[发明专利]一种油气管道凹坑的检测方法及检测装置

说明书

本发明公开了一种油气管道凹坑的检测方法及检测装置，属于石油工程技术领域。该检测方法包括：获取采用样本数据训练完成的径向基函数神经网络，样本数据包括样本管道的第一弯曲应变数据和与第一弯曲应变数据相对应的样本管道的第一凹坑深度数据，第一弯曲应变数据通过样本管道的采样区域获取，径向基函数神经网络是以第一弯曲应变数据为输入值，以第一凹坑深度数据为输出值训练得到的；获取待检测管道的第二弯曲应变数据；将第二弯曲应变数据作为训练完成的径向基函数神经网络的输入值，以得到待检测管道的第二凹坑深度数据。本发明解决了现在的检测方法对于凹坑的危害性反应不完全的问题。

技术领域

本发明属于石油工程技术领域，特别涉及一种油气管道凹坑的检测方法及检测装置。

背景技术

长距离埋地油气管道在埋入地下后，由于受到施工或者其他因素的影响，会导致油气管的管壁发生凹陷变形，变形处的油管除了会受到正常的内压载荷之外，还会受到因变形而产生的变形应力载荷，因此很容易出现破损，存在较大的安全隐患。

为了避免管道因凹陷变形而产生安全事故，会对埋入地下的管道进行检测，以找到可能存在的凹坑，并通过进一步地检测出凹坑的各项参数来判断该凹坑是否会造成安全事故，进而能够采取有效的预防措施，避免安全事故的产生。常见的检测方法为通过管道变形检测器对管道进行检测，但是该检测方式仅能够得到凹坑的坑口尺寸信息和位置信息，不能得到凹坑的深度信息，然而凹坑的深度信息是判断该凹坑是否会造成安全事故的重要依据，因此现在常用的检测方法并不能完全的反应凹坑的危害性。

发明内容

为了解决现在的检测方法对于凹坑的危害性反应不完全的问题，本发明实施例提供了一种油气管道凹坑的检测方法及检测装置。所述技术方案如下：

一方面，本发明实施例提供了一种油气管道凹坑的检测方法，所述检测方法包括：

获取采用样本数据训练完成的径向基函数神经网络，所述样本数据包括样本管道的第一弯曲应变数据和与所述第一弯曲应变数据相对应的所述样本管道的第一凹坑深度数据，所述第一弯曲应变数据通过所述样本管道的采样区域获取，所述采样区域是通过检测所述样本管道的形变区域的应变值和所述形变区域沿所述样本管道的长度方向的长度中的至少一项得到的，所述形变区域的沿所述样本管道的长度方向的长度大于12m，所述形变区域的应变值大于0.125％，所述第一弯曲应变数据包括最大应变峰值和所述最大应变峰值两端的翘曲量，以及所述最大应变处对应的弯曲长度和所述最大应变的两端处对应的翘曲长度，所述径向基函数神经网络是以所述第一弯曲应变数据为输入值，以所述第一凹坑深度数据为输出值训练得到的；

获取待检测管道的第二弯曲应变数据；

将所述第二弯曲应变数据作为训练完成的所述径向基函数神经网络的输入值，以得到待检测管道的第二凹坑深度数据。

进一步地，所述获取采用样本数据训练完成的径向基函数神经网络，包括：

求取所述径向基函数神经网络的求解参数，所述径向基函数神经网络包括输入层、隐含层和输出层，所述求解参数包括所述径向基函数神经网络的基函数的中心和方差以及所述隐含层和所述输出层之间的神经元的连接权值。

进一步地，所述基函数的中心通过K均值聚类方法求取。

进一步地，求取所述基函数的中心，包括：

在所有所述样本数据中随机选取h个所述第一弯曲应变数据和与所述第一弯曲应变数据相对应的所述第一凹坑深度数据，并将选取的所述第一弯曲应变数据和所述第一凹坑深度数据作为多个聚类中心，h为正整数；

将没有被选取的所述样本数据以各个聚类中心为中心进行分类，以得到多个聚类集合，分类是根据最近邻规则进行的；