基于特征点的在线超声波测厚系统性能诊断

林 敏,黄 劼,甘芳吉,廖俊必,耿鹏武2,师根泰

(1.四川大学 制造科学与工程学院,成都 610065;2.空军驻雅安地区军事代表室,雅安 625000)

油气管道的腐蚀情况严重威胁着石化企业的安全生产，有效地监测腐蚀引起的管道壁厚减薄程度，可以及时地对管道进行维护，延长其使用寿命，同时大幅减少因管道腐蚀而发生的安全事故，降低不必要的经济损失[1-3]。超声波厚度检测具有测量速度快，检测精度高，对管道无影响的特点，因而在管道腐蚀监测中应用较多[4-6]。

在超声波长期在线监测过程中，其硬件系统可能出现如下3方面的问题：

(1)对于基于压电效应产生超声波的硬件系统，传感器与被测固件之间的耦合剂受温度或应力影响,耦合效果变差，夹层氧化皮变厚，灰尘增加，使得超声波路径发生改变，超声波入射与出射过程中出现能量损失和频率变化[7-8]，回波波形幅值减小，信噪比降低。

(2)对于基于电磁效应产生超声波的硬件系统，在长期使用的过程中，传感器与硬件电路的屏蔽能力下降，信号受到电磁干扰，产生噪声，同样也会导致信噪比降低[9]。

(3)受温度变化的影响，半导体元件的工作状态发生改变，导致硬件电路中出现零点漂移的现象，在回波信号中也会产生噪声信号[10]。

综合上述3个问题可以看出，长期应用中的超声波在线监测设备采集到的回波信号，其回波幅值、信噪比均会受到环境影响而降低，因而计算出与幅值、信噪比相关的波形特征点的变化，即可反映硬件系统的健康状况。

1 自校正超声波测厚原理

超声波测厚原理示意如图1所示，通过超声波换能器装置向被测试件发射超声波，超声波在经过第一表面和第二表面时分别发生反射，被超声波换能器接收[11-12]。

图1 超声波测厚原理示意

图2是以压电超声波设备为例，检测工件时，超声波换能器接收的回波信号。图2中的第一表面第一次回波简称第一回波，指的是换能器下表面反射的超声波，第二表面第一次回波简称第二回波，指的是被测管道下表面反射的超声波，理想情况下，采集到的回波信号都可以看成是由激励信号在不同表面反射得到的。

图2 超声波换能器接收回波

通过软件找到两次回波的波峰位置之间的时间差T，再根据超声波的声速υ，即可计算出被测件的厚度d为

(1)

在超声波测厚技术中，最核心的问题是对于超声波飞行时间(TOF)的测量[13-15]。

需要注意的是，对于压电超声设备，这里的第一回波通常取换能器下表面反射的回波，超声波透射效果变差，在超声波声能总量保持不变的情况下，反射产生的第一回波信号将有所增强，第二回波信号将有所减弱。

另外，对于电磁超声设备中电磁干扰的问题与两种设备中硬件电路产生漂移误差的问题，整个回波信号均会受到影响，噪声增加。

最后，在第一回波与第二回波之间的飞行时间段内，理想情况下，信号为零，该段波形的大小即可反映噪声信号的大小。

2 特征值提取与判断方法

回波信号在不同接收段内的波形受到环境的影响不尽相同，因此，提出将回波信号在时间域上的分布大致分为3个阶段：第一回波段、第二回波段和二者之间的超声波飞行时间段。

分区后的回波信号如图3所示。

图3 分区后的回波信号

具体分区由超声波设备的激励波周期数n，周期T，采样频率f确定。此时一个回波段内的采样点数N可由式(2)计算得到。

N=nTf

(2)

针对环境因素带来的影响，对应在波形上体现出不同的特征。

(1)超声波能量消耗增加或者激励电压降低引起的回波信号能量减弱，体现在回波信号上的特征即是两次回波波峰的降低。

(2)压电超声设备中耦合效果变差引起的第二回波能量减少，第一回波能量增加，体现在回波信号上的特征即是第二回波波峰降低，第一回波波峰升高，因此可以使用二者的幅值之比，来反映耦合效果是否变差。

(3)压电超声设备中耦合效果变差引入的频率噪声、电磁超声设备中电磁干扰引入的杂散噪声以及电路元件漂移带来的漂移噪声，体现在整个回波信号上最易区分的即是TOF阶段产生的杂散波。

对于不同的测厚系统而言，其本身的噪声水平不同，此时所取的阈值也不同。对于压电超声测厚系统，其干扰少，噪声信号几乎在波形上体现不出，所以取其幅值阈值为2 mV；而对于电磁超声测厚系统，由于其高压电路与电路本身电磁干扰较大，噪声信号明显，所以取其幅值阈值为20 mV。

(4)最后，回波信号的信噪比即可由第一回波波峰与TOF阶段波峰之比得到。由于单个区段内存在若干尖峰，若只选用单个尖峰求取峰值容易产生偏差，因此取依峰值大小排序的前若干尖峰点的峰值平均值作为该区段的峰值。

对于实际应用的超声波设备，由于选取的是周期数为2T的激励[16]，得到的回波信号中普遍存在有5个尖峰点，第一回波主尖峰点为3个，第二回波主尖峰点为2个，所以第一回波段和第二回波段分别取前3个和前2个尖峰值，再求取平均。对于TOF段，取该段内至多两个尖峰峰值的平均值。

