[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

说明书

本发明公开了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。本发明通过海底管道关内巡检机器人系统获得海底管道的运行环境数据并上传至云端，通过云端运行的海底管道健康管理数字孪生模型和基于排产数据和石油管道运行环境历史数据的机器学习预测模型，实现对海底石油管道的长时健康状态预测，可有助于提高海底石油管道健康管理的智能化水平，形成完善的海底石油管道全生命周期管理体系，从而建立对应完善的运行维护计划，消除生产安全隐患，具有常驻无人作业能力，能够提供高可靠度海底石油管道健康管理能力。

技术领域

本发明涉及数字孪生技术领域，具体为一种基于数字孪生的海底石油管道健康管理方法。

背景技术

目前，我国海底管道的管理体系建设相对落后于海洋工程技术的发展，尚未建立起完善的海底管道全生命周期管理体系，有些管道自投产后未能建立对应完善的运行维护计划，存在巨大的生产安全隐患，现有石油管道的健康状态管理主要通过两种方式实现：第一类方法通过固定的压力、流量、黏度传感器获得石油管道的环境参数，再通过软测量获得石油管道的健康状态，然而，由于固定式传感器只能检测多个点位数据，难以获得管道所有位置的状态数据，因此此类方法的建模精度不高，难以形成可靠的全景化管道健康评估；另一类方法是通过检测球定期检测石油管道的运行状态数据，然而，由于检测球检测方法无法实现全周期状态检测，同时，检测球存在堵塞管道的风险，对海底石油管道的适应度较差。

目前，海底石油管道的管理模式较为落后，尚未建立完善的日常化、智能化、无人值守的海底石油管道健康管理和维护系统，由于当海底石油管道出现破裂等故障时需采用作业船拆装作业方式进行维护作业，因此其维护成本高、维护周期长、经济损失大，为此，我们提出了一种基于数字孪生的海底石油管道健康管理方法。

发明内容

本发明要解决的技术问题是克服现有的缺陷，提供一种基于数字孪生的海底石油管道健康管理方法，可以有效解决背景技术中的问题。

为实现上述目的，本发明提供如下技术方案：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。

优选的，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。

优选的，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。

与现有技术相比，本发明的有益效果是：