基于金属磁记忆效应的管道泄漏定位技术研究

doi:10. 3863/j. issn. 1674 – 5086. 2013. 05. 024

摘要/Abstract

摘要：

管道泄漏通常会造成管体的变形和破坏，利用金属磁记忆技术可有效检测由于泄漏而造成的管道应力集中。
针对含有干扰噪声的非稳态磁记忆信号泄漏点特征信息提取，提出一种基于希尔伯特–黄变换的信号分析方法。该
方法首先利用经验模态分解（Empirical Mode Decomposition，EMD）将磁记忆信号分解成本征模式函数（Intrinsic Mode
Function，IMF（Mi(t)）），分离和提取Mi(t) 分量并对信号进行重构，然后通过对重构信号的Hilbert 包络谱进行分析，可
以达到提取管道泄漏点特征信息的目的。实验结果表明，该方法不受管道压力、泄漏量等参数的影响，能够有效提取
管道泄漏点的特征信息，具有很好的泄漏点识别准确率。现场检测结果表明，利用该方法对油气管道泄漏点的定位误
差小于1.0 m，验证了该方法的有效性。

关键词: 金属磁记忆；希尔伯特&ndash, 黄变换；埋地金属管道；泄漏点检测；定位

Abstract:

Underground metal pipeline leakage detection and positioning is an urgent technical problem. Usually，the leakage
could cause the pipe wall to be deform and damage. The metal magnetic memory is an effectively method to detect the stress
concentration. In order to extract the feature of pipeline leakage from the magnetic signals，a time-frequency analysis method
has been proposed based on Hilbert–Huang Transform. Firstly，the Intrinsic Mode Functions（IMF，Mi(t)）of magnetic signals
were obtained using the empirical mode decomposed（EMD）algorithm. Then，through the separation and extraction of the
different frequency components，the reconstructed signal by low-frequency Mi(t) would contain feature of pipeline leakage.
Finally，the purpose has been realized to extract the feature of pipeline leakage according to analysis of the Hilbert envelope
spectrum. The favorable recognition precision ratio and the validity of extraction feature of pipeline leakage were verified by
the experiments. Furthermore，experimental results indicate that the pressure and leakage could not affect the extraction feature.
The results of in-situ show that the accuracy of leakage positioning is less than1.0 m.

杨勇，王观军，孙东，柳言国，姬杰. 基于金属磁记忆效应的管道泄漏定位技术研究[J]. 西南石油大学学报(自然科学版), DOI: 10. 3863/j. issn. 1674 – 5086. 2013. 05. 024.

Yang Yong, Wang Guanjun, Sun Dong, Liu Yanguo, Ji Jie. Study on Leakage Detection and Localization of Underground Pipelines
Based on Metal Magnetic Memory[J]. 西南石油大学学报(自然科学版), DOI: 10. 3863/j. issn. 1674 – 5086. 2013. 05. 024.

0
/ / 推荐

导出引用管理器 EndNote|Ris|BibTeX

链接本文: http://journal15.magtechjournal.com/Jwk_xnzk/CN/10. 3863/j. issn. 1674 – 5086. 2013. 05. 024

http://journal15.magtechjournal.com/Jwk_xnzk/CN/Y2013/V35/I5/165

参考文献

[1] 王明达，张来斌，梁伟，等. 基于独立分量分析和支

持向量机的管道泄漏识别方法[J]. 石油学报，2010，

31（4）：659–663.

Wang Mingda，Zhang Laibin，Liang Wei，et al. Pipeline

leakage detection method based on independent component

analysis and support vector machine[J]. Acta Petrolei

Sinica，2010，31（4）：659–653.

[2] 周萍，应启戛，尚杨. 互相关分析在输油管道泄漏检测

中的应用[J]. 仪器仪表学报，2007，28（4）：478–480.

Zhou Ping，Ying Qijia，Shang Yang. Application of correlation

analysis in oil pipeline leakage detection[J]. Chinese

Journal of Scientific Instrument，2007，28（4）：478–480.

[3] 杨理践，张禄，高松巍. 供水管道泄漏声信号特性[J].

沈阳工业大学学报，2011，33（2）：183–187.

Yang Lijian，Zhang Lu，Gao Songwei. Acoustic signal

characteristic for water supply pipeline leakage[J]. Journal

of Shenyang University of Technology，2011，33（2）：

183–187.

[4] 孙良，王建林. 气体管道泄漏的仿真建模[J]. 系统仿真

学报，2011，23（7）：1310–1314.

Sun Liang，Wang Jianlin. Modeling and simulation of

leaking gas pipeline[J]. Journal of System Simulation，

2011，23（7）：1310–1314.

