保溫層下腐蝕 (CUI) 是指外部被保溫層覆蓋的管道或設備，由于水分和腐蝕性物質的進入而發生的腐蝕現象[1]。在石油和天然氣行業，CUI是設備設施安全運營主要挑戰之一，據估計，CUI監檢測和修復占據管道維護成本約40%~60%[2,3]。Geary[4]報道了某煉油廠一起由CUI引發的火災和爆炸事故，造成設備非計劃停工、人員疏散和數百萬英鎊的經濟損失；Morey[5]報道了陶氏公司某化工廠一起由CUI造成一條8inch含有非腐蝕性裂解氣體 (40%乙烯) 管道發生災難性事故。通常CUI是由于保溫結構隔水措施失效，保溫材料吸收水分并通過毛細現象使金屬設備設施表面處于潤濕狀態引起的。CUI具有隱蔽性、高危害性和普遍性的特點，是石化行業的痛點和難點問題，因此發展CUI監檢測技術，了解包覆保溫層的設備設施運行狀態，對腐蝕管理、控制安全風險具有重大意義。

在不拆除保溫層條件下監檢測設備設施外腐蝕技術須具備無損傷、快速響應、數據可靠、成本低廉、應用便利等特點，以獲取保溫層下腐蝕狀態，預防發生腐蝕事故。保溫層遮擋、干濕交替腐蝕環境限制了傳統腐蝕監檢測技術的應用。針對CUI發生的不同時期，本文對CUI監檢測技術及其研究現狀進行了綜述。

1 CUI前期監檢測技術

保溫材料浸水是CUI發生的必要條件，當金屬暴露在腐蝕性介質環境時，存在腐蝕風險。CUI前期監檢測技術采用直接檢測保溫材料是否浸水或間接檢測保溫材料浸水引起的溫度分布變化,預測CUI傾向。

1.1 射頻識別技術 (RFID)

射頻識別技術是一種無線技術，由讀取器和標簽/應答器組成 (圖1)。讀取器本身通常由微控制器和射頻電路組成，具有接收來自標簽的響應信號和歷史儲存信號和將數據寫入內存的功能。標簽的硬件包括具有存儲器的微芯片，存儲器存儲標簽的唯一識別碼。標簽的射頻部分由連接到電容的卷繞或印刷線圈組成，以形成調諧LC電路。目前RFID標簽應用在身份證件和門禁控制、供應鏈和庫存跟蹤、汽車收費、防盜、生產控制、資產管理等領域，可工作于各種惡劣環境。RFID技術用于CUI前期監測主要研究方向為具有小尺寸和低成本的有源和無源傳感器，商業化濕度測量RFID標簽產品已均推出，通用版本的標簽可感測的濕度范圍為0~100%，讀取和靈敏度范圍可根據使用場景進行調整。

圖1   近場感應耦合原理示意圖

Tsai等[6]利用無源RFID傳感器 (智能傳感技術) 收集現場數據，然后將其集成到建筑信息建模 (BIM) 系統中，設計了一個腐蝕預測框架，包括數據采集模塊、腐蝕預測模塊和審查模塊?，F場數據中溫度、濕度由RFID定時采集，根據預置腐蝕速率預測算法計算腐蝕速率，根據歷史數據綜合考慮了預測持續時間、腐蝕速率計算腐蝕的預測深度和安全系數。為便于工程應用，在BIM模型上對腐蝕預測結果進行顏色編碼，這有助于現場工作人員直觀地理解預測并編制現場CUI檢查計劃。Ayello等[7]提出了一種與電偶對結合改造的RFID標簽，用于保溫層濕度監測。將有源RFID標簽電源更換為Cu-Mg電偶對，當保溫層潮濕時，電偶對形成的原電池在1.6 V的電壓下產生約2 A的電流，剛好足以激活RFID標簽，當保溫層干燥時，RFID信號是不活躍的。

RFID技術也存在局限性，在金屬結構中應用縮短了RFID傳輸距離，有采用固定讀取器電路的無人機掃描儀相關研究[8]可以解決此問題。有源傳感器采用電池或電偶對供電，使用壽命較短，實際應用中需要配合保溫層更換周期更換耗材。標簽傳感器僅能監測線圈區域范圍內數據，而CUI通常發生在保溫層隔水措施失效位置，具有隨機性，需要根據風險等級布置監測點，達到以點帶面的效果。

1.2 紅外熱成像 (IRT)

