[发明专利]基于人工智能的管道完整性评价方法及装置

权利要求书

1.一种基于人工智能的管道完整性评价方法，其特征在于，包括：

获取管道的磁感应检测信号数据后对磁感应检测信号数据进行处理；

将所述磁感应检测信号数据输入至完整性评价模型中，得到所述管道的缺陷位置、维修等级、缺陷类型以及是否有金属、树木干扰；

其中，所述完整性评价模型为将预先通过专家经验或开挖验证确定是否存在异常及管道异常缺陷位置、缺陷类型、维修等级、是否有金属、树木干扰等磁感应检测信号数据作为样本集进行处理后作为输入，将缺陷在原始信号数据上的起始位置和结束位置以及对应的维修等级、缺陷类型、有无金属、树木因素的干扰作为输出，对初始神经网络模型进行训练和测试后得到的。

2.根据权利要求1所述的基于人工智能的管道完整性评价方法，其特征在于，还包括：所述完整性评价模型的样本集的处理过程；

其中，所述完整性评价模型的样本集的处理过程包括：

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的异常信号需要覆盖各种缺陷位置、缺陷类型和维修等级，以及需要覆盖有树木金属干扰和无树木金属干扰的情况；

所述预设数量的样本磁感应检测信号数据中的异常信号的缺陷位置、缺陷类型、维修等级、是否有树木、金属干扰是根据开挖验证或专家凭经验确定的；

将样本磁感应检测信号数据中的异常点的维修等级、缺陷位置、缺陷类型、是否有树木金属干扰标记为样本标签，统计样本集中信号异常和正常数量的比例，将现有的样本集数据以该比例值，随机分成训练集和测试集；

所述训练集和测试集用于采用训练集训练网络模型，测试集测试网络效果。

3.根据权利要求2所述的基于人工智能的管道完整性评价方法，其特征在于，在收集预设数量的样本磁感应检测信号数据之后，所述样本集的处理过程还包括以下步骤：

对所述样本磁感应检测信号数据进行长度规范化处理，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；

首先统计所有被检管段磁感应检测信号数据的平均长度四舍五入到整数，然后执行下述情况1至情况5：

情况1：对于数组长度的信号数据，用插值的方式将数组长度放缩到具体地，先得到新数组的采样点在原始数值坐标中的位置：

式中，X为变换后新数组的位置信息集合；

根据新的位置信息X，利用线性插值计算新位置上的检测信号插值方式为：

式中，j＝[i]为i的整数部分，为原数据中对应位置的磁感应检测信号数据，得到的新磁感应检测信号数据H^*的向量长度为

情况2：对于数组长度的信号数据，对数组进行拼接得到新信号：

信号长度变为N*l，直到再按情况1中的方法，将长度放缩为

情况3：对于数组长度的无异常信号数据，从数组的起始位置和终点位置分别向对侧划分长度，得到两个新数据，即：

情况4：对于数组长度的无异常信号数据H，从数组起点位置按长度开始切割，得到长度为的信号，直到剩余部分的长度再按照情况1-情况3的方法将剩余部分长度也变为

情况5：对于数组长度的有异常信号数据H，则异常区域集G表达为

G＝{[g_i，g_i+D_i]，i＝1，2，...，q}

式中，q为H中异常区域的数量，g_i为第i处异常的起点位置，D_i为第i处异常的位置长度，首先，对每个异常区域，分别从异常信号起终点向两侧划分长度，若或区间内完全包含其他信号异常区间，则合并异常区间并剪裁，具体的：当时，将异常区域合并为同一个信号并裁减，同理当时，将异常区域合并为同一信号并裁减，裁剪后的数组长度为若或区间内不完全包含其他异常信号，从异常信号[g_i，g_i+D_i]的中点分别向两侧延伸，得到长度为的区间若此区间包含其他异常信号的端点，则该端点作为一个裁剪点，再向另一侧延伸裁剪，保证含信号异常的部分长度为以包含端点g_i-1+D_i-1为例，得到剪裁区间若此时右端点落在其他异常区间内，则再向左缩至无异常处，得到最终的剪裁区间[g_i-1+D_i-1，g_i+1]，对最终裁剪的信号数组重复情况1-情况2；对于的信号，直接将该部分异常信号区域裁剪为一个信号数组，再对剩余的部分进行上述步骤处理；对于上述裁剪后剩余的无信号区域，循环执行情况1-情况4。