带包覆层管道腐蚀缺陷的微磁检测技术

本研究基于微磁无损检测技术,以预制腐蚀缺陷的带包覆层管道为研究对象,分析微磁无损检测技术对于带包覆层管道检测的可行性。首先验证了缺陷大小对检测结果的影响,然后建立了包覆层厚度对磁场强度衰减的影响模型,并利用试验验证了该模型的准确性。研究证明了微磁无损检测技术应用于管道检测的优势,为带包覆层管道腐蚀缺陷的微磁检测技术工程实用奠定了基础。     

短接小径管的漏磁检测

建立了小径管缺陷漏磁检测的三维有限元模型,得到缺陷漏磁场的空间分布特性。通过改变缺陷的深度和宽度,研究了腐蚀缺陷对漏磁检测信号的影响,研发了短接小径管的漏磁检测装置,在规格(外径×壁厚)为Ф27mm×3.5mm小径管内壁加工了人工腐蚀坑缺陷,并对模拟缺陷进行检测。结果表明:漏磁检测技术可以实现短接小径管腐蚀缺陷的快速扫描检测。     

基于脉冲漏磁理论的带保温层管道腐蚀缺陷定量分析技术

对带保温层管道腐蚀缺陷的检测中,定量缺陷宽度、深度和体积是一个难点问题。提出了采用脉冲漏磁技术对带保温层管道腐蚀缺陷进行检测的方法。通过提取传感器感应信号不同的时域特征作为特征量,分析了不同特征量随缺陷参数的变化规律,得出对应关系式,实现了对缺陷宽度、深度和体积的定量检测。试验结果证明了所采用方法的正确性和有效性。     

基于瞬变电磁法的金属管道外检测技术

针对输油输气金属管道产生腐蚀缺陷的现象,采用基于瞬变电磁法的铁磁性金属管道外检测技术,进行管道腐蚀实时检测。利用COMSOL有限元仿真软件建立线圈探头和待测管道的实体模型,仿真得出缺陷几何尺寸对线圈探头产生磁场的变化规律;通过改变线圈探头的激励强度、缺陷深度等条件,分析缺陷处磁感应强度的特征。结合仿真分析结果,制作线圈探头实验装置,并利用该装置实现了对内径为80mm、外径为100mm的管道检测。实验结果表明,在管道的缺陷处,检测到感应电动势信号峰值比管道无缺陷处高,可实现对管道缺陷的检测。     

基于磁记忆信号特征的管道缺陷分类识别和分级识别方法

基于支持向量机(SVM)方法和模拟油田现场管道磁记忆检测数据分别建立了管道缺陷的分类识别和分级识别方法;采用该方法对油田现场5根在役油气管道的缺陷类型进行了识别,并对试验管道的穿孔腐蚀与未穿孔腐蚀两种腐蚀程度进行了识别。结果表明：以三类不同特征量的组合分别建立的SVM模型对缺陷类型的识别率分别是77.08%、89.58%和95.83%,其中使用时域、形态和频域特征量的SVM模型的识别率最高;腐蚀缺陷分级识别方法的识别率达到了90%。该方法可有效识别管道腐蚀缺陷和应力集中缺陷,以及腐蚀缺陷的腐蚀程度。     

漏磁检测技术在仪长线(黄梅-大冶)原油管线上的应用

本文通过使用漏磁检测原理和操作方法的漏磁检测器在仪长线原油管线上的实际应用,确定出管道缺陷位置、金属面积、深度等信息,研究制定出维修计划,对具有典型性的管道缺陷,进行开挖验证,通过检测报告,为管道的后期维护提供了依据。本次漏磁检测对管道进行在线无损检测,确定出管道缺陷位置等信息,结合检测报告,研究制定出维修计划,对具有典型性的管道缺陷,进行开挖验证。通过本次检测,管线全段共发现了缺陷点942处,其中4个缺陷点腐蚀比较严重,5年内需要进行维修,本次检测结果为管道的后期维护提供了依据。     

