钢管压溃强度预测模型的生成方法、钢管的压溃强度预测方法、钢管的制造特性决定方法以及钢管的制造方法技术

本发明专利技术提供钢管压溃强度预测模型的生成方法、钢管的压溃强度预测方法、钢管的制造特性决定方法以及钢管的制造方法，通过考虑钢管成形时的造管应变而能够高精度地预测钢管成形后的钢管或涂装钢管的压溃强度。向通过钢管压溃强度预测模型的生成方法而生成的钢管压溃强度预测模型输入成为预测对象的钢管的包含钢管成形后的钢管形状、钢管成形后的钢管强度特性以及钢管成形时的造管应变在内的钢管制造特性，来预测钢管成形后的钢管的压溃强度(步骤S1～步骤S5)。另外，向通过钢管压溃强度预测模型的生成方法而生成的钢管压溃强度预测模型输入成为预测对象的涂装钢管的包含钢管成形后的钢管形状、钢管成形后的钢管强度特性、钢管成形时的造管应变以及涂装条件在内的钢管制造特性，来预测涂装钢管的压溃强度(步骤S11～步骤S15)。骤S11～步骤S15)。骤S11～步骤S15)。

【技术实现步骤摘要】
【国外来华专利技术】钢管压溃强度预测模型的生成方法、钢管的压溃强度预测方法、钢管的制造特性决定方法以及钢管的制造方法


[0001]本专利技术涉及钢管压溃强度预测模型的生成方法、钢管的压溃强度预测方法、钢管的制造特性决定方法以及钢管的制造方法。

技术介绍

[0002]对于在作用有外部压力的环境下被使用的钢管(管)而言，存在因外部压力的作用而产生压溃(也称为塌陷)的情况。例如，在海底管线中，若在钢管(线管)产生这样的压溃，则导致构造物的损伤、损坏事故，从而对经济、环境带来很大的影响。因此，作为海底管线那样的面向作用有较高的压缩应力的用途的钢管，要求耐压溃性能优异的钢管。
[0003]这里，作为对耐压溃性能进行评价/预测的方法，例如公知有非专利文献1记载的对对象钢管的耐压溃性能进行预测/评价的方法。在非专利文献1中，作为对对象钢管的耐压溃性能进行预测/评价的方法，提出了制定DNV
‑
F01等标准并根据评价对象钢管(钢管成形后的钢管)的外径形状的Ovality、从材料壁厚的中心或者壁厚的1/4处(内表面侧)采集的屈服应力(与0.5％应变对应的应力)、杨氏模量、泊松比的数据来预测耐压溃性能的数式(D 400章Local Buckling
‑
External over pressure only401节数式(5.10))。
[0004]非专利文献1：OFFSHORE STANDARD DNV
‑
OS
‑
F101，SUBMARINE PIPELINE SYSTEMS，DET NORSKE VERITAS，2010年10月，SEC5，p41
‑
56
[0005]然而，在该非专利文献1所示的对对象钢管的耐压溃性能进行预测/评价的方法中，存在以下的问题点。
[0006]即，钢管的压溃强度不仅取决于钢管成形后的钢管的形状以及钢管成形后的钢管的强度特性(拉伸强度、压缩强度、杨氏模量、泊松比等)，还取决于钢管成形时的造管应变(钢管成形时的应变历程)。这是因为，钢管成形时的造管应变会对钢管成形后的钢管的形状以及钢管成形后的钢管的强度特性带来很大的影响。另一方面，在非专利文献1中，并未考虑钢管成形时的造管应变，钢管的压溃强度的预测值的精度较差，实测出的钢管的压溃强度与预测出的钢管的压溃强度的预测值不一致，其差异较大。因此，存在在钢管设计时过度成为安全侧的设计，或者因低于预测的外部压力产生压溃而成为重大事故的担忧。

