[发明专利]基于检测信号的管道完整性智能评价方法及装置

说明书

本发明公开了一种基于检测信号的管道完整性智能评价方法及装置，方法包括：获取管道的磁感应检测信号数据；将磁感应检测信号数据输入至完整性智能评价模型中，得到管道的完整性智能评价结果；其中，完整性智能评价结果包括异常区域位置和维修等级；完整性智能评价模型为将样本磁感应检测信号数据作为模型的输入，将与所述样本磁感应检测信号数据对应的异常区域位置和维修等级作为模型的输出，对神经网络模型进行训练和测试后得到的。本发明基于磁感应检测信号数据，提出一种适应性强且不受人为主观因素影响的管道完整性智能评价方法，提高了检测结果解析的准确性，避免盲目维修，可以极大地提高经济性和降低劳动力，同时提高了管道的安全性。

技术领域

本发明涉及管道安全评价技术领域，具体涉及一种基于检测信号的管道完整性智能评价方法及装置。

背景技术

厂内管道是炼化厂、站场生产的命脉，是各设施的纽带。厂内埋地管道检测难度大、腐蚀严重，时常发生泄漏等问题，对环境、安全和经济都带来巨大损失。目前厂内埋地管道的开挖检测的方法主要为磁应力检测。

现有的磁感应检测信号解读技术主要是直接依据人工经验对信号图进行判断，依据相关分级标准对磁应力检测信号异常进行分级，然而这种方式的缺点是引入了过多人为主观因素，评价的准确性不能保证，且人工成本高，经济性差。

发明内容

针对现有技术存在的问题，本发明实施例提出一种基于检测信号的管道完整性智能评价方法及装置。

具体地，本发明实施例提供了以下技术方案：

第一方面，本发明实施例提供了一种基于检测信号的管道完整性智能评价方法，包括：

获取管道的磁感应检测信号数据；

将所述磁感应检测信号数据输入至完整性智能评价模型中，得到所述管道的完整性智能评价结果；其中，所述完整性智能评价结果包括异常区域位置和维修等级；

其中，所述完整性智能评价模型为将样本磁感应检测信号数据作为模型的输入，将与所述样本磁感应检测信号数据对应的异常区域位置和维修等级作为模型的输出，对神经网络模型进行训练和测试后得到的。

进一步地，基于检测信号的管道完整性智能评价方法，还包括：所述完整性智能评价模型的训练过程；

其中，所述完整性智能评价模型的训练过程包括：

收集预设数量的样本磁感应检测信号数据；其中，所述预设数量的样本磁感应检测信号数据需要覆盖各种异常区域位置和各种维修等级；

根据检测信号解析专家凭经验或开挖确定与所述预设数量的样本磁感应检测信号数据对应的管道异常区域位置及维修等级；

将样本磁感应检测信号数据作为模型的输入，将与所述样本磁感应检测信号数据对应的异常区域位置和维修等级作为模型的输出，基于智能学习算法对神经网络模型进行训练和测试，得到完整性智能评价模型。

进一步地，在收集预设数量的样本磁感应检测信号数据之后，所述方法还包括以下步骤：

对所述样本磁感应检测信号数据进行长度统一处理，具体包括：

每段管道的磁感应检测信号通常为二维数组，形式为：

其中，m为采样次数，在每个采样点所得到的磁感应检测信号：

其中，n为磁感应检测信号维度，h_ij表示磁感应检测信号的第j个信号特征的数值大小；

磁感应检测信号数据的采样频率统一，H的长度代表被检测管段的长度，将磁感应检测信号数据进行标准化处理，使得每段检测信号向量的长度相同，以便网络训练；