摘要：海底油氣輸送管道漏磁檢測(cè)裝置工作于高溫高壓環(huán)境下，其中的InSb霍爾傳感器對(duì)溫度敏感，需要補(bǔ)償溫度誤差。該文構(gòu)建了多傳感器融合模型，將多個(gè)霍爾傳感器和溫度傳感器的輸出用徑向基函數(shù)(RBF)神經(jīng)網(wǎng)絡(luò)進(jìn)行融合，用遺傳算法對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。實(shí)驗(yàn)室檢測(cè)數(shù)據(jù)和反演出的缺陷形狀表明，采用神經(jīng)網(wǎng)絡(luò)融合方法進(jìn)行誤差補(bǔ)償，簡(jiǎn)單方便，霍爾傳感器輸出的平均溫度敏感系數(shù)降低了兩個(gè)數(shù)量級(jí)。
　　關(guān)鍵詞：溫度誤差補(bǔ)償；神經(jīng)網(wǎng)絡(luò)；數(shù)據(jù)融合；漏磁檢測(cè)

　　Temperature error compensation for sensors based on neural netw ork fusion CHEN Tianlu,QUE Peiwen

　　(Institute of Automatic Detection under Shanghai Jiaotong Univers ity,Shanghai 200030,China)

　　Abstract：The equipment to inspect submarine o il & gas transportation pipelines often works under high temperature and high pr essure.The InSb Hall sensors in the equipment which are sensitive to temperature need to be compensated.A multisensor fusion model is built.The test data of m ultiple magnet sensors and a temperature sensor are processed by a radial basis function(RBF) neural network.Genetic algorithm is chosen to train the netowrk.Th e lab�瞭ested data and the simulation shapes of defects show that the temperatur e error compensation made by neural network fusion is simple and convenient.The mean temperature sensitive coefficient is reduced sharply to less than 1／100.
Key words：temperature error compensation;neural network;data fu sion;MFL detection

　　目前，我國在役長(zhǎng)距離油氣輸送管道總長(zhǎng)兩萬公里左右，腐蝕導(dǎo)致的油氣泄漏事故時(shí)有發(fā)生，造成了經(jīng)濟(jì)損失、能源浪費(fèi)�！　∫虼耍瑢�(duì)油氣管道進(jìn)行檢測(cè)在國民經(jīng)濟(jì)中占有極為重要的地位。漏磁檢測(cè)法是國家863高科技項(xiàng)目“管道檢測(cè)爬行器”采用的主要技術(shù)。其中的關(guān)鍵部件——InSb霍爾傳感器由于半導(dǎo)體材料的固有特性和制造工藝的缺陷，對(duì)溫度敏感，需要采用一定的溫度補(bǔ)償措施［1］。該文針對(duì)已研制成功的檢測(cè)設(shè)備，采用多傳感器數(shù)據(jù)融合方式消除溫度誤差。構(gòu)建了多傳感器融合模型，選用徑向基函數(shù)(Radial Basis Function,RBF)網(wǎng)絡(luò)對(duì)磁敏傳感器和溫度傳感器的輸出進(jìn)行融合，并通過實(shí)驗(yàn)驗(yàn)證了該方法的有效性。檢測(cè)系統(tǒng)的準(zhǔn)確度和穩(wěn)定性有了明顯的提高。

　　1漏磁檢測(cè)裝置及傳感器溫度特性
　　1.1漏磁檢測(cè)原理及裝置
　　漏磁檢測(cè)法是近年來廣泛應(yīng)用于輸油輸氣管道檢測(cè)的有效方法，原理如圖1所示。如果被測(cè)管壁沒有缺陷，磁力線閉合；如果有缺陷，磁力線將穿出管壁而產(chǎn)生漏磁場(chǎng)［2］。磁敏傳感器將漏磁場(chǎng)的大小轉(zhuǎn)化為電壓數(shù)據(jù)輸出，輸出波形的幅度同缺陷的深度、波形的峰峰水平間距同缺陷寬度均是近似的線 性關(guān)系。因此，由漏磁信號(hào)波形可以反演出缺陷的形狀［3］。