技术实现思路

[0007]因此，本专利技术是为了解决上述现有的问题点而完成的，其目的在于提供钢管压溃强度预测模型的生成方法、钢管的压溃强度预测方法、钢管的制造特性决定方法以及钢管的制造方法，通过考虑钢管成形时的造管应变而能够高精度地预测钢管成形后的钢管或者在钢管成形后进行涂装而成的涂装钢管的压溃强度。
[0008]为了解决上述课题，本专利技术的一个方式的钢管压溃强度预测模型的生成方法的主旨在于，生成通过机器学习多个学习用数据来对钢管成形后的钢管的压溃强度进行预测的钢管压溃强度预测模，其中，上述多个学习用数据将包含钢管成形后的钢管形状、钢管成形
后的钢管强度特性以及钢管成形时的造管应变在内的过去的钢管制造特性作为输入数据，将相对于该输入数据的过去的钢管成形后的钢管的压溃强度作为输出数据。
[0009]另外，本专利技术的其他方式的钢管的压溃强度预测方法的主旨在于，向通过上述的钢管压溃强度预测模型的生成方法而生成的钢管压溃强度预测模型输入成为预测对象的钢管的包含钢管成形后的钢管形状、钢管成形后的钢管强度特性以及钢管成形时的造管应变在内的钢管制造特性，来预测钢管成形后的钢管的压溃强度。
[0010]另外，本专利技术的其他方式的钢管的制造特性决定方法的主旨在于，以通过上述的钢管的压溃强度预测方法而预测出的钢管成形后的钢管的压溃强度渐近所要求的目标的钢管成形后的钢管的压溃强度的方式，逐次变更钢管制造特性所包含的钢管成形后的钢管形状、钢管成形后的钢管强度特性以及钢管成形时的造管应变中的至少一个，来决定最佳的钢管制造特性。
[0011]另外，本专利技术的其他方式的钢管的制造方法的主旨在于，具备：对钢管进行成形的钢管的成形工序；通过上述的钢管的压溃强度预测方法来预测在上述成形工序中成形出的钢管的压溃强度的压溃强度预测工序；以及将通过该压溃强度预测工序而预测出的钢管的压溃强度关联到在上述成形工序中成形出的钢管上的性能预测值赋予工序。
[0012]另外，本专利技术的其他方式的钢管的制造方法的主旨在于，基于通过上述的钢管的制造特性决定方法而决定出的最佳的钢管制造特性来决定钢管的制造条件，在该决定出的钢管的制造条件下制造钢管。
[0013]另外，本专利技术的其他方式的钢管压溃强度预测模型的生成方法的主旨在于，生成通过机器学习多个学习用数据来对在钢管成形后进行涂装而成的涂装钢管的压溃强度进行预测的钢管压溃强度预测模型，其中，上述多个学习用数据将包含钢管成形后的钢管形状、钢管成形后的钢管强度特性、钢管成形时的造管应变以及涂装条件在内的过去的钢管制造特性作为输入数据，将相对于该输入数据的过去的在钢管成形后进行涂装而成的涂装钢管的压溃强度作为输出数据。
[0014]另外，本专利技术的其他方式的钢管的压溃强度预测方法的主旨在于，向通过上述的钢管压溃强度预测模型的生成方法而生成的钢管压溃强度预测模型输入成为预测对象的涂装钢管的包含钢管成形后的钢管形状、钢管成形后的钢管强度特性、钢管成形时的造管应变以及涂装条件在内的钢管制造特性，来预测在钢管成形后进行涂装而成的涂装钢管的压溃强度。
[0015]另外，本专利技术的其他方式的钢管的制造特性决定方法的主旨在于，以通过上述的钢管的压溃强度预测方法而预测出的涂装钢管的压溃强度渐近所要求的目标的涂装钢管的压溃强度的方式，逐次变更钢管制造特性所包含的钢管成形后的钢管形状、钢管成形后的钢管强度特性、钢管成形时的造管应变以及涂装条件中的至少一个，来决定最佳的钢管制造特性。
[0016]另外，本专利技术的其他方式的钢管的制造方法的主旨在于，具备：对钢管进行成形并对成形出的钢管进行涂装而形成涂装钢管的涂装钢管形成工序；通过上述的钢管的压溃强度预测方法来预测在上述涂装钢管形成工序中形成的涂装钢管的压溃强度的压溃强度预测工序；以及将通过该压溃强度预测工序而预测出的涂装钢管的压溃强度关联到在上述涂装钢管形成工序中形成的涂装钢管上的性能预测值赋予工序。
[0017]另外，本专利技术的其他方式的钢管的制造方法的主旨在于，基于通过上述的钢管的制造特性决定方法而决定出的最佳的钢管制造特性来决定涂装钢管的制造条件，在该决定出的涂装钢管的制造条件下制造涂装钢管。
[0018]根据本专利技术的钢管压溃强度预测模型的生成方法、钢管的压溃强度预测方法、钢管的制造特性决定方法以及钢管的制造方法，能够提供通过考虑钢管成形时的造管应变而能够高精度地预测钢管成形后的钢管或在钢管成形后进行涂装而成的涂装钢管的压溃强度的、钢管压溃强度预测模型的生成方法、本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种钢管压溃强度预测模型的生成方法，其特征在于，生成通过机器学习多个学习用数据来对钢管成形后的钢管的压溃强度进行预测的钢管压溃强度预测模型，其中，所述多个学习用数据将包含钢管成形后的钢管形状、钢管成形后的钢管强度特性以及钢管成形时的造管应变在内的过去的钢管制造特性作为输入数据，将相对于该输入数据的过去的钢管成形后的钢管的压溃强度作为输出数据。2.根据权利要求1所述的钢管压溃强度预测模型的生成方法，其特征在于，所述机器学习的方法是神经网络，所述钢管压溃强度预测模型是由神经网络构建的预测模型。3.一种钢管的压溃强度预测方法，其特征在于，向通过权利要求1或2所述的钢管压溃强度预测模型的生成方法而生成的钢管压溃强度预测模型输入成为预测对象的钢管的包含钢管成形后的钢管形状、钢管成形后的钢管强度特性以及钢管成形时的造管应变在内的钢管制造特性，来预测钢管成形后的钢管的压溃强度。4.一种钢管的制造特性决定方法，其特征在于，以通过权利要求3所述的钢管的压溃强度预测方法而预测出的钢管成形后的钢管的压溃强度渐近所要求的目标的钢管成形后的钢管的压溃强度的方式，逐次变更钢管制造特性所包含的钢管成形后的钢管形状、钢管成形后的钢管强度特性以及钢管成形时的造管应变中的至少一个，来决定最佳的钢管制造特性。5.一种钢管的制造方法，其特征在于，具备：对钢管进行成形的钢管的成形工序；通过权利要求3所述的钢管的压溃强度预测方法来预测在所述成形工序中成形出的钢管的压溃强度的压溃强度预测工序；以及将通过该压溃强度预测工序而预测出的钢管的压溃强度关联到在所述成形工序中成形出的钢管上的性能预测值赋予工序。6.一种钢管的制造方法，其特征在于，基于通过权利要求4所述的钢管的制造特性决定方法而决定出的最佳的钢管制造特性来决定钢管的制造条件，在该决定出的钢管的制造条件下制造钢管。7.一种钢管压溃强度预测模型的生成方法，其特征在于，生成通过机器学习多个学习用数据来对在钢管...

【专利技术属性】
技术研发人员：崎本隆洋，田近久和，半田恒久，
申请(专利权)人：杰富意钢铁株式会社，
类型：发明
国别省市：