在最简化的情况下，回波信号提取4个特征值，由特征值引申计算出两个引申值(见表1)。

表1 特征值及引申值列表

得到波形信号的特征值与引申值后，通过与系统初始工作条件下的特征值与引申值进行对比，求取变化量，来判断当下系统的硬件健康状况。

方法应用初期，提示维修保养的变化率阈值由经验值50%确定，同样的，TOF段极值点个数变化量阈值定为5个，信噪比变化量阈值对于压电与电磁系统分别定为15 dB与4 dB。在后期的持续应用中，该值应当根据维护设备的反馈作出调整。

3 工程应用实践

下面采用具体的超声波回波数据进行计算和处理过程的详细说明。

(1)首先提取出四川东北某大型气田压电超声设备3号探头于2017年6月25日测量的序号为32的初始数据，以及2018年4月8日测量的序号为678的长时间监测后的数据，并对两个波形进行上述的分区操作。超声波测厚仪安装现场如图4所示。

图4 超声波测厚仪安装现场

图5 软件信号识别效果截图

(2)进行幅值特征点的提取。首先，将整个信号进行绝对值处理，依次取出波形信号中的极值点，将所有极值点的位置信息放入数组pos()中；然后根据操作人员输入的幅值门限，将pos()中的幅值低于该门限值的点的位置信息删除，得到pos1()，得到如图5所示的软件自动生成的幅值特征点识别界面。时间序列单位为10 ns，幅值单位为mV。

图5中,左侧数据区域为软件操作员输入的想要调用的数据信息以及该台设备在提取特征时的阈值参数。

(3)在每个分区内选择定量的幅值最大的红色特征点，对其幅值绝对值求平均，得到3个分区中的幅值特征V1,VTOF,V2。并记录TOF段高于阈值条件的特征点数目，得到数目特征NTOF。

(4)通过这4个特征值，计算出回波幅值比μ和信噪比SNR。

(5)对比两次波形的特征值与引申值，根据变化量与变化率阈值，作出系统健康状况诊断。通过信号的特征提取，得到软件分析结果为：① 第一回波幅值减弱了20.9%，第二回波幅值减弱了33.3%；② 识别的干扰特征点数增加了1个，干扰信号幅值不变，抗干扰性能几乎保持不变;③ 回波幅值比减小了16%，虽然有所下降，但基本与初始状态保持一致;④ 信号的信噪比降低了2.042 dB;⑤ 总体来说，需要进行持续的观察。

通过以上软件分析结果可知：在初始安装时，第二回波的幅值就非常小，因此其回波幅值比也非常小。相对于设备刚安装时的初始状态，序号为678的数据无论是第一回波还是第二回波，幅值都减小了，这证明激励电压降低，但信噪比几乎还保持在一个非常高的状态；相比于初始状态，回波幅值比减小了16%，证明第二回波的幅值减弱效果更为明显，因此可以看出，耦合效果相对于初始时也出现了下降。综合来说，信号依旧有非常好的信噪比，但是传感器性能和耦合效果都有所下降。

图6 软件信号识别效果截图

为了验证系统软件识别和提取的准确性，又提取了一组典型的含有干扰波的超声波信号，图6为在四川东北某油气净化厂的电磁超声设备的2号探头所测得的初始数据(2017年10月12日)和长时间监测后的数据(2018年4月3日)，其时间序列单位为10 ns，幅值单位为mV。软件的特征分析结果为：① 第一回波幅值增加了9.7%，第二回波幅值减弱了7.4%；② 识别的TOF段干扰特征点数增加了8个，干扰幅值增加了1.75倍，抗干扰性能下降，需要考虑进行维修；③回波幅值比减弱了15.6%，虽然有所下降，但基本与初始状态保持一致；④ 信号的信噪比降低了7.995 dB，需要考虑进行维修；⑤ 总体来说，设备噪声过大，需要考虑进行维修。

基于电磁原理的超声波信号，虽然第二回波幅值非常高，但是自始至终都有干扰信号存在，相对于初始时期，序号为10663的信号的两个回波的幅值比虽然有所降低，但是依然大于0.7，减小了15.6%，证明信号回波的幅值并没有减小多少，而相对于初始状态信噪比却严重降低，且TOF区识别的特征点数也增加了不少，因此可以看出,通过长时间的监测，信号受到的干扰变强，且干扰信号的个数变多，因此从一定程度上也能说明系统的抗干扰性能变弱。

4 结语

使用软件提取采集波形的特征值的方法，识别与判断硬件设备的健康状况，节约了工程人员的劳动力，提高了监管效率。对于长期在线监测的超声波设备，该方法在实际应用中，会定时采集管道波形，在此波形基础上进行高效地采样与反馈，便于现场操作员及时维修或者更换设备硬件，提高了设备在线监测的准确度，并且系统改进成本低，实用性强。但是该方法在长期应用中也需要进一步研究与完善，即目前判定为噪声的电压阈值为2 mV与20 mV，信噪比变化量阈值为15 dB与4 dB，TOF段极值点个数变化量阈值为5个，以及峰值变化率阈值为50%，这些都是凭借工程人员经验而定的，在系统持续使用中，这些经验确定的阈值需要通过数据训练以达到最优的区分效果。

基于特征点的系统性能识别与判断方法是人工智能在腐蚀监测方面的应用，也是未来监测维护课题的发展方向。理论分析与实践表明，基于特征点的系统性能识别与判断方法可以有效应用于超声波的在线监测中，具有较强的实用意义。