Page 71 - 无损检测2022年第十一期

胡 朋, 等:

长输管道内检测数据的对齐及综合分析

图 1 管道内检测数据对齐思路与方法流程图
型的分类标准和规范编码, 在不丢失数据精度的前
提下, 使得同类特征在不同检测数据间具有一致性
描述和处理方式, 包含建立不同批次字段与标准字
段之间的映射和同一标准字段在不同批次数据间的

转换规则等。
1.2 内检测数据对齐算法模型和对齐软件
相对熵, 也称 KL 散度, 可以衡量两个随机分布
之间的距离, 当两个随机分布相同时, 其相 对熵为
零, 当两个随机分布的差别增大时, 其相对熵也会增
大。设 p x ),( x ) 是离散随机变量 x 取值的两个
(
q
概率分布, 则 p x ) 对 q x ) 的相对熵为 图 2 管道内检测数据对齐软件界面
(
(
匹配, 进一步划分对齐小单元, 从而复核到每一个
p x )
(
)
(
(
∫
D KL p|| q = p x ) lo g ( dx ( 1 ) 特征点。
- q x )
对于离散分布的 KL 散度有 2 管道信息和内检测数据的整理
p x )
(
D KL p|| q = ∑ p x ) lo g = 某成品油管道分别于 2020 年 4 月和 2017 年
(

(
x∈X q x )
12 月进行了变形和漏磁内检测作业。依据两轮内检
(
(
(
- ∑ p x ) lo g q x ) + ∑ p x ) lo g p x ) ( 2 )
(
x∈X x∈X 测报告及数据列表提供的信息, 获取的管道基本信息
为概率分布 p 和 q 非对称性的度量。
式中: D KL
如表1所示, 两轮内检测的检测数据统计信息如表 2
根据前后管节长度差、 特征名称编号分布、 里程
所示( OD 表示管道直径, wt表示管道壁厚)。
和周向分布、 尺寸大小及钟点方位等管道特征信息
表 1 管道基本信息
来建立不同批次内检测概率分布函数, 通过计算某
参数名称 参数
值, 不断迭代, 通过贪心算法获得
一个划分的 D KL 管道外径 / mm 219.1
的最小值, 从而确立不同批次特征 第一个壁厚 / mm 5.6
不同变量间 D KL
第二个壁厚 / mm 6.4
的关联关系。
最小屈服强度 / M p a 415
根据特征分布规律和特有属性, 如特征名称( 三 最小抗拉强度 / M p a 520
通、 弯头、 阀门等)、 里程、 管节长度、 数量、 特征尺寸、 设计压力 / M p a 9.5
最大允许操作压力 / M p a 9.0
分布规律, 位置等信息, 进行多参数迭代计算各种属
性在每个划分区间上的 KL 散度, 直至收敛, 内检测
3 内检测数据对齐和比对
数据对齐软件界面如图 2 所示。
1.3 人工复核和修正 通 过 采 用 对 齐 软 件 和 人 工 复 核 与 修 正 的 方
通过以上模型得到的匹配结果还需要进一步 式, 完成了 该 成 品 油 管 道 2020 年 和 2017 年 两 轮
结合一些 非 结 构 化 数 据 进 行 人 工 复 核 和 修 正, 获 内检测数据的对齐。基于成功对齐的两轮内检测
取准确的映射关系。人工复核数据时遵从由大到 数据, 建立腐蚀生长速率模型, 分析缺陷的发展趋
小, 从整体到局部的规则, 按照明显特征点将数据 势, 为缺陷的下一步处理提供依据, 充分发挥历史
进行分段, 形成数据对齐单元, 再将对齐单元进行 检测数据的应用价值。
7
3
2022 年 第 44 卷 第 11 期
无损检测