浸水后的保溫層保溫隔熱性能下降，造成保溫層表面溫度異常。IRT技術可以分析保溫層表面溫度分布，推測保溫層浸水情況，預警初期CUI風險，劃分CUI高風險區。Cadelano等[9]研究了IRT技術用于管道保溫層浸水監測，包括管道溫度上升、穩定和冷卻對監測效果的影響。研究表明使用IRT技術更易檢出管道升溫過程中保溫層浸水位置；而檢測穩定運行管道的保溫層浸水位置時，可以用熒光燈或調制燈等外部激勵方法提升IRT靈敏度。Amer等[10-12]將人工智能與IRT結合，通過使用人工智能的機器學習應用，最大限度地發揮熱像成像的潛力。在機器學習算法的初始階段，通過提取熱異常特征，并將其與設備設施完整性中的腐蝕和不規則性進行關聯，來預測腐蝕和退化因素。利用機器學習方法增強紅外圖像處理技術，從而通過精確定位CUI異常和關注區域，檢測極易受腐蝕的位置。機器學習分類器在預測CUI異常方面顯示出了出色的效果，從185個實際油田資產中預測的精度在85%~90%。

IRT技術用于CUI監測僅能預警初期CUI風險，需要搭配其他監檢測手段評估CUI風險，制定治理措施。該技術監測原理基于保溫層表面紅外線發射量，保溫層表面黑度不均勻或設備設施溫度較低時，監測方法失效。

1.3 分布式光纖技術

目前分布式光纖技術用于CUI監測主要有兩種形式：分布式光纖測溫技術和分布式光纖濕度監測技術。其中分布式光纖測溫技術基于光纖拉曼散射原理，監測管道沿線因保溫層浸水引起的溫度場異常，從而實現管道CUI風險區識別[13]；分布式光纖濕度監測技術利用光纖表面吸濕性涂層隨環境相對濕度膨脹造成的Rayleigh散射中心離散度變化監測環境濕度變化，間接評估管道CUI風險區[14]。相比于溫度監測，濕度監測數據與CUI相關性更強，但精確度也受溫度變化影響。

劉洪飛等[13]研究了分布式光纖測溫技術在保溫層破壞監測應用，當保溫層發生破壞時，溫度異常變化非常緩慢，且在一段時間后趨于穩定，保溫層破壞的范圍越大，溫度異常的范圍也越大。Thomas和Hellevang[14,15]研發了一種用于分布式濕度測量的高響應聚酰亞胺光纖，采用參考光纖的補償方法，有效地減少了溫度變化對測量的影響，并驗證了該傳感器監測水侵空間分辨率為厘米級，同時也證明了在2 km光纖長度上進行精確水侵測量的可行性。Cho等[16]利用聚乙烯醇、CoCl2涂層和普魯蘭涂層串聯在光纖上作為包層，研制了一種基于激光吸收對濕度依賴性的光纖傳感器，可用于測量80 ℃時65~95%RH的濕度，溫度依賴性小到2.5%RH/10 ℃。

分布式光纖技術已實現商業化，監測范圍可達100 km，空間定位精度低至5 cm，溫度分辨率0.005 ℃，用于泄漏監測和CUI風險監測，主要限制是只能通過濕度和持續時間推測CUI風險和腐蝕程度，不能直接判斷腐蝕類型和腐蝕速率。

1.4 微波技術

管道保溫結構通常包括鋼質管道、保溫材料中間層和和金屬皮外層，三者組成同軸導波結構：鋼質管道作為內導體、金屬皮外層作為外導體、中間保溫材料作為介電層，微波在其中通過衰減很小，可以沿管道長度上傳播很長距離。當保溫層發生部分浸水潤濕，該區域波導的阻抗會發生變化，由于干濕保溫材料之間的介電常數存在差異，導致入射微波信號部分反射。通過對反射微波信號的行程計時，可以準確地確定水的位置[17]，微波信號可以在衰減有限的情況下通過彎管和支架傳播，可用于監測煉油廠和其他石化工廠的復雜管道工程。

