一种基于K-近邻法的管道应变特征分类计算方法及系统技术方案

本申请公开了一种基于K

【技术实现步骤摘要】
一种基于K
‑
近邻法的管道应变特征分类计算方法及系统


[0001]本申请涉及管道系统
，尤其涉及一种基于K
‑
近邻法的管道应变特征分类计算方法及系统。

技术介绍

[0002]由于长输油气管道的特性，其往往经过一些地质条件不稳定区域或自然灾害区，如地震区、冻土区、流沙区等。这些区域常常发生沉降、滑坡、断层蠕变、地震地面位移、冻胀及融沉等灾害，造成管道发生大的横向位移、变形，从而在管体局部产生较大的弯曲应变，严重时导致管道失稳或材料破坏。由于自然灾害引起的局部弯曲应变处的管体除承受正常的内压载荷外，还承受弯曲应变附加的弯曲应力载荷，因此管道弯曲应变的存在严重影响管道的结构完整性与运行安全，特别是弯曲应变处存在严重缺陷时更容易导致管道失效。在某些易受地质灾害的油气管道运行时，发生过多起由于土体沉降而导致管道弯曲变形处螺旋焊缝缺陷在内压与弯曲载荷共同作用下发生的焊缝开裂事故。因此，管道位移与弯曲应变的存在严重影响了管道的结构完整性，这使得在海底、山区、地质非稳定区、冻土区等的管道风险更高。所以，如何通过检测的手段来获取长输管道的应变信息成为近年来管道运营商所关注的问题，这对于预防事故发生、保证管道本体安全具有重大的意义。
[0003]基于高精度战术级惯性测量单元(IMU)的管道弯曲应变内检测已成为近年来油气管道的常规做法。通过IMU测量得到的弯曲应变结果可以分析发现地表沉降等导致的高应变管段。与现有的位移检测技术相比，IMU内检测可以全线逐点检测管道的弯曲应变和位移，对管道的弯曲应变和位移监测更加全面和精确。多次重复进行IMU内检测可以监测管道位移变化和变化率，及时报告管道位移变化较大的缺陷点和管道位移变化较快的点，从而对管道应变进行有效的监测和预警，便于及时主动维修管道缺陷点和排除导致管道位移的环境因素。
[0004]然而现有技术中存在人工识别的方法进行可能的地质灾害高风险段识别工作，存在判别标准不一致、识别效率低、误判率较高的技术问题。