[5] 蔡正敏，彭飞，易发新，等. 长输管道泄漏故障诊断方

法的研究[J]. 应用力学学报，2002，19（2）：38–43.

Cai Zhengmin，Peng Fei，Yi Faxin，et al. Research on

the fault diagnosis method for the leakage detection of

pipeline[J]. Chinese Journal of Applied Mechanics，2002，

19（2）：38–43.

[6] 华科，叶昊，王贵增，等. 基于声波的输气管道泄漏检

测与定位技术[J]. 华中科技大学学报：自然科学版，

2009，37（增刊I）：181–183.

Hua Ke，Ye Hao，Wang Guizeng，et al. Study on acoustic

based leak detection and localization of nature gas

pipeline[J]. Journal of Huazhong University of Science &

Technology：Natural Science Edition，2009，37（Sup. I）：

181–183.

[7] Wang Z D，Gu Y，Wang Y S. A review of three magnetic

NDT technologies[J]. Journal of Magnetism and Magnetic

Materials，2012，324：382–388.

[8] Shi Changliang，Dong Shiyun，Xu Binshi，et al. Stress

concentration degree affects spontaneous magnetic signals

of ferromagnetic steel under dynamic tension load[J].

NDT & E International，2010，43：8–12.

[9] 尹大伟，徐滨士，董世运，等. 中碳钢疲劳试验的磁记

忆检测[J]. 机械工程学报，2007，43（3）：60–65.

Yin Dawei，Xu Binshi，Dong Shiyun，et al. Magnetic

memory testing for medium carbon steel under the condition

of fatigue experiment[J]. Chinese Journal of Mechanical

Engineering，2007，43（3）：60–65.

[10] 董世运，徐滨士，董丽虹，等. 金属磁记忆检测技术用

于再制造毛胚寿命预测的试验研究[J]. 中国表面工程，

2006，19（5）：71–75.

Dong Shiyun，Xu Binshi，Dong Lihong，et al. Experimental

research on metal magnetic memory methods for life

prediction of remanufacturing old parts[J]. China Surface

Engineering，2006，19（5）：71–75.

[11] 徐滨士，董丽虹，董世运，等. 加载条件下铁磁材料

疲劳裂纹扩展自发射磁信号行为研究[J]. 金属学报，2011，47（3）：257–262.

Xu Binshi，Dong Lihong，Dong Shiyun，et al. Selfemitting

magnetic signal behavior of ferromagnetic material

during fatigue crack propagation under loading condition[

J]. Acta Metallurgica Sinica，2011，47（3）：257–262.

[12] 唐继红，潘强华，任吉林，等. 静载拉伸下磁记忆

信号变化特征分析[J]. 仪器仪表学报，2011，32（2）：

336–341.

Tang Jihong，Pan Qianghua，Ren Jilin，et al. Characteristic

analysis of magnetic memory signals of 20# steel under

static loading tensile[J]. Chinese Journal of Scientific Instrument，

2011，32（2）：336–341.

[13] Huang N E，Shen Z，Long S R，et al. The empirical mode

decomposition and the Hilbert spectrum for nonlinear and

non-stationary time series analysis[J]. The Royal Society

of London A，1998，454：903–995.

[14] Kaˇzys R，Tumˇsys O，Pagodinas D. Ultrasonic detection

of defects in strongly attenuating structures using

Hilbert–Huang transform[J]. NDT & E International，

2008，41：457–466.

[15] Lin Chiaching，Liu Peiling，Yeh Poliang. Application of

empirical mode decomposition in the impact–echo test[J].

NDT & E International，2009，42：589–598.

[16] 唐先广，郭瑜，丁彦春. 基于独立分量分析与希尔

伯特–黄变换的轴承故障特征提取[J]. 振动与冲击，

2011，30（10）：45–49.

Tang Xianguang，Guo Yu，Ding Yanchun. Rolling element

bearing fault feature extraction based on HHT and

independent component analysis[J]. Journal of Vibration

and Shock，2011，30（10）：45–49.

[17] 宋立新，王祁，王玉静. 基于Hilbert–Huang 变换的

ECG 信号降噪方法[J]. 传感技术学报，2006，19（6）：

2578–2581，2590.

Song Lixin，Wang Qi，Wang Yujing. ECG signal noise reduction

using Hilbert–Huang transform[J]. Chinese Journal

of Sensors and Actuators，2006，19（6）：2578–2581，

2590.

[18] 李秀坤，谢磊，秦宇. 应用希尔伯特黄变换的水下目

标特征提取[J]. 哈尔滨工程大学学报，2009，30（5）：

542–546.

Li Xiukun，Xie Lei，Qin Yu. Underwater target feature

extraction using Hilbert–Huang transform[J]. Journal of

Harbin Engineering University，2009，30（5）：542–546.