Jones等[18,19]對在同軸波導中傳播的模式結構和色散特性進行了研究，確定了無色散的橫向磁電模式 (TEM) 是理想的檢測方式，為了獲得足夠的帶寬來實現波導特征的空間分辨率，必須使用高于某些高階模式的截止點的頻率。對于真實的管道幾何結構，可以通過實驗獲得高達39 dB的信噪比。低水平的相干噪聲使該技術對波導中的水非常敏感，臨界浸水區域檢出面積為環狀保溫層面積的5%。微波技術對于理想化的水含量有很高的靈敏度，而實際情況下保溫材料浸水后并非是從干燥到100%水飽和的突然轉變，多數情況下會存在一個漸進式的過渡區域，Alleyne等[20]用酚醛泡沫模擬真實保溫材料浸水飽和情況，研究對微波靈敏度的影響。結果表明，微波反射的振幅主要與入射信號的波長λ、水飽和保溫材料截面積As 和干濕過渡長度?有關。當?大于λ/4時，?的影響增大，在此條件下，反射系數比在相同飽和截面積的情況下觀測到的突變反射系數低50%以上。λ/4必須與保溫層厚度大致相同，以避免高階導模的信號污染。因此，在實際測試中，?必須小于保溫層厚度，才能避免對微波檢測的靈敏度產生不利影響。

綜合而言，微波技術所需硬件價格低廉，可永久服役，成本低廉，可覆蓋整個管道周長，且已實現商業化應用[21,22]。但局限性也很明顯，保溫材料潤濕不需要達到100%水飽和也能引發管道CUI，而微波技術在這中情況下是無法預警CUI風險的；用于三通、支架等復雜管道結構CUI監測相關研究尚無報道。

2 CUI中后期監檢測技術

當金屬表面發生CUI，通過監測其電化學或復阻抗特征發生變化，可以預警CUI風險，并采取相應補救措施可以避免設備設施由CUI造成的壁厚缺失。當CUI發生一段時間后，設備設施壁厚發生明顯缺失，通過測厚技術可以篩查腐蝕缺陷，采取補救措施可以避免由CUI引起的事故，消除隱患。

2.1 電化學噪聲 (EN)

當金屬表面發生腐蝕過程時，會在微米尺度上產生不規則隨機變化，這些變化體現為電信號波動，EN通過分析電化學電位噪聲 (EPN) 或電化學電流噪聲 (ECN) 隨機波動，獲取腐蝕過程信息[23,24]。從EN頻譜中提取有用信息的數據處理方法是EN監測有效性的關鍵因素[25,26]。目前EN數據處理方法包括：時域 (主要指統計方法)、頻域 (例如快速傅里葉變換，即FFT) 和時頻域 (如小波變換)。其中FFT是EN數據分析最常用的一種方法，FFT主要缺陷在于加窗函數寬度引起的具有固定的分辨率[27]，寬窗口提供更好的頻率分辨率，但時間分辨率較差。窄窗口的時間分辨率較好，但頻率分辨率較差[25]。小波變換更適合處理隨機波動的EN數據，將數據轉換為一系列不同頻率的信號[28]。計算每個信號的能量分布，得到所有信號的能量分布圖 (EDP)。腐蝕主導過程對應EDP中最大相對能量位置，該位置隨時間的變化可以反映腐蝕過程的演變。

Hou等[28]研究采用ECN表征碳鋼在巖棉保溫材料下的腐蝕過程，使用遞歸量化分析提取ECN信號中的特征變量，建立隨機森林模型，用于判斷腐蝕類型。通過失重法驗證腐蝕速率，光學顯微鏡驗證腐蝕類型，證明ECN數據分析結果是可靠的，經過修正后的模型成功地用于預測CUI引起的局部腐蝕速率。Caines[29]研究了一種通過監測EPN預測獨立電極腐蝕速率方法，以滿足現場應用需求，并實現了應用。探究了處于腐蝕環境的獨立電極EPN信號與腐蝕速率、質量損失之間的相關性，表明電極表面生成的腐蝕產物會明顯減低EPN信號和腐蝕導致質量損失之間相關性，EPN信號和腐蝕速率相關性主要取決于電極潤濕時間，電極潤濕時間越長，相關性越好。

EN技術目前在大氣腐蝕、應力腐蝕開裂、緩蝕劑現場效果等監測領域取得應用[24-26]，作為一種原位無損監測技術，可用于監測局部腐蝕信息，在用于CUI監測實驗室研究中有很好的效果。但易發生CUI的環境存在干濕循環、冷熱交替、可選擇保溫材料繁多且隨服役時間老化，是非常復雜的腐蝕問題，而EN技術用于CUI監測也存在數據分析復雜問題。此外，EN技術采集信號隨機波動數量級很小，現場應用環境惡劣，電磁干擾嚴重也是限制其推廣應用的客觀原因。另一方面，EN在CUI監測方面的研究仍然相對較少，其結果的可靠性也尚需進一步驗證。陣列電極 (WBE) 是一種電化學方法，可以準確、直觀地監測電偶腐蝕和局部腐蝕[30,31]，Aung等[32]結合WBE和EN研究監測模擬保溫層下腐蝕性介質滲入過程。當腐蝕性介質通過滲透接觸WBE表面時，觀測到EPN信號大幅跳躍與WBE電流分布圖結果具有較好的對應性，WBE電流分布圖與實際觀測的WBE腐蝕表面具有良好的相關性。