　　已研制的管道檢測(cè)裝置由驅(qū)動(dòng)機(jī)器人、系統(tǒng)控制器、供電部件、漏磁檢測(cè)部件、數(shù)據(jù)預(yù)處理部件和定位裝置6部分組成。檢測(cè)時(shí)，系統(tǒng)控制器控制驅(qū)動(dòng)機(jī)器人帶動(dòng)各個(gè)部件在管道中爬行，漏磁檢測(cè)傳感器組獲取管道狀態(tài)信息并將檢測(cè)數(shù)據(jù)送預(yù)處理部件放大、去噪、壓縮并存儲(chǔ)，以備離線分析反演。定位裝置用于確定檢測(cè)系統(tǒng)當(dāng)前位置。
　　1.2InSb溫度特性
　　漏磁檢測(cè)傳感器組選用了InSb霍爾元件作為敏感元件�；魻栐�件與其他常用的磁敏傳感器相比體積小、功耗小、耐震動(dòng)、不怕油污、水汽等的污染或腐蝕，靈敏度高。但是該檢測(cè)裝置工作于溫度、壓力較高，且經(jīng)常變化的環(huán)境下，霍爾傳感器的輸出電壓誤差較大。圖2是不同材料構(gòu)成的霍爾傳感器輸出電壓與溫度變化的關(guān)系曲線［1］。InSb非線性嚴(yán)重。

　　2.多傳感器融合實(shí)現(xiàn)誤差補(bǔ)償
　　多傳感器信息融合是20世紀(jì)70年代興起的一個(gè)新學(xué)科，已廣泛應(yīng)用于目標(biāo)識(shí)別、狀態(tài)估計(jì)、威脅估計(jì)等領(lǐng)域。該技術(shù)將來自多個(gè)傳感器的數(shù)據(jù)進(jìn)行多級(jí)別、多方面、多層次的處理，從而產(chǎn)生新的有意義的信息，這種信息是任何單一傳感器無法獲得的［4］。
　　2.1補(bǔ)償模型
　　該文嘗試將多傳感器信息融合應(yīng)用于誤差補(bǔ)償中。在檢測(cè)裝置的漏磁傳感器部件中加入一個(gè)溫度傳感器，實(shí)時(shí)記錄工作環(huán)境的溫度。國內(nèi)輸油輸氣管道管徑普遍較小，設(shè)備已排列7圈，共70個(gè)漏磁傳感器，空間緊張。而且，部件密封，內(nèi)部環(huán)境溫度變化緩慢，因此只加入一個(gè)溫度傳感器。將軸向分布的10排(每排7個(gè))漏磁傳感器分別和溫度傳感器的輸出進(jìn)行融合，得到管道各個(gè)部分缺陷的特征參數(shù)和反演圖形，其模型見圖3所示。信息融合策略采用RBF神經(jīng)網(wǎng)絡(luò)，其融合來自8個(gè)傳感器的數(shù)據(jù)。

　　2.2RBF神經(jīng)網(wǎng)絡(luò)原理
　　RBF網(wǎng)絡(luò)是一種典型的局部逼近神經(jīng)網(wǎng)絡(luò)，它不像全局逼近神經(jīng)網(wǎng)絡(luò)那樣，對(duì)每個(gè)輸入輸出數(shù)據(jù)對(duì)、每一個(gè)權(quán)值均需要調(diào)整，而是調(diào)整對(duì)輸出有影響的少量幾個(gè)權(quán)值，從而使局部逼近網(wǎng)絡(luò)在逼近能力和學(xué)習(xí)速度方面有明顯的優(yōu)勢(shì)［5］。
該RBF網(wǎng)絡(luò)結(jié)構(gòu)為8－20－1形式。輸入層8個(gè)節(jié)點(diǎn)只是傳遞輸入信號(hào)到隱層，隱層20個(gè)單元通過徑向基函數(shù)實(shí)現(xiàn)變換后輸出到輸出層。輸出層節(jié)點(diǎn)只是簡(jiǎn)單的線性函數(shù)。最常用的徑向基函數(shù)是高斯核函數(shù)(Gaussian kernel function),如式(1)所示。

