[发明专利]工艺管线疲劳损伤识别及预测方法、系统、设备和介质

权利要求书

1.一种工艺管线疲劳损伤识别及预测方法，其特征在于，所述方法包括以下步骤：

计算海洋石油平台各工艺管线的失效可能性系数，确定多模信号检测的关键工艺管线；

获取关键工艺管线的多模检测数据，并基于获取的多模检测数据进行损伤识别，得到关键工艺管线的损伤识别结果；

基于损伤识别结果，根据应力应变测量数据对关键工艺管线进行疲劳寿命预测，得到关键工艺管线的疲劳寿命预测结果。

2.如权利要求1所述的一种工艺管线疲劳损伤识别及预测方法，其特征在于，所述计算海洋石油平台各工艺管线的失效可能性系数，确定多模信号检测的关键工艺管线的方法，包括：

分别进行海洋石油平台工艺管线内流体至振动评估、流体脉动评估以及高频声学振动评估，得到各工艺管线的失效可能性系数；

基于得到的各工艺管线的失效可能性系数以及预设准则确定海洋石油平台工艺管线的薄弱位置，作为多模信号检测的关键工艺管线。

3.如权利要求1所述的一种工艺管线疲劳损伤识别及预测方法，其特征在于，所述获取关键工艺管线的多模检测数据，并基于获取的多模检测数据进行损伤识别，得到关键工艺管线的损伤识别结果的方法，包括以下步骤：

对关键工艺管线进行振动测量和声发射测量，得到关键工艺管线的振动信号和声发射信号；

对关键工艺管线的振动信号和声发射信号进行预处理得到输入向量，输入预先构建的多模融合损伤识别模型，得到多模融合损伤识别结果。

4.如权利要求3所述的一种工艺管线疲劳损伤识别及预测方法，其特征在于，多模融合损伤识别模型的构建方法，包括以下步骤：

对振动信号进行预处理，并输入BP神经网络智能模型进行损伤识别，得到基于振动信号的损伤识别结果；

对声发射信号进行预处理，并输入PNN神经网络模型进行损伤识别，得到基于声发射信号的损伤识别结果；

训练多模融合损伤识别模型，该模型以振动信号和声发射信号的融合向量为输入，以基于振动信号的损伤识别结果和基于声发射信号的损伤识别结果的融合向量为输出。

5.如权利要求4所述的一种工艺管线疲劳损伤识别及预测方法，其特征在于，对振动信号进行预处理，并输入BP神经网络智能模型进行损伤识别，得到基于振动信号的损伤识别结果的方法，包括：

获取关键工艺管线的振动信号；

基于模态理论对获取的关键工艺管线的振动信号进行预处理，得到管道振动模态参数；

将管道振动模态参数输入到BP神经网络模型进行损伤定位，得到损伤情况及位置。

6.如权利要求4所述的一种工艺管线疲劳损伤识别及预测方法，其特征在于，对声发射信号进行预处理，并输入PNN神经网络模型进行损伤识别，得到基于声发射信号的损伤识别结果的方法，包括以下步骤：

基于小波变换和EMD分解，对获取的声发射信号进行特征提取，得到特征向量；

结合PNN神经网络将提取到底特征向量与模式样本进行对比，获得网络输出分类结果；

基于声发射信号得到信号时差，以信号时差对网络输出分类结果进行判定，确定损伤识别时噪声或裂纹损伤。

7.如权利要求1所述的一种工艺管线疲劳损伤识别及预测方法，其特征在于，基于损伤识别结果，根据应力应变测量数据对关键工艺管线进行疲劳寿命预测，得到关键工艺管线的疲劳寿命预测结果的方法，包括：

通过应力应变测量装置获取关键工艺管线的应力集中处的应力水平；

对得到的应力水平进行预处理，采用雨流计数法编制应力谱，结合线性损伤累积理论评估关键工艺管线的疲劳寿命。

8.一种工艺管线疲劳损伤识别及预测系统，其特征在于，包括：

初选位置确定模块，用于计算关键工艺管线的失效可能性系数，确定多模信号检测的关键工艺管线；

多模融合识别模块，用于获取关键工艺管线的多模检测数据，并基于获取的多模检测数据进行损伤识别，得到关键工艺管线的损伤识别结果；

疲劳预测模块，用于根据应力应变测量数据对关键工艺管线进行疲劳寿命预测，得到关键工艺管线的疲劳寿命预测结果。