gradient processing method for multi-channel magnetic memory testing signal of drill pipe［J］. Nondestructive Testing， 2018， 40（3）： 1-4.

［17］" 穆大鵬，樊建春，姜健康，等．基于磁記憶檢測的儲罐罐壁典型缺陷信號研究［J］．石油機械，2021，49（8）：125-131．

MU D P， FAN J C， JIANG J K， et al. Study on typical defect signals of tank wall based on magnetic memory detection［J］. China Petroleum Machinery， 2021， 49（8）： 125-131.

第一蔣浩，生于2000年，2022年畢業(yè)于中國石油大學（北京）安全工程專業(yè)，現為在讀博士研究生，研究方向為安全監(jiān)測與智能診斷工程。地址：（102249）北京市昌平區(qū)。email：517159229@qq.com。

通信作者：樊建春，教授。email：17276383354@163.com。

2024-01-27" 修改稿收到日期：2024-07-18

王剛慶