　　其中，uj是j個(gè)隱層節(jié)點(diǎn)的輸出，X＝（x1，x2，…，xn)T是輸入樣本，Tj是高斯函數(shù)的中心值，σj是標(biāo)準(zhǔn)化常數(shù)，即徑向基寬度，M是隱層節(jié)點(diǎn)數(shù)。節(jié)點(diǎn)的輸出范圍在0和1之間，且輸入樣本越靠近節(jié)點(diǎn)的中心，輸出值越大。
網(wǎng)絡(luò)的輸出yi為隱層節(jié)點(diǎn)輸出uj的線性組合，如式(2)所示。

　　2.3訓(xùn)練方法
　　由式(1)可知，該網(wǎng)絡(luò)要學(xué)習(xí)的參數(shù)有3類：RBF的中心、寬度和連接權(quán)重。可以分別訓(xùn)練，也可同時(shí)進(jìn)行。在隱節(jié)點(diǎn)數(shù)確定的情況下，采用遺傳算法同時(shí)訓(xùn)練中心Tj、寬度σj以及隱層與輸出層的連接權(quán)重Wij。
遺傳算法是模擬生物進(jìn)化過程的計(jì)算模型。它對(duì)包含可能解的群體反復(fù)使用選擇、交叉和變異操作，不斷生成新的群體，使種群不斷進(jìn)化。當(dāng)輸入節(jié)點(diǎn)較多時(shí)，該算法比傳統(tǒng)BP算法的全局最優(yōu)性更佳，速度更快［6］。算法的適應(yīng)度函數(shù)見式(3)。

　　其中，N為樣本數(shù)量，M為隱層節(jié)點(diǎn)數(shù)，b為待定系數(shù)(一般取較大的值，以保證適應(yīng)度大于零)，d為期望的輸出，y為網(wǎng)絡(luò)的實(shí)際輸出。
個(gè)體j的選擇概率S(j)見式(4)。其中，fj表示個(gè)體j的適應(yīng)度。S為群體規(guī)模。

　　文中采用單點(diǎn)交叉，將兩個(gè)基因串對(duì)應(yīng)交叉位的值相結(jié)合生成新的基因串。
重復(fù)選擇交叉和變異操作，直到網(wǎng)絡(luò)達(dá)到精度要求。

　　3 實(shí)驗(yàn) 
　　用簡(jiǎn)化的海底管道檢測(cè)裝置(漏磁檢測(cè)部件中僅安裝一排7個(gè)漏磁傳感器和一個(gè)溫度傳感器)，在實(shí)驗(yàn)室條件下，取10個(gè)溫度點(diǎn)(－10～80℃，每10℃一個(gè)點(diǎn))，分別對(duì)一個(gè)半剖管道進(jìn)行檢測(cè)。該管道和實(shí)際海底管道具有相同材質(zhì)和管徑(195 mm)，并按美國無損檢測(cè)標(biāo)準(zhǔn)要求，用電火花加工的方法，在其內(nèi)表面加工了多處不同尺寸、形狀和類型的缺陷。在每個(gè)溫度點(diǎn)處，每個(gè)漏磁傳感器取55個(gè)數(shù)據(jù)，組成55組數(shù)據(jù)，取44組作為訓(xùn)練樣本數(shù)據(jù)，11組作為測(cè)試數(shù)據(jù)，用上述神經(jīng)網(wǎng)絡(luò)方法進(jìn)行訓(xùn)練和測(cè)試，實(shí)現(xiàn)溫度誤差的融合補(bǔ)償。由于是多維輸入，訓(xùn)練速度較慢。在網(wǎng)絡(luò)誤差設(shè)為0.001的情況下，用高斯函數(shù)訓(xùn)練，一般需要經(jīng)過2 300步左右網(wǎng)絡(luò)才可以滿足要求。用遺傳算法訓(xùn)練，只需要1700步。