焊接接头的磁记忆检测

通过对预制典型焊接缺陷的试板和在役压力管道进行磁记忆检测,并将磁记忆检测和其他无损检测方法的检测结果进行对比,表明焊接接头中的缺陷引起的应力集中会产生异常漏磁信号,可以通过磁记忆技术检测出来。利用磁记忆技术不需要打磨,检测快速、方便的特点,先对焊接接头进行磁记忆检测,再对存在异常信号的焊接接头进行常规无损检测,该方法可以提高检测的针对性,提高缺陷的检出率,获得更好的检测效果。     

管道外自动漏磁检测技术及试验

针对地面管道的运行特点,基于漏磁检测技术理论,设计了一种适用于多种管径的管道外部自动检测装置,并通过有限元仿真和试验,对管壁上不同深度和直径的腐蚀缺陷进行模拟和检测,分别得到了管道缺陷的不同参数对漏磁场的影响规律。仿真和试验结果具有一致性。另外,从管道内、外壁缺陷检测结果看,所设计的漏磁检测仪对管道内、外壁缺陷的检测同样有效。     

磁力层析检测技术在燃气管道上的应用实践

磁力层析检测技术是最新的埋地钢制管道检测技术,它通过对铁磁性材料的磁记忆特征的记录,来实现在非开挖的情况下对管道管体的检测。应用该检测技术在城市燃气管道上实施检测,通过本次检测管道管理方掌握了管道的管体腐蚀状况,并且通过对管道进行开挖,验证了该检测技术的可行性、准确性和可靠性。该技术的实践应用不但提高了检测人员对检测技术的理解,实现新技术与管道检测业务的有机结合,同时也为管道安全运行提供有利技术保障。     

地磁场中铁磁构件应力集中区的力磁耦合模型

为了更有效地表征铁磁材料中应力集中区与其在空间中的磁场关系,基于力与磁畴非线性关系,从宏观热力学关系出发,结合应力影响磁致伸缩应变饱和值的微观物理机制及其变化规律,建立了磁场强度与应力的唯象关系。并将应力集中区等效为磁耦极子,结合电磁场理论与上述唯象关系,建立了反映应力-磁场的耦合模型。在该模型基础上,建立了石油管道缺陷磁记忆检测试验系统。在50m长的石油管道上制作了焊缝裂纹等缺陷。采用磁检测仪对焊缝缺陷的磁特征信号进行了检测。结果发现,随着测试路径的不同,磁信号发生规律性变化,与所建模型预测吻合,证明了模型的可靠性。所建模型可以用于分析缺陷在空间产生的磁场分布、缺陷大小、缺陷深度以及缺陷的分布,为磁检测仪的研制以及定量分析缺陷磁信号打下了基础。     

金属埋地管道被动式弱磁检测技术研究

在埋地金属管道检测领域中,常规检测手段多采取接触式的,检测前需要先对管道进行开挖或是停运,难以满足工业检测要求。而被动式弱磁检测技术可以实现对埋地管道的非开挖检测。本研究在介绍被动式弱磁检测技术原理的基础上,通过改变测磁传感器与管道垂直方向之间的距离来模拟管道的实际埋深,通过试验数据的分析可以得出磁场强度、管道埋深和腐蚀深度之间存在指数关系。在此基础上,结合磁场梯度变化和概率统计的原理可以得出缺陷判断的依据,即当磁场梯度在(μ-2σ,μ+2σ)区间外变化时可判定为缺陷。与常规检测手段相比,被动式弱磁检测技术无需人为对管道进行磁化。在管道非开挖条件下,可以对埋地金属管道腐蚀状况进行科学评估,并实现二维成像。     

