段明偉 劉志軍 王沂沛 畢禎哲 欒奕 高雨晴 張磊 藺文楠

國家管網(wǎng)集團(tuán)北方管道沈陽檢測技術(shù)分公司

摘要：為高效準(zhǔn)確對比分析兩次管道內(nèi)檢測數(shù)據(jù)，基于最長公共子串（LCS）算法，研究明確了數(shù)據(jù)對齊流程。將該數(shù)據(jù)對齊方法應(yīng)用于實(shí)際案例，結(jié)果發(fā)現(xiàn)：管道閥門、三通、法蘭對齊比例達(dá)到100%，環(huán)焊縫對齊比例達(dá)99%以上，金屬損失類缺陷對齊比例達(dá)80%以上。對于存在改線換管的管道，該方法能實(shí)現(xiàn)準(zhǔn)確識(shí)別并跳過改線區(qū)域，以避免數(shù)據(jù)誤對齊。通過引入缺陷“簇”概念，提高了數(shù)據(jù)對齊中一對多、多對一、多對多的準(zhǔn)確性。

關(guān)鍵詞：管道內(nèi)檢測；數(shù)據(jù)對齊；LCS算法；缺陷“簇”

國家市場監(jiān)管總局要求長輸管道定期檢驗(yàn)中優(yōu)先使用內(nèi)檢測技術(shù)。隨著超高清漏磁內(nèi)檢測器的推廣應(yīng)用，每百公里長輸管道產(chǎn)生的內(nèi)檢測數(shù)據(jù)達(dá)到十萬條以上，海量內(nèi)檢測數(shù)據(jù)深度對比分析變得越來越復(fù)雜，不同檢測運(yùn)營商采用各種內(nèi)檢測器對同一條管道開展多次內(nèi)檢測更加劇這種情況。建立可靠的模型算法進(jìn)行內(nèi)檢測數(shù)據(jù)對齊分析，及時(shí)預(yù)測和發(fā)現(xiàn)管道腐蝕風(fēng)險(xiǎn)，對管道安全運(yùn)行具有重要意義。

1  數(shù)據(jù)對比技術(shù)現(xiàn)狀和提升途徑

1.1  技術(shù)現(xiàn)狀

國外油氣管道內(nèi)檢測數(shù)據(jù)對比技術(shù)發(fā)展較早，主要內(nèi)檢測運(yùn)營商均開展了油氣管道內(nèi)檢測數(shù)據(jù)對比研究。一些學(xué)者通過應(yīng)用回歸樹算法和內(nèi)檢測比對分析軟件，研究了腐蝕缺陷的生長模型[1]；有人以內(nèi)檢測數(shù)據(jù)自動(dòng)對齊來代替人工對齊的方法，用于標(biāo)識(shí)未能對齊的異常點(diǎn)和分析腐蝕增長情況[2]。

國內(nèi)學(xué)者通過研究球閥、彎頭、焊縫與基線對齊方法以及缺陷對齊算法，將對齊結(jié)果與基線偏差精確到0.01 m[3]；通過計(jì)算兩次內(nèi)檢測數(shù)據(jù)分布的KL散度，利用Pearson相似系數(shù)獲得兩次內(nèi)檢測數(shù)據(jù)對齊結(jié)果的評價(jià)系數(shù)曲線，證明了對齊算法模型的可行性[4]。

1.2  提升途徑

（1）通過標(biāo)準(zhǔn)化內(nèi)檢測特征數(shù)據(jù)庫，識(shí)別具備更多細(xì)節(jié)的管道組件，包括較短節(jié)、閥門、法蘭等附近比較復(fù)雜的環(huán)焊縫，將管道劃分成更多細(xì)小管段，從根本上提升對齊比例。

（2）LCS（Longest Common Subsequences，最長公共子串）算法是將兩個(gè)給定字符串分別刪去零個(gè)或多個(gè)字符，但不改變剩余字符的順序后得到的長度最長的相同字符序列�；�于該算法，實(shí)現(xiàn)管段拆分方案的最優(yōu)化，提升數(shù)據(jù)對齊的性能和準(zhǔn)確性。

（3）通過試錯(cuò)法識(shí)別改線換管的管段，跳過該管段以避免數(shù)據(jù)誤對齊。

（4）引入缺陷“簇”的概念，對于缺陷對齊中的一對多、多對一、多對多等復(fù)雜情況，提高其準(zhǔn)確性和可靠性。

2  數(shù)據(jù)對齊算法

通過對不同內(nèi)檢測數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化清洗處理，建立統(tǒng)一標(biāo)準(zhǔn)化的內(nèi)檢測特征數(shù)據(jù)庫。特征數(shù)據(jù)庫中的特征點(diǎn)包括閥門、三通、環(huán)焊縫、彎頭、法蘭、金屬損失等。將特征點(diǎn)分為三類，一類特征點(diǎn)包括閥門、三通；二類特征點(diǎn)為管節(jié)劃分組件，包括環(huán)焊縫、彎頭、法蘭；三類特征點(diǎn)包括除一類、二類外的其他特征點(diǎn)。