2.2 射頻識別技術 (RFID)

RFID技術同樣可以用于CUI中后期監測，其主要研究方向為無源傳感器，閱讀器通過發射電磁波向標簽傳送足夠的能量，支持其完成CUI相關數據采集監測。無源傳感器工作不依賴任何耗材，服役期長，維護成本低，非常適合長期CUI監測。

Zhang[33]與研究了采用商用無源13.56 MHz RFID標簽進行腐蝕檢測和腐蝕階段分類的方法，采用峰間幅值監測表征低碳鋼的一般腐蝕等級。在論文中還研究了RFID監測腐蝕層厚度、電導性和滲透性變化，用于評估鋼材所處腐蝕階段，測得的RFID結果與腐蝕層實際電導率和滲透率變化的相關系數超過90%。Alamin等[34]開發了一種無源低頻RFID技術。經試驗驗證該射頻識別系統不僅能夠通過標簽信號的振幅隨著腐蝕程度的增加而增加，區分腐蝕樣品和未腐蝕樣品，而且能夠區分不同表面粗糙度的樣品。

RFID用于表面狀態監測，閱讀器與標簽的空間位置會影響到傳感器分析結果，很大程度上限制了RFID技術用于CUI中后期監檢測的商業化應用。

2.3 電容成像 (CI)

通過帶有共面電極的CI傳感器在保溫層外表面對結構掃描，將電性能分布繪制成圖像，根據電性能變化判斷是否發生CUI[35]。相比傳統脈沖渦流技術，CI對構件表面CUI特征更加敏感，并且不存在最大提離高度限制，更適用于較厚保溫層CUI監測[36]。除此之外，CI還可以反映保溫層內部的缺陷信息，包括水侵入、空隙和保溫材料老化等[35]。目前，CI已用于檢查輸油管道、復合抽油桿和儲罐腐蝕缺陷[37]。

Li等[38]分析測量靈敏度分布的基礎上，采用二維反褶積方法來解決了由“模糊效應”導致無法量化表征缺陷尺寸，探討了CI技術的穿透深度、信號強度和成像分辨率之間的權衡，論證了提取特征真實形狀的方法可行性。Yin等[39]提出了一種基于CI技術提離效應的腐蝕深度反演方法，包括建立提離曲線、獲得掃描曲線和擬合反演。該方法能夠獲取缺陷實際深度信息，反演深度的誤差率小于10.00%。文獻[35]利用CI掃描在不同提升條件下獲得的最大變化率 (MVR) 檢索絕緣覆蓋導體表面特征的尺寸。使用該方法對目標金屬表面進行線掃，獲取修正后的MVR數據分布，數據處理得到CUI缺陷面積和坑深。

CI技術可以提供更豐富的保溫層下信息 (水侵入、空隙和保溫材料老化等)，而目前在工程應用僅限于缺陷初步篩查，還無法工程應用于量化表征缺陷尺寸。從監測原理而言，該技術更適用于相比傳感器尺寸更大的缺陷監測，對于較小的缺陷，需要考慮一個額外的參數，即特征的寬度，在這種情況下，需要兩個不同提離高度的測量值信號變化的二維網格數據[39],目前尚無相關研究成果。

2.4 射線成像技術

目前用于CUI檢測輻射源主要為γ源，根據膠片或成像板與輻射源的相對位置劃分，射線成像技術可以分為直接成像法和后向散射法 (見圖2)[40-44]。直接成像法是測量以直線路徑穿過物體的入射光束的衰減，入射光束在待測物體中被部分吸收和散射，剩余的透射輻射沿直線到達檢測器。衰減量與分布在物體中的各相的原子數以及它們的密度分布有關。當射線在待測物體沿直線傳播時，由于康普頓相互作用，部分射線會散射回來，后向散射法是一種利用散射輻射成像技術，輻射在管道輸送液體中衰減很少，適用于大型管道成像，且直接成像圖像信息是管壁兩側腐蝕信息的加和，數據解讀存在困難。綜上所述，后向散射法更適合用于CUI檢測。