基于PSO-GRNN模型的埋地管道腐蚀剩余寿命预测

目的 构建埋地管道腐蚀深度预测模型,预测腐蚀管道的剩余使用寿命。方法 依据ASME B31G剩余强度评价标准,给出管道的最大允许腐蚀深度计算方法,引入广义回归神经网络（GRNN）,构建埋地管道腐蚀深度预测模型,采用粒子群算法（PSO）优化GRNN的网络参数,结合管道腐蚀发展趋势预测方法,对埋地薄弱管道进行腐蚀剩余寿命预测。以陕西省某埋地输油管道为例,选取8个主要外腐蚀因素,构建外腐蚀指标体系,借助Pycharm编程仿真,结合埋片试验,对该模型预测结果进行验证分析,并预测各腐蚀管段剩余使用寿命。结果 与BP模型相比,PSO-GRNN模型的管道腐蚀深度预测结果最大相对误差控制在13.77%以内,平均相对误差仅为6.63%。寿命预测结果显示,部分管段的剩余使用寿命未能达到其预期服役寿命。结论 所建模型预测性能要明显优于BP模型,预测精度更高,能够较好地预测埋地管道的最大腐蚀深度和未来的腐蚀发展规律,剩余寿命预测结果贴近实际,为管道的维修和更换提供了指导依据,在实际工程中,具有一定的应用价值。     

轴向应变作用下含腐蚀缺陷X80管道氢渗透的有限元分析

目的 研究在役天然气管道掺氢输送条件下氢原子在管道腐蚀缺陷处的扩散和分布情况及应变对腐蚀缺陷处氢扩散行为的影响。方法 利用COMSOL软件,将固体力学模型和扩散模型相结合,建立了基于有限元的氢原子扩散渗透模型,研究了在纵向拉伸应变作用下X80钢制管道不同尺寸腐蚀缺陷处氢原子的分布情况。结果 在没有拉伸应变的情况下,氢原子一旦进入管道内,在浓度梯度的驱动下,沿径向梯度扩散到管道内。当在管道上施加应变时,氢原子的扩散受到静水应力的驱动。氢原子在腐蚀缺陷处的最大浓度超过了进入管道的氢原子初始浓度。结论 氢原子在腐蚀缺陷处聚集。此外,施加的拉伸应变也影响氢原子聚集的位置,随着缺陷长度的减小和深度的增大,在内壁腐蚀缺陷处,更多的氢原子会集中在缺陷中心和尖端。     

含腐蚀缺陷油气管道评价技术研究进展

由于外部环境及输送介质的影响,油气管道在运行过程中不可避免地会出现腐蚀缺陷,腐蚀处会产生应力集中的现象,从而削弱管道的承压能力。因此,必须对含腐蚀缺陷的管道进行剩余强度及剩余寿命评价,评价结果可以为缺陷管线的维修计划提供重要依据。综述了国内外主要的腐蚀缺陷管道评价规范,分析了不同规范的适用范围。从单个腐蚀和群腐蚀两个方面展开论述,归纳了含腐蚀缺陷管道评价技术的最新研究进展,并介绍了目前的研究热点——群腐蚀缺陷管道剩余强度评价方法以及腐蚀缺陷间相互影响准则(interaction rule)。另外,论述了目前腐蚀管道剩余寿命预测的常用方法,包括灰色预测法以及可靠度函数分析法。最后,总结了腐蚀缺陷管道评价技术研究进展,并对未来的研究工作提出了展望。     

复杂腐蚀缺陷对管道损伤失效的特性研究

腐蚀是危害管道性能和影响运输安全的重要因素。采用有限元软件建立复杂矩形和圆形两类腐蚀缺陷管道模型,通过全尺寸爆破试验数据对模型进行验证。分析复杂矩形腐蚀缺陷的长度比、宽度比、深度比和复杂圆形腐蚀缺陷的半径、深度对管道失效行为的影响,基于数值分析结果对管道完整性进行综合评价。结果表明：模型误差为4.2%~4.6%,低于试验误差;两类复杂腐蚀缺陷区域应力均呈对称分布,环向应力均大于轴向应力;复杂矩形腐蚀缺陷的深度比对失效压力影响最大,宽度比最小;当长度比达到0.5后,管道失效压力稳定在9.5 MPa;复杂圆形腐蚀缺陷的浅腐蚀深度对管道性能影响更为明显;轴向力对管道失效压力影响较小。     

Inverse Gaussian process-based corrosion growth model for energy pipelines considering the sizing error in inspection data

This paper describes an inverse Gaussian process-based model to characterize the growth of the depth of corrosion defects on underground energy pipelines based on inspection data. The model is formulated in a hierarchical Bayesian framework, which allows consideration of uncertainties from different sources. The Markov Chain Monte Carlo (MCMC) simulation techniques are used to evaluate the probabilistic characteristics of the model parameters by incorporating the defect depths reported by multiple in-line inspections (ILIs) as well as the prior knowledge about these parameters. The bias and random scattering error associated with the ILI tool as well as the correlation between the random scattering errors associated with different ILI tools are considered in the analysis. An example involving real ILI data collected from an in-service pipeline is employed to illustrate the application of the growth model. The results indicate that the model in general can predict the growth of corrosion defects reasonably well. The proposed model can be used to facilitate the development and application of reliability-based pipeline corrosion management.     