2.1  一類特征對齊

根據(jù)標(biāo)準(zhǔn)化內(nèi)檢測特征數(shù)據(jù)庫，分別識(shí)別兩組內(nèi)檢測數(shù)據(jù)中的一類特征點(diǎn)，根據(jù)里程分布將兩組數(shù)據(jù)中相同的一類特征點(diǎn)對齊，將對齊的一類特征點(diǎn)設(shè)置為錨點(diǎn)，基于錨點(diǎn)將管道劃分多個(gè)管段，并定義為一級管段。

2.2  二類特征對齊

根據(jù)標(biāo)準(zhǔn)化內(nèi)檢測特征數(shù)據(jù)庫，識(shí)別一級管段中的二類特征點(diǎn)，采用管節(jié)拆分算法，對兩組內(nèi)檢測數(shù)據(jù)中上述二類特征點(diǎn)進(jìn)行對齊，管段拆分算法步驟如下：

（1）基于LCS算法，查找兩組內(nèi)檢測數(shù)據(jù)中對齊的兩個(gè)一級管段的序列中最長公共子序列，將兩組內(nèi)檢測數(shù)據(jù)按照檢測時(shí)間分別定義為基準(zhǔn)數(shù)據(jù)和對齊數(shù)據(jù)，最長公共子序列存在于基準(zhǔn)數(shù)據(jù)中的序列（x0，x1，x2....xi）和對齊數(shù)據(jù)中的序列（y0，y1，y2....yj）中，最長公共子序列的長度C[i，j]為：

（2）對找到的最長公共子序列中所包括的二類特征點(diǎn)逐個(gè)對齊，使用里程偏差閾值函數(shù)計(jì)算對齊數(shù)據(jù)二類特征點(diǎn)的里程估值范圍 t：

t = k（M1±△m） （2）

式中：k為基準(zhǔn)數(shù)據(jù)和對齊數(shù)據(jù)中二類特征點(diǎn)所在一級管段的長度比；M1為基準(zhǔn)數(shù)據(jù)二類特征點(diǎn)距上游已對齊一級特征點(diǎn)或二類特征點(diǎn)的距離；Δm為基準(zhǔn)數(shù)據(jù)二類特征點(diǎn)的里程偏差范圍。

（3）如果對齊數(shù)據(jù)二類特征點(diǎn)距上游已匹配特征點(diǎn)的距離M2∈t，則認(rèn)為該二類特征點(diǎn)對齊成功，將該對齊二類特征點(diǎn)作為最新的節(jié)點(diǎn)數(shù)據(jù)，導(dǎo)入里程偏差閾值函數(shù)進(jìn)行更新訓(xùn)練；若未對齊，則在里程估值范圍內(nèi)，找出兩組內(nèi)檢測數(shù)據(jù)中最接近k×M1的相同類型的二類特征點(diǎn)，將該點(diǎn)作為最新的節(jié)點(diǎn)數(shù)據(jù)，導(dǎo)入里程偏差閾值計(jì)算函數(shù)，進(jìn)行更新訓(xùn)練。通過以上方法將對齊的二類特征點(diǎn)設(shè)置為錨點(diǎn)，將各個(gè)一級管段劃分為多個(gè)細(xì)小二級管段。

2.3  三類特征對齊

（1）對當(dāng)前二級管段內(nèi)的缺陷進(jìn)行“簇”劃分（集群劃分），有兩種劃分方法。一種是相鄰缺陷邊界間距小于3倍壁厚，另一種是相鄰缺陷邊界軸向間距小于兩缺陷中最小長度且周向間距小于兩缺陷中最小寬度。

（2）以劃分的二級管段為單位，對二級管段內(nèi)剩余的特征點(diǎn)及缺陷依次進(jìn)行對齊處理，特征點(diǎn)對齊重復(fù)二類特征對齊中的方法，并設(shè)置角度閾值，缺陷對齊采用“簇”劃分方法進(jìn)行對齊。

3  應(yīng)用示例

某長輸管道全長193 km，2013年和2021年分別進(jìn)行兩次漏磁內(nèi)檢測，期間實(shí)施2次改線換管。采用提升后的對齊算法和對齊分析軟件對兩次內(nèi)檢測結(jié)果進(jìn)行數(shù)據(jù)對齊。