圖2   兩種成像技術[41]

Sipaun等[40]提出了一種使用伽馬射線透射測量和計算機斷層掃描 (CT) 來檢測和定位管道發生CUI區域的篩選和掃描方法。通過篩選獲得沿管道長度的測量值，以縮小管道異常的可疑區域，掃描管段CT圖像顯示管壁損失。Abdul-Majid等[41-43]建立了一個后向散射成像系統，散射輻射由一個閃爍探測器測量，該探測器使用一個二維機械掃描系統掃描待測物體。用多通道分析儀 (MCA) 顯示伽馬光譜，并選擇能量窗口寬度，以便只測量康普頓單次散射計數，采用用LabVIEW計算機程序構建圖像。成功地獲得了保溫層下物體外表面的缺陷圖像，該系統能夠檢測壁厚超過15 mm的大型管道的壁厚變化。熊亮等[44]開發了一套基于γ射線數字掃描檢測技術 (GSDT) 的CUI在線監測系統，用于CUI管道剩余壁厚監測。實驗表明，該系統測量誤差平均值約0.20 mm，方差0.09 mm，誤差范圍滿足CUI在線監測需求。

射線成像技術具有結果直觀可靠的優點，屬于一種商業化成熟的無損檢測技術。但缺點也很明顯，成本昂貴，存在輻射風險，不能用于外部應力腐蝕開裂檢測，且監測靈敏度較差，腐蝕缺陷較小時，難以通過該技術預警腐蝕風險。

2.5 超聲導波技術

超聲導波是常用的管道CUI篩查技術，環狀探頭由一組交流線圈和強磁性材質薄片組成，將磁化后的薄片 (相當于直流偏磁場) 通過耦合的方式緊貼于管道外表面，探頭激發產生的機械彈性波沿著管道雙向傳播遇到體積截面增加或者減少時，一部分波反射回來，被線圈傳感器接收，從而實現對缺陷的檢測[45]。商業化超聲導波檢測設備檢測管道溫度范圍-40~350 ℃，最高檢測靈敏度1%壁厚損失。在實際應用中，超聲導波檢測需拆除部分保溫層用于安裝探頭，恢復保溫層可能導致隔水措施失效。焊接鋼管的環焊縫也會在反射機械彈性波，掩蓋附近缺陷信號，造成漏檢，不能用于外部應力腐蝕開裂檢測。用于CUI缺陷篩查時，保溫層遮蓋為環焊縫信號排除造成困難。雖然超聲導波用于CUI篩查還存在一些問題，但覆蓋范圍大，快速高效，仍很受市場認可。超聲導波監測技術已在包覆保溫層的海上油氣平臺立管實現商業化應用，覆蓋范圍和監測效果主要受安裝位置影響，在較理想情況下檢測范圍可達40 m。

2.6 脈沖渦流技術 (PEC)

PEC的工作原理是分析急劇電磁躍遷后導電元件內部的瞬態渦流，每個脈沖分為三個階段：發射階段，在此期間探頭將磁場注入整個被檢查部件；短暫截止階段，當磁場發射突然停止時，將渦流引入部件；接收階段，在此期間，磁性傳感器測量渦流的衰減。渦流的衰減率與被檢查導電部件的厚度直接相關[46]。PEC是一種商業化的檢測工具，探頭覆蓋區平均壁厚檢測精度在±10%，可以在不移除管道和儲罐上的保溫材料的情況下檢測腐蝕缺陷[47]。PEC也存在一定局限性：單次檢測結果僅能覆蓋探頭范圍，大型結構檢測效率低；不能用于外部應力腐蝕開裂檢測；保溫結構外層金屬皮對檢測結果影響較大，在彎頭蝦米腰等金屬皮搭接的位置表現不佳。

2.7 示蹤劑技術

Lorenz和Sprachmann[48]公開了一種通過檢測示蹤劑判斷是否存在CUI的方法。采集保溫材料浸出液分析腐蝕反應的產物或額外加注示蹤劑含量變化，當設備設施材質為碳鋼時，示蹤劑可以包括可包含磷化氫、硫醇、醇、酸、酮、醛或鐵氧化過程中釋放的任何其他化學成分。額外加注示蹤劑可以借助掃描流體起到載體和置換作用，掃描流體通常選擇空氣、氮氣等不參與反應流體。

