[发明专利]一种管道腐蚀人工智能预警方法

权利要求书

1.一种管道腐蚀人工智能预警方法，其特征在于，包括如下步骤：

步骤1：收集管道的基础数据：

管道外径D_w，mm；(2)管道内径D_n，mm；(3)管道材料的屈服强度σ_s，MPa；(4)管道壁厚d，mm；(5)管道设计压力P，MPa；(6)管道腐蚀裕量C，mm；(7)管道生产运行时间T_s，a；(8)管道设计使用年限T_u；

步骤2：划分管道腐蚀缺陷区域：

检测管道腐蚀缺陷按照轴向和环向对区域进行网格划分：轴向划分m份分别为C₁、C₂…C_i…C_m，环向划分n份分别为L₁、L₂…L_j…L_n，从而将腐蚀缺陷离散划分为m×n个壁厚测量点A_ij(i＝1、2、3…m；j＝1、2、3…n)；

其中：m为轴向划定的区域个数，C₁、C₂…C_m为轴向划定区域的每一份对应一个缺陷的轴向测量点；n为环向划定的区域个数，L₁、L₂…L_n为轴向划定区域的每一份对应一个缺陷的环向测量点；A_ij为腐蚀缺陷离散划分的m×n个壁厚测量点；

步骤3：管道继续服役条件的判定，具体步骤：

(a)通过公式(1)求解轴向要求最小壁厚通过公式(2)求解环向要求最小壁厚将计算结果和带入公式(3)确定管道最小要求壁厚t_min：

式中：为轴向要求最小壁厚，mm；为环向要求最小壁厚，mm；t_min为管道最小要求壁厚，mm；

(b)统计管道腐蚀缺陷区域的m×n个壁厚测量点的壁厚值a_ij，其中测量得到壁厚值最小的是a_min，通过公式(4)求解所有被测点壁厚的平均值t_am：

式中：a_ij为腐蚀缺陷离散划分的m×n个测量点的壁厚值，mm；t_am为所有被测点壁厚的平均值，mm；

(c)通过公式(5)求解管道的剩余壁厚比R_t：

式中：R_t为管道的剩余壁厚比；

(d)求解管道轴向最大允许腐蚀缺陷的长度L：

若R_t≥0.793，则

若R_t＜0.793，则

其中：L为轴向最大允许腐蚀缺陷的长度值，mm；

(e)确定管道安全服役条件：

若La≤L，则管道可以继续服役；

若LaL且tam-C≥0.9tmin时，则管道可以继续服役；

若LaL且tam-C＜0.9tmin时，则管道不可以继续服役，判定为一级预警等级，预警标识显示为红色；

其中：L_a为管道壁厚断面腐蚀缺陷的轴向长度，mm；

步骤4：预测管道剩余寿命：

(a)基于在线监测预测管道剩余寿命：

1)预测管道腐蚀速率，具体步骤：

①整理现场腐蚀监测数据集：某一时间段的监测时间数据集α(t₁、t₂、t₃…t_n)；监测时间对应的腐蚀速率数据集β(V₁、V₂、V₃…V_n)；

其中：t₁、t₂、t₃…t_n为按照时间排序间隔一个步长的监测时间；V₁、V₂、V₃…V_n为监测时间对应的腐蚀速率监测值，mm/a；

②观察腐蚀监测数据集补充缺失数据：

任取腐蚀监测时间数据集α中的3个时间t_a、t_b、t_c，取腐蚀速率数据集β中对应的腐蚀速率监测值V_a、V_b、V_c，带入公式(6)得到缺失时间t_x对应的腐蚀速率值V_x：

式中：t_a、t_b、t_c为监测时间数据集α中的任意三个时间；V_a、V_b、V_c为腐蚀速率数据集β中t_a、t_b、t_c对应的腐蚀速率监测值，mm/a；t_x为缺失的监测时间；V_x为t_x对应的腐蚀速率，mm/a；

③构建长短时记忆神经网络：

I完整的腐蚀监测数据集：包含腐蚀数据缺失值的监测时间数据集α’(t₁、t₂、t₃…t_x…t_n)和对应的腐蚀速率数据集β’(V₁、V₂、V₃…V_x…V_n)，其中α’为输入值，β’为输出值；