技术实现思路

[0005]本申请的目的是提供一种基于K
‑
近邻法的管道应变特征分类计算方法及系统，用以解决现有技术中存在人工识别的方法进行可能的地质灾害高风险段识别工作，存在判别标准不一致、识别效率低、误判率较高的技术问题。
[0006]鉴于上述问题，本申请实施例提供了一种基于K
‑
近邻法的管道应变特征分类计算方法及系统。
[0007]第一方面，本申请提供了一种基于K
‑
近邻法的管道应变特征分类计算方法，所述方法通过一种基于K
‑
近邻法的管道应变特征分类计算系统实现，其中，所述方法包括：通过获得目标设备的管道内检测数据集合；对所述管道内检测数据集合进行降噪处理，获得重构后的标准检测数据集合；对所述标准检测数据集合分别进行计算机算法的垂直、水平分
量计算，获得所述目标设备的垂直应变和水平应变；基于所述垂直应变和所述水平应变，创建管道应变特征矩阵，且进行数据整合，获得所述目标设备内的各点弯曲应变集合；基于所述各点弯曲应变集合，构建所述目标设备的特征分类混淆矩阵；根据所述特征分类混淆矩阵，进行预测分类，获得所述管道内检测数据的目标分类结果。
[0008]另一方面，本申请还提供了一种基于K
‑
近邻法的管道应变特征分类计算系统，用于执行如第一方面所述的一种基于K
‑
近邻法的管道应变特征分类计算方法，其中，所述系统包括：第一获得单元，所述第一获得单元用于获得目标设备的管道内检测数据集合；第一处理单元，所述第一处理单元用于对所述管道内检测数据集合进行降噪处理，获得重构后的标准检测数据集合；第一计算单元，所述第一计算单元用于对所述标准检测数据集合分别进行计算机算法的垂直、水平分量计算，获得所述目标设备的垂直应变和水平应变；第一创建单元，所述第一创建单元用于基于所述垂直应变和所述水平应变，创建管道应变特征矩阵，且进行数据整合，获得所述目标设备内的各点弯曲应变集合；第一构建单元，所述第一构建单元用于基于所述各点弯曲应变集合，构建所述目标设备的特征分类混淆矩阵；第一分类单元，所述第一分类单元用于根据所述特征分类混淆矩阵，进行预测分类，获得所述管道内检测数据的目标分类结果。
[0009]第三方面，本申请实施例还提供了一种基于K
‑
近邻法的管道应变特征分类计算系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现上述第一方面所述方法的步骤。
[0010]本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
[0011]1.通过获得目标设备的管道内检测数据集合；对所述管道内检测数据集合进行降噪处理，获得重构后的标准检测数据集合；对所述标准检测数据集合分别进行计算机算法的垂直、水平分量计算，获得所述目标设备的垂直应变和水平应变；基于所述垂直应变和所述水平应变，创建管道应变特征矩阵，且进行数据整合，获得所述目标设备内的各点弯曲应变集合；基于所述各点弯曲应变集合，构建所述目标设备的特征分类混淆矩阵；根据所述特征分类混淆矩阵，进行预测分类，获得所述管道内检测数据的目标分类结果。通过对在役管道内检测数据进行降噪处理，进而对处理后的标准检测数据进行垂直分量和水平分量的计算，基于此进行管道内检测数据的特征提取，通过对特征提取集合进行基于K
‑
近邻法的管道应变特征分类计算，有效解决了人工识别存在判别标准差异与难以实现自动化的问题，达到了节省大量的人力资源与时间成本，实现管道应变特征的高效精准化分类的技术效果。
[0012]2.通过对IMU数据进行识别之前，需要进行降噪处理，这样可以减少误差，提高模型的识别准确度，这些细微的误差可能会在关键处使结果发生改变，从而避免得出错误的结论，使得分类结果准确。
[0013]上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
[0014]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现
有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
[0015]图1为本申请实施例一种基于K
‑
近邻法的管道应变特征分类计算方法的流程示意图；
[0016]图2为本申请实施例一种基于K
‑
近邻法的管道应变特征分类计算方法中对所述管道内检测数据集合进行降噪处理的流程示意图；
[0017]图3为本申请实施例一种基于K
‑
近邻法的管道应变特征分类计算方法中不同k值下的模型误差率的流程示意图；
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于K
‑
近邻法的管道应变特征分类计算方法，其特征在于，所述方法包括：获得目标设备的管道内检测数据集合；对所述管道内检测数据集合进行降噪处理，获得重构后的标准检测数据集合；对所述标准检测数据集合分别进行计算机算法的垂直、水平分量计算，获得所述目标设备的垂直应变和水平应变；基于所述垂直应变和所述水平应变，创建管道应变特征矩阵，且进行数据整合，获得所述目标设备内的各点弯曲应变集合；基于所述各点弯曲应变集合，构建所述目标设备的特征分类混淆矩阵；根据所述特征分类混淆矩阵，进行预测分类，获得所述管道内检测数据的目标分类结果。2.如权利要求1所述的方法，其特征在于，所述对所述管道内检测数据集合进行降噪处理，包括：对所述管道内检测数据集合进行小波分解，获得第一频率分量和第二频率分量；对所述第一频率分量进行阈值处理，获得处理后分量集合；对所述处理后分量集合和所述第二频率分量，进行小波重构，获得所述标准检测数据集合。3.如权利要求1所述的方法，其特征在于，所述对所述标准检测数据集合分别进行计算机算法的垂直、水平分量计算，包括：根据公式一：计算获得所述目标设备的管道总曲率k、垂直分量曲率kv以及水平分量曲率kh；式中，ΔP为俯仰角变化量，ΔA为航向角变化量，Δs为管道中心线绝对里程变化量，P为俯仰角角度。4.如权利要求3所述的方法，其特征在于，所述方法还包括：根据公式二：计算获得所述目标设备的总弯曲应变∈、所述垂直应变量∈
v
和所述水平应变∈
h
；式中，D为所述目标设备的径向长度。5.如权利要求1所述的方法，其特征在于，所述创建管道应变特征矩阵，包括：根据所述垂直应变和所述水平应变，创建矩阵一：根据所述垂直应变和所...

【专利技术属性】
技术研发人员：李睿，陈朋超，贾光明，赵晓明，富宽，郑建峰，燕冰川，冯文兴，马江涛，刘阳，
申请(专利权)人：国家管网集团北方管道有限责任公司，
类型：发明
国别省市：