3 存在的問題與展望

(1) 保溫層隔水措施失效發生浸水后，如果金屬表面涂層完整或金屬表面快速恢復干燥，腐蝕將不會發生。因此CUI前期監檢測技術獲取的保溫層環境信息主要用于推測CUI傾向，以指導及時采取防護措施和檢維修作業。

(2) 目前EN和RFID技術是少數在腐蝕發生初期就可以及時預警的CUI中期監檢測技術，但尚未實現商業化應用。EN采集信號包含了多個腐蝕過程，對有效信號的提取、不同腐蝕過程信號的區分能力有非常高的要求。RFID用于表面狀態監測，閱讀器與標簽的空間位置會影響到傳感器分析結果，實際應用中需額外現場調試。

(3) CUI具有隱蔽性，腐蝕發生一段時間后，金屬缺失量達到一定程度才能被后期監檢測技術檢出，而對設備設施造成的損傷不可逆轉。雖然射線成像、超聲導波和脈沖渦流技術已實現商業化應用，但不能用于外部應力腐蝕開裂檢測且成本昂貴，還不能完全滿足需求。

(4) 目前已開展的研究主要集中在CUI的前期和后期監檢測技術，中期的相關研究很少；此外，CUI監檢測技術還存在數據解讀不充分的問題，準確性和精度還有待于進一步提高。

(5) 下一步應從CUI前期的腐蝕傾向、中期的腐蝕發展、后期的腐蝕損傷的全過程，進行CUI監檢測技術的研究開發，強化先進技術的應用研究，并結合保溫層環境信息和保溫類型、管道復雜程度、保溫條件等各類關鍵因素，構建適當的預測模型，不斷提高監檢測的準確性和精度；同時，根據不同環境下的保溫類型、保溫結構的特點，綜合考慮布設監測傳感器網絡時監測系統容錯性、可拓展性和綜合成本，實現CUI的全過程準確監控和工業化應用。

參考文獻

1 Cullin M J, Birmingham G, Srinivasan R, et al. Injectable sodium bentonite inhibitors for corrosion under insulation [J]. J. Pipeline Syst. Eng. Pract., 2020, 11: 04020036

2 Burhani N, Muhammad M, Ismail M C. Corrosion under insulation rate prediction model for piping by two stages of artificial neural network [A]. 6th International Conference on Production, Energy and Reliability 2018: World Engineering Science & Technology Congress (ESTCON) [C]. 2018

3 Eltai E O, Musharavati F, Mahdi E S. Severity of corrosion under insulation (CUI) to structures and strategies to detect it [J]. Corros. Rev., 2019, 37: 553

doi: 10.1515/corrrev-2018-0102

4 Geary W. Analysis of a corrosion under insulation failure in a carbon steel refinery hydrocarbon line [J]. Case Stud. Eng. Failure Anal., 2013, 1: 249

5 Morey A. Corrosion under insulation revisited: Aren't we about to finish that project?[J]. Proc. Saf. Prog., 2018, 37(4): 502

doi: 10.1002/prs.12007

6 Tsai Y H, Wang J, Chien W T, et al. A BIM-based approach for predicting corrosion under insulation [J]. Autom. Constr., 2019, 107: 102923

doi: 10.1016/j.autcon.2019.102923

7 Ayello F, Hill D, Marion S, et al. Integrated sensor networks for corrosion under insulation: monitoring, cost reduction, and life extension strategies [A]. Corrosion 2011 [C]. Houston, 2011

8 Deif S, Daneshmand M. Multiresonant chipless RFID array system for coating defect detection and corrosion prediction [J]. IEEE Trans. Ind. Electron., 2020, 67: 8868

9 Cadelano G, Bortolin A, Ferrarini G, et al. Corrosion detection in pipelines using infrared thermography: experiments and data processing methods [J]. J. Nondestr. Eval., 2016, 35: 49

doi: 10.1007/s10921-016-0365-5

10 Amer A, Al-Shehri A, Cunningham V, et al. Artificial intelligence to enhance corrosion under insulation inspection [A]. International Petroleum Exhibition & Conference [C]. Abu Dhabi, 2020

11 Cao Q, Pojtanabuntoeng T, Esmaily M, et al. A Review of Corrosion under Insulation: A Critical Issue in the Oil and Gas Industry[J]. Metals, 2022, 12(4): 561

doi: 10.3390/met12040561

12 Amer A, Al Shehri A, Parrott B, et al. Thermography image processing with neural networks to identify corrosion under insulation (CUI) [P]. U.S. Pat, 10551297B2, 2020