II长短时记忆神经网络模型内部结构包含遗忘门、输入门、输出门：

i上一时间t_i-1的腐蚀速率监测V_i-1经过t_i时间长短时神经网络的遗忘门f(t_i)式(7)进行更新遗忘：

式中：f(t_i)表示为遗忘门函数；σ为神经网络激活函数，此处选用sigmoid函数；w_f与u_f为遗忘门权重系数矩阵；b_f为网络偏置值；t_i为目标预测时间；表示t_i时间对应的时间数据；t_i-1为监测时间数据集α’的某一时间；V_i-1表示对应的腐蚀速率数据集β’中的腐蚀速率，mm/a；

iit_i对应的时间数据t_i-1时间对应的腐蚀监测值V_i-1进入t_i时间长短时神经网络的输入门i(t_i)式(8)与备选内容式(9)：

式中：i(t_i)表示输入门的决定系数；σ为神经网络激活函数，此处选用sigmoid函数；w_i与u_i为输入门决定系数权重系数矩阵；b_i表示输入门决定系数矩阵的偏置值；表示输入门备选内容；w_c表示输入门备选内容权重矩阵；b_c表示输入门备选内容的偏置值；tanh表示双曲正切激励函数；

iii利用t_i时刻的遗忘门f(t_i)与输入门决定系数i(t_i)、备选内容进行神经元状态当前的更新，得到t_i时刻的神经元更新函数C_ti式(10)：

式中：表示t_i-1时间的神经更新函数；表示t_i时间的神经更新函数；

ivt_i时间的神经元更新函数t_i对应的时间数据和上一时间t_i-1时刻对应的腐蚀速率监测值V_i-1经过t_i时间的输出门式(11)，输出腐蚀速率预测值V_i式(12)：

式中：表示输出门决定系数；σ表示神经网络激活函数，此处选用sigmoid函数；w_o表示输出门权重矩阵；b_o表示输出门的偏置值；V_i表示目标时间t_i的腐蚀速率预测值，mm/a；

2)将上述预测得到的腐蚀速率预测值V_i、腐蚀管道最小要求壁厚t_min和所有被测点壁厚的平均值t_am带入公式(13)求解管道剩余寿命T'_L：

式中：T'_L为基于在线监测管道剩余寿命，a；

K为安全系数，当La≤L时，K取值为1；当La＞L时，K取值为0.9；

(b)基于超声波测厚预测管道剩余寿命：

1)估算管道腐蚀速率V_μ式(14)：

式中：V_μ为腐蚀速率估值，mm/a；△d为同点测厚前后壁厚之差，mm；△T为测厚前后时间差，a；

2)求解管道计算壁厚ε式(15)：

式中：ε为钢管计算壁厚，mm；P为设计压力，MPa；σ_s为钢管屈服强度，MPa；

3)将腐蚀速率估值V_μ和管道计算壁厚ε带入计算公式(16)求解腐蚀剩余寿命T″_L：

式中：T″_L为基于超声波测厚管道剩余寿命，a；

(b)确定管道剩余寿命T_L：

T_L＝min(T′_L,T″_L) (17)

式中：T_L为管道剩余寿命，a；

步骤5：管道安全服役条件的判定：

(a)若T_L≥T_u-T_s，则管道可以继续安全服役，判定为五级预警等级，预警标识显示为绿色；

(b)若T_L＜T_u-T_s，则需进一步判定腐蚀预警等级；

其中：T_s为管道生产运行时间，a；T_u为设计年限，a；

步骤6：腐蚀预警等级设定条件：

(a)若T_sT_LT_u-T_s时，则判定为四级预警等级，预警标识显示为蓝色；

(b)若10T_LT_u时，则判定为三级预警等级，预警标识显示为黄色；

(c)若3T_L10时，则判定为二级预警等级，预警标识显示为橙色；

(d)若T_L3时，则判定为一级预警等级，预警标识显示为红色；

步骤7：预警处理：

(a)对于一级预警，腐蚀程度非常严重，需更换腐蚀管道；

(b)对于二级预警，腐蚀程度严重，管道需停止运行并进行修理；

(c)对于三级预警，腐蚀程度比较重，管道降压运行并进行修理；

(d)对于四级预警，注意观察管道腐蚀情况；

(e)对于五级预警，表示管道腐蚀控制情况较好，管道可以安全生产运行。