Frechet分布的海底油气管道腐蚀预测

应用Frechet极值分布建立管道最大腐蚀深度预测模型,然后用马尔科夫链蒙特卡罗(MCMC)方法估计预测模型的参数值,通过模型预测出可能的最大腐蚀深度,并结合钢质管道管体腐蚀损伤评价方法和马尔科夫链模型对管壁腐蚀的最大概率状态进行分析和预测,实现对海底油气管道腐蚀现状和运行情况的科学评价和预测。结果表明:管道腐蚀进入状态3以后,腐蚀速率加快,在管道运行到第10年时,就需要更换新管。该组合模型能够很好地预测油气管道的最大腐蚀深度和腐蚀状况,从而为合理确定管道的检测、维护、维修和更换周期提供科学的依据。     

基于LASSO-WOA-LSSVM的海洋管线外腐蚀速率预测

目的 构建海洋管线外腐蚀速率预测模型,提高海底油气管线外腐蚀速率预测的准确性.方法 建立基于套索(LASSO)回归和鲸鱼优化算法(WOA)的最小二乘支持向量机(LSSVM)腐蚀速率预测模型,采用LASSO回归方法对指标进行筛选,提取海洋管线腐蚀的主要影响因素.应用最小二乘支持向量机算法建立海洋管线外腐蚀速率预测模型,并使用鲸鱼优化算法对模型参数进行优化,避免了参数取值对模型回归性能的影响.以海洋挂片实验为例,通过MATLAB进行模拟仿真,分析验证模型预测结果,并将预测结果与其他模型进行对比分析.结果 LASSO回归算法筛选得到影响腐蚀速率的主要因素为:温度、溶解氧含量、pH值.采用WOA-LSSVM模型所预测的结果与实际值较为吻合,其平均相对误差为2.23％,均方根误差(RMSE)为0.3248,决定系数R2达到0.9708,均优于其他两种模型.结论 基于LASSO回归和鲸鱼优化算法的最小二乘支持向量机预测模型具有更优的泛化能力和预测精度,为海底管道腐蚀研究工作提供了新思路,也为海洋油气输送系统的结构安全与风险防范提供了参考.     

基于PSO-SVM模型的油气管道内腐蚀速率预测

目的针对油气管道的运行安全问题,建立油气管道内腐蚀速率预测新模型,对管道的内腐蚀状况进行准确预测。方法首先对内腐蚀的原理进行简单分析,探讨引起管道内腐蚀的主要原因。对PSO(粒子群算法)、SVM(支持向量机)以及PSO-SVM模型的原理及结构进行探讨,结合文献中获取的管道内腐蚀数据,使用PSO算法对SVM算法的参数C和g进行寻优。在此基础上,对Sine函数、Sigmoidal函数和Radial basis函数三种核函数进行对比优选。最终将PSO-SVM模型与GA-SVM模型、CV-SVM模型、LS-SVM模型和FOA-SVM模型四种模型进行预测误差对比,以此证明PSO-SVM模型的先进性。结果当SVM算法的参数C=83.9243、g=0.6972,核函数选择Sine函数时,PSO-SVM模型的平均绝对误差和均方根误差最小,平均绝对误差和均方根误差分别为0.58%和0.000618,但是该模型在使用的过程中,其训练数据所使用的时间为11.26 s,与GA-SVM模型、CV-SVM模型、LS-SVM模型和FOA-SVM模型四种模型相比,其预测误差较小,但训练数据所使用的时间较长。结论利用PSO-SVM模型对油气管道内腐蚀速率进行预测是可行的,预测误差相对较小,但是由于受限于数据训练速度问题,今后仍需要对该领域进行深入研究。