13 Liu H F, Han Y, Feng X, et al. Test on tiny leakage and insulating layer damage monitoring of buried oil pipelines using distributed optical fiber temperature sensor [J]. Oil Gas Storage Trans., 2018, 37: 1114

13 劉洪飛, 韓陽, 馮新 等. 埋地管道微小泄漏與保溫層破壞分布式光纖監測試驗 [J]. 油氣儲運, 2018, 37: 1114

14 Thomas P J, Hellevang J O. A distributed fibre optic approach for providing early warning of corrosion under insulation (CUI) [J]. J. Loss Prev. Process Ind., 2020, 64: 104060

doi: 10.1016/j.jlp.2020.104060

15 Thomas P J, Hellevang J O. A high response polyimide fiber optic sensor for distributed humidity measurements [J]. Sens. Actuators, 2018, 270B: 417

16 Cho H, Tamura Y, Matsuo T. Monitoring of corrosion under insulations by acoustic emission and humidity measurement [J]. J. Nondestr. Eval., 2011, 30: 59

doi: 10.1007/s10921-011-0090-z

17 Simonetti F, Nagy P B, Bejjavarapu S M, et al. Long-range microwave detection of wet insulation for CUI mitigation [A]. Corrosion 2015 [C]. Dallas, 2015

18 Jones R E, Simonetti F, Lowe M J S, et al. Use of microwaves for the detection of water as a cause of corrosion under insulation [J]. J. Nondestr. Eval., 2012, 31: 65

doi: 10.1007/s10921-011-0121-9

19 Jones R E, Simonetti F, Lowe M J S, et al. Use of microwaves for the detection of corrosion under insulation: a sensitivity study [J]. AIP Conf. Proc., 2011, 1335: 1714

20 Alleyne D N, Pavlakovic B, Lowe M J S, et al. Rapid, long range inspection of chemical plant pipework using guided waves [J]. AIP Conf. Proc., 2001, 557: 180

21 Mudge P J. Field application of the teletest long-range ultrasonic testing technique [J]. Insight, 2001, 43: 74

22 Guo Q, Wu X Q, Xu S, et al Research status and progress of high temperature and high pressure on-line corrosion monitoring technology [J]. Corros. Sci. Prot. Technol., 2016, 28: 160

22 郭琦, 吳欣強, 徐松 等. 高溫高壓在線腐蝕監測技術研究現狀與進展 [J]. 腐蝕科學與防護技術, 2016, 28: 160

23 Xia D H, Song S Z, Behnamian Y. Detection of corrosion degradation using electrochemical noise (EN): review of signal processing methods for identifying corrosion forms [J]. Corros. Eng., Sci. Technol., 2016, 51: 527

24 Zhang Z, Wu X Q, Tan J B. Review of electrochemical noise technique for in situ monitoring of stress corrosion cracking [J]. J. Chin. Soc. Corros. Prot., 2020, 40: 223

24 張震, 吳欣強, 譚季波. 電化學噪聲原位監測應力腐蝕開裂的研究現狀與進展 [J]. 中國腐蝕與防護學報, 2020, 40: 223

25 Homborg A M, Tinga T, Van Westing E P M, et al. A critical appraisal of the interpretation of electrochemical noise for corrosion studies [J]. Corrosion, 2014, 70: 971

doi: 10.5006/1277

26 Li H J, Wang Q S, Liao Z H, et al. Electrochemical noise behavior of X70 steel and its weld in Cl--containing high pH solution [J]. J. Chin. Soc. Corros. Prot., 2022, 42: 60

26 李鴻瑾, 王歧山, 廖子涵 等. X70鋼及其焊縫在含Cl-高pH值溶液中電化學噪聲行為研究 [J]. 中國腐蝕與防護學報, 2022, 42: 60

27 Wei Y J, Xia D H, Song S Z. Detection of SCC of 304 NG stainless steel in an acidic NaCl solution using electrochemical noise based on chaos and wavelet analysis [J]. Russ. J. Electrochem., 2016, 52: 560

doi: 10.1134/S1023193516060124

28 Hou Y, Pojtanabuntoeng T, Iannuzzi M. Use of electrochemical current noise method to monitor carbon steel corrosion under mineral wool insulation [J]. npj Mater. Degrad., 2020, 4: 39

doi: 10.1038/s41529-020-00144-3

29 Caines S. Development of a simplified electrochemical noise method to monitor assets under insulation [D]. St. Johns: Memorial University, 2016

