石油化工装备缺陷的智能诊断技术 | 中国石油大学（北京）梁伟教授
需研发可穿透包覆性的无损检测设备，可不破坏包覆层、不停输地检测。同时还要建立石油化工厂缺陷特征库；研究缺陷产生与演化规律；长周期监测壁厚减薄状况；评价装备的完整性、可靠性与安全性。
机器人大讲堂直播间 048期
据不完全统计，我国约367家炼油厂,平均规模达320万吨/年。为了防腐或节能，约95%以上的装备本体都包裹在防腐层或保温层等之下。当包覆层下装备的金属本体壁厚减薄至危险范围，内压的瞬间释放，会引发灾难性后果。而目前的检修做法是，2-3年剥离包覆层，用超声、磁粉或射线进行检测，重新恢复包覆层，这样的检测方式效率低、成本高还会产生新的风险。
因此，需研发可穿透包覆性的无损检测设备，可不破坏包覆层、不停输检测，建立石油化工厂缺陷特征库，研究缺陷产生与演化规律，长周期监测壁厚减薄状况，评价装备的完整性、可靠性与安全性。
我们特邀中国石油大学（北京）安全与海洋工程学院梁伟教授做客「机器人大讲堂直播间」，分享石油化工装备缺陷的智能诊断技术。
本期分享要点如下
石油化工装备的安全现状和腐蚀机理
三线圈双向励磁技术原理
不破坏保温层和防腐层的在役检测技术
自主智能诊断机器人研制
缺陷诊断智能软件开发
案例分享
'关注「leaderobot」微信公众号，后台回复'梁伟'，即可获得本次直播完整版PDF及直播回放链接'
01
石油化工装备的安全现状和腐蚀机理
石油化工装备腐蚀检测的难点
在石油化工装备腐蚀检测中，一些小直径或不一致直径的管道、小角度弯曲的管道、检测空间受限的管道进行无损检测又耗时又昂贵，这对管道的腐蚀检测造成了不小的难点。据统计，这些管道发生事故的概率高达50%。因此，针对当前的难点，有关石油化工装备腐蚀检测的研究主要集中在三方面：
新型智能传感器的研制，实现不打开保温层和防腐层的在役检测技术；
5G+深度学习+缺陷可视化+智能诊断软件开发；
智能机器人研制，实现空间受限、小的或不一致直径的等管道的腐蚀检测。
石油石化行业安全性分析
近年来，世界各地多次发生石油管道爆炸，例如：英国邦斯菲尔德地区油库火灾爆炸事故。据DNV挪威船级社的统计，随着人们安全意识的上升，企业的安全事故数量在下降，但是安全事故造成的损失却在增加。
2005年英国邦斯菲尔德地区油库火灾爆炸事故图（图片来源于网络）
此外，根据DNV ISRS安全评价指标体系总分为31650分，涵盖15项。其中与检测相关主要是五项：风险控制、领导、资产管理、风险评估、风险监控。其中资产管理包括了：维修程序、维修计划和过程、维修实施、维修审核、常规检查、特殊设备检查、设备使用前检查、工程变更管理、检查，测量和测试设备、收购和出售、资产完整性管理及过程安全检查等。
炼制装备腐蚀机理研究
总的来说，炼化生产中常见的金属腐蚀类型主要包含应力腐蚀破裂、腐蚀疲劳、孔蚀、缝隙腐蚀、电偶腐蚀和磨损腐蚀等六种。
02
三线圈双向励磁技术原理
截止到2016年底，全球炼油厂总数约为646家，平均规模达到754万吨/年。其中，我国约367家,平均规模达320万吨/年。为了防腐或节能，约95%以上的装备本体都包裹在防腐层或保温层等之下。当包覆层下装备的金属本体壁厚减薄至危险范围，内压的瞬间释放，会引发灾难性后果。据不完全统计，仅2018年世界大型炼厂共发生爆炸事故20余起，伤亡达数百人，对世界经济的发展造成重大影响。
包覆层是包裹在装备本体之外的包覆材料，厚度5-200mm，储罐每年至少进行一次外部检查，3-6年清罐全面检查。新管道3年内全面检验1次，每年检查1次，后续视情况定周期。目前的检修做法是2-3年剥离包覆层，用超声、磁粉或射线检测，再重新恢复包覆层。这样做检测效率低、成本高并且还可能产生新风险。
因此，需研发可穿透包覆性的无损检测设备，这样可以不破坏包覆层、不停输检测；建立石油化工厂缺陷特征库；研究缺陷产生与演化规律，长周期监测壁厚减薄状况，评价装备的完整性、可靠性与安全性。
三线圈双向励磁技术原理
三线圈双向励磁检测技术的原理是利用三个相反的线圈，当金属表面没有缺陷时，线圈相反值相减为0。此时，传感器无信号；当出现缺陷时，正向的线圈产生正信号，反向的线圈产生反信号，两者相减，产生两倍信号，经过增强，信号放大之后可以透过一定深度检测缺陷。
三线圈双向励磁检测技术原理图
其主要计算公式为：
03
不破坏保温层和防腐层的在役检测技术
检测方式