3.1  管道特征對齊結(jié)果

管道特征對齊結(jié)果如表 1所示。從表 1中可以看出，本文提出的對齊算法對不同內(nèi)檢測商檢測的數(shù)據(jù)對齊比例很高，閥門、三通、法蘭都達(dá)到100%，比例最低的環(huán)焊縫達(dá)到99.35%。環(huán)焊縫未對齊的原因是管道改線增加閥門、三通數(shù)量，不同內(nèi)檢測商對閥門、法蘭、彎頭區(qū)域環(huán)焊縫標(biāo)記方式不同所致。

表 1 兩次內(nèi)檢測管道特征對齊結(jié)果

3.2  缺陷對齊結(jié)果

兩次內(nèi)檢測缺陷對齊結(jié)果如表 2所示。從表 2中可以看出，缺陷對齊比例較特征對齊比例有所降低，金屬損失類缺陷對齊比例為84.21%。兩次內(nèi)檢測缺陷報(bào)告的數(shù)量、內(nèi)外部類型相差較大，尤其是環(huán)焊縫異常數(shù)量變化明顯。主要原因包括：內(nèi)檢測器識(shí)別模型能力不同、內(nèi)檢測器精度不同、管道改線換管影響。此外，為處理管道小范圍內(nèi)金屬損失集群的復(fù)雜情況，引入缺陷“簇”的概念，在對齊的26610個(gè)金屬損失缺陷中，發(fā)現(xiàn)對齊的金屬損失缺陷“簇”1819組。

表 2 兩次內(nèi)檢測缺陷對齊結(jié)果

3.3  應(yīng)用效果

基于LCS算法，對于管道特征對齊，兩次內(nèi)檢測數(shù)據(jù)對齊可實(shí)現(xiàn)閥門、三通、法蘭對齊比例100%，管道環(huán)焊縫對齊比例99%以上。對于管道缺陷，因內(nèi)檢測器識(shí)別能力、檢測精度差異，受管道運(yùn)營條件變化導(dǎo)致的缺陷增長以及管道改線換管等因素的影響，管道缺陷對齊比例較特征對齊比例有所下降，但金屬損失類缺陷的對齊比例仍可達(dá)到80%以上。

4  結(jié)論

（1）本文研究建立的內(nèi)檢測數(shù)據(jù)對齊算法應(yīng)用于實(shí)際管道，高效、準(zhǔn)確地實(shí)現(xiàn)了管道特征和缺陷的對齊，可為有效預(yù)測管道腐蝕增長變化以及管道檢驗(yàn)評價(jià)提供數(shù)據(jù)支撐。

（2）數(shù)據(jù)對齊過程中，引入缺陷“簇”概念，提高了數(shù)據(jù)對齊中一對多、多對一、多對多的準(zhǔn)確性，增加了識(shí)別和分析管道面積形缺陷成因的效率。但面臨大面積復(fù)雜的缺陷“簇”時(shí)，數(shù)據(jù)對齊效果有所下降，可采用人工干預(yù)的方法提高數(shù)據(jù)對齊算法的準(zhǔn)確性。

（3）不同檢測運(yùn)營商內(nèi)檢測器的識(shí)別能力、精度、置信度等參數(shù)會(huì)直接影響內(nèi)檢測數(shù)據(jù)的質(zhì)量，也會(huì)對多次內(nèi)檢測數(shù)據(jù)對齊結(jié)果產(chǎn)生影響，影響程度的關(guān)系有待進(jìn)一步研究。

參考文獻(xiàn)：

[1]GU B, KANIA R, SHARMA S, GAO M. Approach to assessment of corrosion growth in pipelines[C]. Calgary: 2002 4th International Pipeline Conference, 2002：1837-1847.

[2]DAN M R, DANN C. Automated matching of pipeline corrosion feature from in-line inspection date[J]. Reliability Engineering & System Safety, 2017, 162：40-50.

[3]楊賀，劉新凌，李強(qiáng)，等. 油氣管道多輪內(nèi)檢測數(shù)據(jù)對齊算法研究及應(yīng)用[J]. 管道技術(shù)與設(shè)備，2020(1)：21-24，28.

[4]孫鵬，謝裕喜，張勇，等. 管道內(nèi)檢測數(shù)據(jù)對齊方法與應(yīng)用[J].油氣儲(chǔ)運(yùn)，2021，40(2)：151-156.

作者簡介：段明偉，1987年生，工程師，碩士研究生畢業(yè)于河北大學(xué)應(yīng)用化學(xué)專業(yè)，現(xiàn)從事檢驗(yàn)檢測與評價(jià)工作。聯(lián)系方式：13998832692，duanmw@pipechina.com.cn。