　　對(duì)一個(gè)長(zhǎng)10 mm，深5 mm的標(biāo)準(zhǔn)矩形缺陷進(jìn)行檢測(cè)，在兩個(gè)典型溫度點(diǎn)下的網(wǎng)絡(luò)輸出見圖4。圖中實(shí)線是期望的輸出，兩條虛線分別是70℃和－10℃下，未融合的輸出，“ ○”線和“＋”線是這兩個(gè)溫度點(diǎn)下融合后的輸出。由圖可見，融合前的兩條輸出波形偏離目標(biāo)曲線，而且表示缺陷特征的波峰波谷的水平和豎直間距與目標(biāo)值有一定的差距。融合后的輸出與期望值幾乎重合，補(bǔ)償效果顯著。圖5是反演后的缺陷圖。線型的意義與圖4相同。－10℃和70℃下的數(shù)據(jù)融合后反演出的缺陷與實(shí)際缺陷基本重合。未融合數(shù)據(jù)反演出的缺陷與實(shí)際缺陷深度有偏差。

　　定義傳感器的溫度敏感系數(shù)αS為在工作溫度范圍內(nèi)，溫度變化1 K所引起的輸出電壓最大相對(duì)變化的平均值。

　　其中，S∈(1，2，…，44)為測(cè)量點(diǎn)序號(hào)，隨著裝置在管道內(nèi)爬行，代表不同的檢測(cè)位置。t1、t2是工作溫度的上、下限值，U(t1)、U(t2)是S處溫度分別為t1、t2時(shí)傳感器的輸出值。用測(cè)試數(shù)據(jù)對(duì)網(wǎng)絡(luò)進(jìn)行校驗(yàn)，檢驗(yàn)網(wǎng)絡(luò)的靈敏度和適應(yīng)能力。融合前后7個(gè)傳感器的平均溫度敏感系數(shù)分別為3.1×10-3K-1和2.3×10-5K-1。可見，多傳感器融合進(jìn)行溫度補(bǔ)償后傳感器的溫度敏感系數(shù)降低了兩個(gè)數(shù)量級(jí)。

　　4　結(jié)論
　　該文將數(shù)據(jù)融合理論和神經(jīng)網(wǎng)絡(luò)方法應(yīng)用到漏磁傳感器誤差補(bǔ)償中，大大提高了漏磁檢測(cè)傳感器的穩(wěn)定性和準(zhǔn)確性。對(duì)多個(gè)漏磁傳感器和溫度傳感器檢測(cè)數(shù)據(jù)融合后，輸出值的溫度敏感系數(shù)降低了兩個(gè)數(shù)量級(jí)，為整個(gè)檢測(cè)系統(tǒng)在高溫環(huán)境下測(cè)得高準(zhǔn)確度的結(jié)果提供了保障。當(dāng) 輸入節(jié)點(diǎn)多時(shí)，用遺傳算法比用高斯函數(shù)訓(xùn)練網(wǎng)絡(luò)速度快。

　　參考文獻(xiàn)

　�。�1］袁希光.傳感器技術(shù)手冊(cè)［M］.北京：國防工業(yè)出版社．
　　［2］金濤，闕沛文.小波分析對(duì)漏磁檢測(cè)噪聲消除實(shí)驗(yàn)的分析［J］.傳感技術(shù) 學(xué)報(bào)，2003，(3)：260－262．
　�。�3］汪友生，潘孟賢，何輔云.缺陷參數(shù)與漏磁信號(hào)關(guān)系的實(shí)驗(yàn)研究［J］.合肥 工業(yè)大學(xué)學(xué)報(bào)，1998，21(5)：28－31．
　�。�4］何友，王國宏，彭應(yīng)寧，等.多傳感器信息融合及應(yīng)用［M］.北京：電子 工業(yè)出版社，2000．
　　［5］姜靜清，宋初一，劉娜仁，等.RBF神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法及分析［J］.內(nèi)蒙古 民族大學(xué)學(xué)報(bào)，2003，(8)：301－303．
　�。�6］周春光，梁艷春.計(jì)算智能［M］.長(zhǎng)春：吉林大學(xué)出版社，2001．
　�。�7］鄧越，顏國正，左建勇．漏磁法管道壁厚檢測(cè)裝置［J］．工業(yè)儀表與自動(dòng) 化裝置

　　轉(zhuǎn)載請(qǐng)注明來源：賽斯維傳感器網(wǎng)（m.fineinshow.com）