就管道的检测方式来说可分为内检测和外检测，内检测就是在上游站点把检测设备放入管道中，利用管内介质压差推动检测设备，在管道下游取出，分析数据，判断管道情况；外检测主要是把外部包裹打开，或者把表面的漆打磨掉，用检测设备进行检测。
技术原理
不破坏保温层和防腐层的在役检测技术依据的主要原理是提离效应。而提离效应则是根据涡流感生磁场的原理，即导体附近变化的电磁场会使导体内产生感应涡流，且电涡流的大小随着电磁场与导体的距离改变而变化。
在役检测技术原理图
通过调研、理论基础研究以及对有限元建模分析、影响分析、探头优化、信号分析等方面的研究，建立了裂纹与圆孔缺陷、铝皮保护层和传感器布局等有限元模型。
不破坏保温层的检测样机研制
1、滑靴式
滑靴式的检测样机针对的是石油化工的罐、塔和大表面的管道等装备，具有滚轮和扭簧。
2、套靴式
套靴式的检测样机针对的是直径较小，在60-200mm之内的管道，可进行360°检测，采用滑动导轨的检测方式。
3、链爪式
链爪式的检测样机针对大直径装备，采用的链式结构，可进行多个连接，也可选择性的悬挂扩展多个传感器。
检测器效果
以管道检测为例，通过对一个管径为DN80，还带有厚50mm保温层，外层为0.5mm白铁皮的管道进行检测，检测结果如下图所示，剥离白铁皮、保温层验证，实际情况与检测数据吻合。
之后再将铁丝放管道上，恢复保温层和白铁皮，再次进行实验，检测得到的信号图像如下图所示，三次均在同一位置出现变化。
继续进行实验，把铁丝放在管道上，加上包覆层，提离度40mm，检测信号如下图所示，分别是一根铁丝、两根铁丝检测的信号。
最后再把铁丝捆成X形状、T形状、任意形状时检测，提离值为5mm，结果如下图所示，检测器均检测出不同形状的铁丝呈现出的不同信号值。
04
自主智能诊断机器人研制
检测器经过的大量试验后，研制了多种样机。由于实验过程中发现，人手推着进行检测不够方便，于是出现了无线遥控版的、可自主进行避障的等多种自主智能诊断机器人。如下图所示，这是一款可以透过100mm的包覆层进行超距检测的机器人，可以检测金属本体的缺陷。
未来还有望可以发展，透过玻璃、泥浆、混凝土等介质检测某一物体的缺陷，还可以通过体积更小的传感器进行内部检测等。
05
缺陷诊断智能软件开发
缺陷诊断智能软件包含有：运行工况数据库、工艺指标数据库、多元信息融合、多元信息智能感知、智能建模、深度学习、谱分析、缺陷智能感知、5G+GIS+可视化、生产流程3D可视化（标记、建模）、后果区域与智能决策技术、云协同智能算法技术、关键工艺参数预测与转化技术、缺陷重构+可视化技术、人机协作的智能演练+VR仿真技术。
智能软件对不同种类缺陷的分类图
06
案例分享
案例一：现场测试情况及效果——缺陷
为了精准识别管道缺陷，利用补充集合模态分解方法（CEEMD）和模糊C-均值聚类算法（FCM），研究了管道的缺陷识别方法。
通对管道缺陷信号波形特征的分析，首先引入粒子群优化算法（PSO）对小波阈值降噪方法进行改进，实现了管道缺陷信号的降噪；然后通过补充集合经验模态分解法（CEEMD）对缺陷信号进行分解，并借助能量熵原理提取缺陷的特征参量；最后利用模拟退火算法（SA）和遗传算法（GA）对聚类算法进行优化，完成管道缺陷的分类。
研究表明：基于CEEMD-FCM模型的管道缺陷识别方法的综合识别精度达到87.5%，可实现石油化工领域管道缺陷模式的精准识别，从而保障管道安全运行，降低事故发生率。
如上图所示,管道在施工过程中受到挤压，产生许多凹坑。经过检测器的检测，将得到的信号值与其进行对比，可以发现凹坑的深浅与信号值的起伏是相符的。
案例二：现场测试情况及效果——焊缝
为解决传统检测技术难以对石油化工站场内典型设备的焊缝裂纹缺陷进行高效、精确检测的问题，应用双向励磁下的三线圈检测技术，提出了基于焊缝状态辨识和特征子集优选的缺陷分类识别方法。
首先，采用非线性特征分析的方法对焊缝信号特性进行分析，用Lemper-Ziv分析信号的复杂度，对焊缝类别进行辨识；然后基于改进的最大相关最小冗余特征选择方法，对提取的特征参数进行降维；最后将不同权重因子下的优选特征子集作为支持向量机的输入构建分类器，对油气站场内的实测信号进行缺陷识别。
结果表明该方法对焊缝的纵向缺陷和横向缺陷均有较高的识别精度，具有良好的工程应用价值。现场试验对汽油罐钢板间的竖焊缝进行了检测，发现了两处缺陷，与检测数据相符。