引言求。与此同时，检测数据来源分散、波形特征复杂、人工判读工作量大，也进一步制约了老旧管网隐患的快速识别市政供水管网是城市基础设施的重要组成部分，其运与闭环处置。因此，围绕超声导波定位优化、电磁涡流参行状态直接关系到供水安全、资源利用效率以及道路开挖数修正以及检测数据智能分类开展研究，不仅有助于提升与维修成本。随着城市建设年限增长，大量服役时间超过老旧管网无损检测的综合性能，也可为降低漏损率、减少20年的铸铁管网逐步进入高故障风险阶段，管壁腐蚀、接重复开挖、提高抢修效率提供技术支撑，对市政供水系统口松动、局部裂纹和穿孔等问题日益突出，漏损率上升趋的安全运行具有现实意义。势明显。传统巡检方式多依赖经验判断，面对埋地环境复杂、管材老化明显以及接头反射干扰增强等情况，常规无
损检测技术在缺陷定位精度、腐蚀识别稳定性和结果一致以某市服役20年以上的供水管网为例，该管网漏损率性方面均存在局限，难以满足高频巡检与精细化运维要已达15%，其无损检测工作仍主要依赖超声导波、电磁涡
度方面存在波动。与此同时，老旧管网巡检数据来源分某市服役20年以上铸铁供水管网的腐蚀形态以管壁均散，波形解析、特征提取以及异常判别环节仍以经验性处匀减薄以及接口邻近区域局部蚀坑为主，电磁涡流检测在理为主，数据处理效率难以满足高频巡检需求。由此可该类场景中容易受到激励频率选择不当的影响，进而使腐见，围绕缺陷定位精度、腐蚀识别可靠性以及数据处理效蚀深度估计偏高或偏低。鉴于涡流趋肤效应会随频率升高率开展针对性优化，已成为市政老旧管网无损检测技术升而增强，频率过低时感应电流穿透能力较强但幅值变化不［1］。级的现实需求敏感，频率过高时表层响应突出却难以反映深层减薄状
态，因此本研究把5kHz至20kHz当作参数寻优区间来使用，并围绕均匀腐蚀试件以及局部腐蚀试件开展频率响应
［2］。检测过程中需把探头提离高度、防腐层残余厚度比对针对现有超声导波缺陷定位中时间延迟法误差偏大的以及管壁磁导率波动纳入同一校正框架，避免把覆土电磁情形，本研究立足某市服役20年以上铸铁供水管网的材质扰动或表面粗糙度起伏误判为腐蚀信号。进一步观察幅值特性，把归一化互相关作为时间延迟求取核心，并对参考衰减曲线可知，中频段更适宜兼顾穿透深度以及信噪分离波与回波的对齐方式进行修正。铸铁管壁粗糙度较高，接能力，因而可把腐蚀深度与涡流信号幅值之间的非线性关口处易伴随局部散射，单纯依赖峰值时刻判读容易把反射系转化为带频率修正项的计算模型。回波误判为缺陷回波，因此在算法流程中引入窗函数截AdkbA=⋅+(2)0lncffc取、基线漂移抑制以及相关峰二次寻优，使主峰附近的延迟估计更贴近真实传播路径，相关系数的计算则按图1所其中，dc表示修正后的腐蚀深度，单位为mm，A0表示的流程展开。结合埋地环境下覆土振动以及电磁噪声的示未腐蚀基准管段的涡流信号幅值，单位为V，Ac表示腐叠加特性，采样频率宜与管径和导波传播频带保持匹配，蚀区域的涡流信号幅值，单位为V，kf表示与激励频率相并配合窄带带通滤波参数的动态调整，把无关频段的随机关的深度修正系数，单位为mm，bf表示由探头提离、防扰动压低到可控范围内。这样处理后，时间延迟的提取不腐层老化以及材料磁性差异引入的补偿量，单位为mm。再依赖经验性判读，缺陷定位结果也更契合老旧铸铁管网该公式把频率参数从单一检测条件转化为深度反演约束，有助于降低均匀腐蚀以及局部腐蚀在幅值响应上的混淆。
