[发明专利]基于径向基函数神经网络的管道安全系数生成方法及装置

说明书

本发明提供了一种基于径向基函数神经网络的管道安全系数生成方法及装置，该方法包括：获取管道的缺陷参数及风险参数；利用所述缺陷参数及风险参数及预先建立的基于径向基函数神经网络的安全系数生成模型生成所述管道的安全系数。本发明能够提供一种利用管道大数据的丰富数据资源，结合径向基网络方法深度学习的优点，更加准确地计算管道安全系数的方法。

技术领域

本发明涉及管道行业领域，特别是管道的缺陷预测领域，具体涉及一种基于径向基函数神经网络的管道安全系数生成方法及装置。

背景技术

随着能源需求的快速增长，管道工程建设得到了迅速发展，管道安全问题不容忽视，通过评价来了解管道现状，提出保障管道安全的维修和维护措施，能够避免油气管道事故的发生，保障管道的安全运行。自20世纪60年代以来，美国、加拿大、英国等西方国家一直在进行管道缺陷评价研究，到目前为止共出台了ASME B31.G标准、RSTRENG标准、DNV RPF101标准、API 579标准等管道完整性评价标准和方法，这些方法有各自的适用范围和保守性。

管道完整性评价DNV RP F101标准中对缺陷管道的评价主要包括分项安全系数法和许用应力法，两者的安全原理不相同。分项安全系数法与DNV海上标准OS-F101“管道系统”中采用的安全原理一致，特别考虑了材料性质和缺陷深度测定尺寸的不确定性，给出了确定受腐蚀管道的许用操作压力的概率校准方程；许用应力法基于许用应力设计(ASD)，计算腐蚀缺陷的失效压力(承载能力)，再乘以初始设计系数，即可计算出安全运行压力。

DNV RP F101标准能够分别评价独立的、相互影响的以及形状复杂的腐蚀缺陷，也能够评价唯有内压荷载作用下的纵向腐蚀缺陷管道、叠加内压与纵向压应力的纵向腐蚀缺陷与环向腐蚀缺陷，适用范围广泛。但是采用分项安全系数法对腐蚀缺陷管道进行评价时，需要更为详细的管道参数、腐蚀缺陷参数以及检测参数，对于缺失管道信息的部分老管道的评价具有局限性。

对含缺陷管道的评价可采用有限元仿真的方法，有限元仿真方法主要分为线性有限元分析和非线性有限元分析两种方法，可以分析单个腐蚀缺陷和相互影响的腐蚀缺陷等多种情况，主要以弹性极限准则和塑性失效准则为理论依据，采用ANSYS，COMSOL等有限元仿真软件，建立腐蚀缺陷管道实体模型，对模型进行网格划分、加载和求解，通过通用后处理功能，查看管道等效应力云图，得出腐蚀缺陷管道等效应力的大小，评价腐蚀缺陷管道。

有限元仿真方法能够准确描述长输油气管道以及腐蚀缺陷的实际运行状况，评价结果相对比较准确，但采用有限元方法进行管道评价时，该方法对评价过程要求较为严格，过程比较繁琐，计算量较大，不适用于大范围评价。

在对各种含缺陷管道完整性评价方法进行对比研究之后可以发现，当前的评价方法多是基于某种特定方程，没有对缺陷具体风险情况作出针对性评价。按照其评价结果指导管道维修，可能会造成不必要的管段维修或更换。

发明内容

针对现有技术中的问题，本发明能够提供一种利用管道大数据的丰富数据资源，结合径向基网络方法深度学习的优点，更加准确地计算管道安全系数的方法。

为解决上述技术问题，本发明提供以下技术方案：

第一方面，本申请提供一种基于径向基函数神经网络的管道安全系数生成方法，包括：

获取管道的缺陷参数及风险参数；

利用缺陷参数及风险参数及预先建立的基于径向基函数神经网络的安全系数生成模型生成管道的安全系数。

一实施例中，基于径向基函数神经网络的管道安全系数生成方法还包括：根据历史缺陷参数及历史风险参数建立基于径向基函数神经网络安全系数生成模型。

一实施例中，基于径向基函数神经网络的管道安全系数生成方法还包括：根据历史缺陷参数及历史风险参数确定缺陷参数及风险参数在安全系数生成模型的计算权重。