基于物联网和超声导波的管道检测系统研究

陈志奎，贾少攀，赵 亮，张清辰

（1.大连理工大学软件学院，辽宁 大连 116621；2.西南大学计算机与信息科学学院，重庆 400715）

0 引 言

城市管道泄漏和断裂等故障会造成严重的浪费并威胁着城市安全，管道检测能够有效检测管道故障，避免不必要的浪费，保障居民安全。现在城市管道的检测大多采用超声导波无损检测技术，然而超声导波管道检测系统在进行管道检测时，维修人员需要深入地下将检测设备安装到需要检测的管道上，这使得维修人员的工作量和工作难度很大，并且现在的管道检测系统中并没有对管道工作环境信息进行分析预警的功能。所以，目前需要设计和开发一套完整的城市管道检测预警系统来解决以上的问题，物联网的出现提供了新的解决思路。物联网被描述为一个新兴的全球性的基于因特网的信息服务架构[1]。物联网体系主要可以分为感知识别层、网络构建层、管理服务层和综合应用层[2]。

本研究采用物联网、超声导波检测、数据处理、信号处理等技术，设计和开发了一套基于物联网和超声导波的城市管道检测系统，实现管道数据采集、缺陷定位、无线组网、异构网络数据传输和数据分析、预警等功能。

1 管道检测预警系统设计

1.1 系统框架

基于物联网和超声导波的城市管道检测系统分为4部分：（1）管道信息智能无线传感器网络节点，该部分主要负责激励超声导波信号，接收管道回波信号，采集管道工作环境信息；（2）异构网络架构，包括无线传感网、通信网、互联网以及智能网关，这一部分主要实现节点采集信息的传输；（3）基于物联网和超声导波的城市管道检测系统云端数据处理中心平台，该部分主要功能是实现控制超声导波探头阵列激励信号、管道信息分析处理、缺陷定位、提供预警等，为相关部门提供解决方案；（4）管理控制平台，主要响应管理人员的操作，根据管道检测结果通知管道维护人员进行维修。

1.2 智能无线传感器网络终端节点设计

智能无线传感器网络终端节点分为环境信息采集节点和超声导波信号激励采集节点两种。智能无线传感器网络终端节点结构如图1所示。

图1 智能无线传感器网络终端节点结构图

1.2.1 环境信息采集节点

环境信息采集节点主要负责采集管道工作环境的信息（空气温湿度、酸性程度等），用来作为判断管道是否腐蚀的辅助依据。这些节点通过无线方式将数据传送到网关，交由云端数据处理中心处理。

1.2.2 超声导波信号激励采集节点

超声导波在一个位置固定脉冲回波阵列就可做管道的双向无损检测，通过回波信号识别管道的腐蚀、焊缝等缺陷[3]。根据脉冲回波法原理，采用同端激励、同端接收的方式进行管道检测，所以超声导波信号激励采集节点既负责激励导波信号也负责采集回波信号。该节点由高性能的嵌入式处理器和装配到管道上的超声导波探头阵列[4-5]组成。嵌入式处理器设定激励信号参数、产生超声导波激励信号，由超声导波探头阵列在管道表面激发，接收回波信号。回波信号经过一定处理后传输到云端数据处理中心进行进一步分析。

管道中的导波分为轴对称纵向模态、轴对称扭转模态和非轴对称弯曲模态。对于轴对称纵向模态中的L（0，2）模态而言，它主要有以下特点：在相当宽频率范围内，该模态几乎非频散；传播速度最快，任何不希望出现的模态信号都在其后到达，易于在时域内识别；内外表面的径向位移相对较小，波在传播过程中能量泄漏较少，传播距离相对较远[6]。

所以，在管道检测时超声导波信号激励采集节点激发L（0，2）模态的超声导波信号。超声导波信号是一个经海宁窗调制的5～10周期的单音频脉冲信号[7]，经海宁窗函数调制的单音频叠加信号定义为

式中：n——选用的单音频数目；

fc——信号的中心频率；

t——时间。

1.3 云端数据处理中心设计

云端数据处理中心主要分为管道数据分析处理和预警平台两部分，其结构框架如图2所示。

1.3.1 管道数据分析处理平台设计

管道数据分析处理平台可以设定超声导波激励信号参数，控制底层节点触发超声导波激励信号。底层节点采集到管道回波信号后，将数据发送到该平台进行分析处理，经过希尔伯特变换处理[8]之后，得到容易观察的回波波形。

利用希尔伯特变换，对于原回波波形信号x（t），构造出希尔伯特变换信号x^（t），然后获得其瞬时包络，瞬时包络 α（t）定义为

当导波通过管道缺陷时，由于传播介质的不连续性，导波遇到缺陷处将发生反射、透射等现象，被分解成反射波与透射波。其中反射波形将会向超声导波信号激励采集节点方向传播，然后节点采集回波波形。反射系数F和缺陷截面积与管道截面积比值β之间关系为