面对某市老旧供水管网巡检数据解析依赖人工经验的现实情况，检测数据分类环节需从波形判读转向特征自动学习。卷积神经网络是一类能够从局部信号片段中提取空间关联特征的深度学习模型，适宜处理超声导波时域波形、电磁涡流幅值序列以及经时频转换后的二维谱图。本研究把某市服役20年以上铸铁供水管网积累的1000组历史检测数据当作模型训练与验证样本来使用，样本类型覆盖裂纹、腐蚀、穿孔以及无明显异常管段，并对不同设备采集得到的信号进行幅值归一化、噪声抑制以及长度统一处理，使输入数据在尺度上具备可比性。结合老旧管网缺陷形态差异，模型结构可由卷积层、池化层以及全连接层构成，卷积层负责捕捉裂纹反射尖峰、腐蚀缓慢衰减以及穿孔突变响应等局部特征，池化层把冗余波动压缩为稳定图1超声导波缺陷定位优化算法流程图14表征，全连接层则承担缺陷类型映射工作。为降低样本数深变化频繁、支线交错密集的老旧管段而言，优化流程把量有限带来的过拟合风险，训练阶段可引入数据增强、批原先分散的巡检记录压缩为统一判读结果，抢修安排、材量归一化以及随机失活策略，把不同埋深、不同管径以及料调配以及开挖窗口的衔接因而更顺畅，重复开挖次数得不同防腐层状态下的信号扰动纳入模型学习过程。该分类到压减，维修班组对高风险点位的处置也更具连续性。由模型并不替代现场检测人员的工程判断，而是把异常筛此可见，该技术体系不仅改善了单点检测能力，还把数据识别环节前移到现场作业链条中，为5km管网改造提供了查、缺陷初分以及复核排序前移到数据处理阶段，从而为［3］。高频巡检场景下的快速识别提供算法支撑更加稳定的工程支撑。表2实际工程案例应用效果统计表
为检验前述优化方法在可控条件下的适配效果，本研检测时间100%60%究在实验室搭建模拟供水管网平台，把服役20年以上铸铁缺陷检出率70%95%管材的壁厚、接口形式以及内壁沉积状态当作主要参照来
进行试件布设。模拟管段设置裂纹、均匀腐蚀、局部蚀坑以及穿孔4类缺陷，并且保留无明显异常管段作为对照样本文围绕市政老旧供水管网无损检测中的关键薄弱环本。检测环节分别运用优化前的常规超声导波时间延迟判节，构建了从信号提取、参数修正到智能分类的优化思路，读方法、电磁涡流固定频率检测方法以及人工经验分类方［4］。超并通过实验室模拟与实际工程应用验证了其可行性法，再把归一化互相关延迟提取、频率修正腐蚀反演以及声导波部分通过归一化互相关与延迟寻优提升了缺陷定位卷积神经网络分类模型纳入同一批样本进行对比。评价指稳定性，电磁涡流部分借助频率参数调整增强了腐蚀深度标选取缺陷定位误差、腐蚀深度检测误差以及缺陷识别准反演的可靠性，卷积神经网络则有效改善了异常数据的自确率，能够覆盖空间定位、定量评估以及类型判别3个关动识别能力，使原本依赖经验的判读流程向标准化、智能键环节。表1数据显示，优化后缺陷定位误差由±5cm降化方向转变。结果表明，该方法不仅提高了单项检测性低至±2cm，腐蚀深度检测误差由10%降至3%，缺陷识能，还在工程场景中体现出缩短检测周期、提升缺陷检出别准确率由85%提高至98%，说明优化技术在实验室模拟率和降低漏损率的综合效益。对于埋深变化大、接头类型老旧铸铁管网场景中具有较好的综合改进效果。多、服役状态差异明显的老旧管网而言，优化后的检测体表1实验室环境下优化前后检测性能对比表系能够更好适应复杂工况，为隐患排查、维修决策和资源检测指标优化前检测性能优化后检测性能调配提供可靠依据。后续研究可进一步结合多源传感信息缺陷定位误差±5cm±2cm融合、三维缺陷重建及在线监测平台建设，持续提升老旧管网全生命周期的智能诊断水平与运维管理能力。腐蚀深度检测误差10%3%缺陷识别准确率85%98%