30 Wu Y L, Zhang D P, Cai G Y, et al. Effects of temperature on polarity reversal of under deposit corrosion of mild steel in oilfield produced water [J]. Corros. Eng., Sci. Technol., 2020, 55: 708

31 Shi W, Wang T Z, Dong Z H, et al. Application of wire beam electrode technique to investigate the migrating behavior of corrosion inhibitors in mortar [J]. Constr. Build. Mater., 2017, 134: 167

doi: 10.1016/j.conbuildmat.2016.12.036

32 Aung N N, Wai W K, Tan Y J. A novel electrochemical method for monitoring corrosion under insulation [J]. Anti-Corros. Methods Mater., 2006, 53: 175

doi: 10.1108/00035590610665590

33 Zhang H. Radio frequency non-destructive testing and evaluation of defects under insulation [D]. Newcastle: Newcastle University, 2014

34 Alamin M. Passive low frequencey RFID for detection and monitoring of corrosion under paint and insulation [D]. Newcastle: Newcastle University, 2014

35 Yin X K, Gu Y, Li Z, et al. Retrieving dimensions of surface features on conductors covered by insulation using the maximum Variation Ratio (MVR) in capacitive imaging [J]. NDT & E Int., 2021, 117: 102384

doi: 10.1016/j.ndteint.2020.102384

36 Yin X K, Hutchins D A, Chen G M, et al. Detecting surface features on conducting specimens through an insulation layer using a capacitive imaging technique [J]. NDT & E Int., 2012, 52: 157

doi: 10.1016/j.ndteint.2012.08.004

37 Yin X K, Hutchins D A, Chen G M, et al. Studies of the factors influencing the imaging performance of the capacitive imaging technique [J]. NDT & E Int., 2013, 60: 1

doi: 10.1016/j.ndteint.2013.07.001

38 Li Z, Yin X K, Yan A, et al. Characterizing surface features on conducting specimens through an insulation layer using the capacitive imaging technique [J]. AIP Conf. Proc., 2016, 1706: 090003

39 Yin X K, Li Z, Yuan X A, et al. Corrosion depth inversion method based on the lift-off effect of the capacitive imaging (CI) technique [J]. IEEE Access, 2020, 8: 22770

doi: 10.1109/ACCESS.2020.2970204

40 Sipaun S, Ab Rahman M F, Hasan H, et al. Examination of corrosion under insulation using gamma ray computed tomography [A]. IOP Conference Series: Materials Science and Engineering [C]. Selangor, 2020: 012039

41 Abdul-Majid S, Balamesh A. Imaging corrosion under insulation by gamma ray backscattering method [A]. 18th World Conference on Nondestructive Testing [C]. Durban, 2012: 16

42 Abdul-Majid S, Balamesh A. Single side imaging of corrosion under insulation using single photon gamma backscattering [J]. Res. Nondestr. Eval., 2014, 25: 172

doi: 10.1080/09349847.2013.869376

43 Susiapan Y S L, Rahim R A, Pusppanathan J, et al. Portable gamma-ray tomography instrumentation for investigating corrosion under insulation of pipelines [A]. Proceedings of the 13th WSEAS International Conference on Circuits [C]. Rodos, 2009: 168

44 Xiong L, Sun Y J. Research on monitoring system for corrosion of pipeline under insulation and its application [J]. J. Saf. Sci. Technol., 2019, 15(11): 102

44 熊亮, 孫玉江. 保溫層下管道腐蝕監測系統及應用研究 [J]. 中國安全生產科學技術, 2019, 15(11): 102

45 Bray A V, Corley C J, Fischer R B, et al. Development of guided wave ultrasonic techniques for detection of corrosion under insulation in metal pipe [A]. Proceedings of the 1998 ASME Energy Sources Technology Conference [C]. Houston, 1998

46 Cheng W Y. Pulsed eddy current testing of carbon steel pipes' wall-thinning through insulation and cladding [J]. J. Nondestr. Eval., 2012, 31: 215

doi: 10.1007/s10921-012-0137-9

47 Sophian A, Tian G Y, Taylor D, et al. A feature extraction technique based on principal component analysis for pulsed Eddy current NDT [J]. NDT & E Int., 2003, 36: 37

doi: 10.1016/S0963-8695(02)00069-5

48 Lorenz M, Sprachmann G. Method and system for detecting corrosion of an insulated corrosion prone object [P]. U.S. Pat, US-9267874-B2, 2016