由式（4）可知，缺陷越大，则反射系数越大，反射波形也会变大。回波波形的大小与缺陷位置无关，故建立管道缺陷位置检测模型为

图2 云端数据处理中心结构框架图

式中：XP——距管道接收信号缺陷位置；

t——激发到接收缺陷回波信号的时间间隔；

c——波速。

t可根据脉冲回波时间测定。波速取杨氏速度：

式中：E——介质弹性模量；

ρ——介质密度；

υ——泊松比。

故可以计算XP的值，确定缺陷在管道的轴向位置信息，管道数据分析处理平台将回波波形和缺陷信息交给控制平台，通过手机移动网络发送到维修人员的手机上，通知维修人员进行管道维修。

1.3.2 预警平台设计

对各种常见的恶劣管道工作环境信息进行采集后，建立GA-BP网络预测模型[9]。首先建立基于BP网络的预测模型，在分析BP网络预测模型对管道工作环境信息预测的基础上，针对该模型的不足，采用遗传算法进一步优化网络初始模型。通过使用GABP网络预测模型对管道周围环境的信息的分析，预测管道是否处于恶劣的工作环境。

2 实验仿真

2.1 实验仿真环境

在实验环境中，空气温湿度采集节点、酸性程度采集节点和超声导波信号激励采集节点硬件配置相同。表1和表2分别描述了环境信息采集节点（空气温湿度采集节点、酸性程度采集节点）和超声导波信号激励采集节点的硬件配置。云端数据处理中心平台采用了一个普通的服务器。表3描述了该服务器的CPU、内存和硬盘大小信息。

由于环境信息采集节点采集的信息和其他物联网设备中采集的信息基本一致，处理简单，所以以下部分只介绍超声导波信号激励采集节点的部分实验仿真数据和结果。

在实验中，分别对直径203.2mm、长3000mm钢管（Pipeline1）和直径304.8mm、长4 000mm钢管（Pipeline2）两种不同规格的管道进行了测试。Pipeline1实验是对管道的同一位置不同缺陷的测试，Pipeline2是对管道不同位置不同缺陷的测试。实验中管道缺陷是用砂轮切割机对管道切割所造成的损失。对Pipeline1管道和Pipeline2管道缺陷设置分别如表4和表5所示。

表1 环境信息采集节点硬件配置表

表2 超声导波信号激励采集节点硬件配置表

表3 云端服务器硬件配置表

表4 Pipeline1管道缺陷设置1）

表5 Pipeline2管道缺陷设置

2.2 实验仿真结果

在实验时，只需要将智能无线传感器网络终端节点安装在管道上，就可以在控制平台上控制超声导波激励采集节点检测管道。节点安装后，不再拆卸，用于以后的管道检测，减少了每次检测的人工安装过程。

实验时，探头阵列均布置在距管道左端250mm处。图3是Pipeline1管道上7.21%缺陷的回波波形。Pipeline1管道上不同缺陷经过希尔伯特变换后的回波波形如图4所示。图4中的0.00%曲线表示Pipeline1管道无缺陷的回波波形。Pipeline2管道上不同缺陷经过希尔伯特变换后的回波波形如图5所示。

由采集到的Pipeline1管道缺陷数据分析，Pipeline1管道缺陷位于图4每条曲线的波包处；由采集到的Pipeline2管道缺陷数据分析，Pipeline2管道缺陷依次位于图5中的a、b、c、d 4个波包处。

图3 Pipeline1管道7.21%缺陷回波波形

图5 Pipeline2不同缺陷希尔伯特变换后回波波形

由于探头阵列布置在距管道左端250mm处，得到的波形整体向后偏移250mm，所以在计算检测位置时应减去偏移量。Pipeline1和Pipeline2缺陷位置检测结果分别如表6和表7所示，可知管道缺陷检测位置相对误差在5%以内。

表6 Pipeline1管道缺陷检测结果

表7 Pipeline2管道缺陷检测结果

3 结束语

本文设计并实现了一套基于物联网和超声导波城市管道检测系统。该系统采用物联网、超声导波检测、数据处理、信号处理等技术，实现城市管道数据采集、缺陷定位、无线组网、异构网络数据传输和数据分析、预警等功能。该系统将城市管道的超声导波无损检测技术与物联网结合，减少管道检测中的人工操作，缺陷定位误差在5%以内，提供了管道工作环境信息分析预警功能。

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

[2]刘云浩.物联网导论[M].北京：科学出版社，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，黄垚，刘增华.小型超声导波管道检测系统的研究和开发[J].测控技术，2008，27（1）：33-35.

[5]王军阵，王建斌，张轩硕.基于ARM和Linux的超声导波管道检测系统[J].仪表技术与传感器，2011（4）：51-52，65.

[6]董为荣，帅建.管道超声导波检测技术[J].管道技术与设备，2006（6）：21-23.

[7]吴斌，王智，金山，等.用于激励超声导波的任意波形发生器[J].北京工业大学学报，2002，28（4）：389-393.

[8]吴斌，邓菲，何存富.超声导波无损检测中的信号处理研究进展[J].北京工业大学学报，2007，33（4）：342-348.

[9]柳益君，吴访升，蒋红芬，等.基于GA-BP神经网络的环境质量评估方法[J].计算机仿真，2010，27（7）：121-124.