[发明专利]一种基于数字孪生的海底石油管道健康管理方法

权利要求书

1.一种基于数字孪生的海底石油管道健康管理方法，包括海底石油管道数字孪生体建模及模型在线更新模型与基于数字孪生的海底石油管道健康度退化预测模型；

该一种基于数字孪生的海底石油管道健康管理方法包括以下步骤：

步骤一，海底石油管道数字孪生体建模及模型在线更新模型：根据海底石油管道历史沉积状态数据、海底石油管道历史管壁损伤状态数据、历史排产数据、管道健康度历史数据，建立深度神经网络模型，形成海底石油管道健康状态数字孪生体，采用误差反馈机制，在线自适应更新模型参数；

步骤二，基于数字孪生的海底石油管道健康度退化预测模型：首先，海底石油管道内巡检机器人采用机载三维成像声纳传感器、IMU、编码器、超声波探伤仪获得海底石油管道环境参数，并上载至云服务器，之后，云平台通过三维成像声纳传感器、IMU、编码器三个传感器数据建立海底石油管道沉积三维模型，并经SVM机器学习模型获得当前海底石油管道沉积状态评估结果；通过超声波探伤仪数据，经SVM机器学习模型获得当前海底石油管道管壁损伤状态评估结果，另外，云平台根据当前石油管道沉积状态，采用LSTM模型预测未来长时沉积变化过程，采用LSTM模型预测未来长时管壁损伤变换过程；最后，基于长时沉积状态预测数据、长时管壁损伤状态预测数据、排产数据，获得海底石油管道健康度退化预测结果。

2.根据权利要求1所述的一种基于数字孪生的海底石油管道健康管理方法，其特征在于,所述步骤二中油管道巡检机器人机载传感器为三维成像声纳、超声波探伤仪、压力传感器、温度传感器、IMU、编码器。

3.根据权利要求1所述的一种基于数字孪生的海底石油管道健康管理方法，其特征在于,所述步骤二中建立机器学习模型为第一个SVM机器学习模型通过前述沉积物建模结果估计管道堵塞状态；第二个SVM机器学习模型通过超声波探伤数估计石油管道管壁的破损状态；第三个极限学习机模型根据历史传感器检测数据预测未来长时检测数据。