一种油气管道环焊缝失效行为的预测方法技术

本发明专利技术公开了一种油气管道环焊缝失效行为的预测方法，属于环焊缝失效预测领域。本发明专利技术通过在对油气管道环焊缝历史失效数据、管道基础信息数据和现场开挖检测数据的基础上，建立环焊缝失效行为智能预测指标体系和归一化原则，并建立机器学习样本集，采用神经网络智能预测环焊缝失效风险，进而加强对高风险环焊缝的维修维护决策，有效避免管道环焊缝失效。本发明专利技术能够智能预测在役油气管道环焊缝服役状态，判断环焊缝失效风险等级，从而提高管道运营商预防效率，降低管道事故发生率。降低管道事故发生率。降低管道事故发生率。

【技术实现步骤摘要】
一种油气管道环焊缝失效行为的预测方法


[0001]本专利技术属于环焊缝失效预测领域，尤其是一种油气管道环焊缝失效行为的预测方法。

技术介绍

[0002]长输油气管道由大量钢管或管件通过焊接形成的环焊缝连接而成，因而环焊缝是长输管道不可或缺的组成部分。受焊接技术条件限制及现场施工质量难以控制等问题的影响，环焊缝及近焊缝区不可避免地存在各种形式的焊接缺陷，如裂纹、气孔、夹渣、未焊透、未熔合等。在服役条件下，环焊缝可能成为管道结构中较为薄弱的部位之一，易发生开裂乃至全管径断裂，造成油气介质大量泄漏，引发火灾、爆炸等突发性和灾难性事故。例如：2018年6月10日，中石油中缅天然气输气管道黔西南州晴隆县沙子镇段K0975
‑
100m处，因环焊缝脆性断裂导致管内天然气大量泄漏发生燃爆事故，造成1人死亡、23人受伤，直接经济损失2145万元。
[0003]目前，油气管道环焊缝失效行为评估主要以事后失效分析为主，不能提前预测环焊缝失效，管道运营商无法采取有效措施来避免人员伤亡和财产损失。如何基于管道设计、建设和运行过程中积累大量数据，建立油气管道环焊缝失效预测方法成为亟待解决的难题。随着物联网、大数据、人工智能等技术的发展和在管道领域的融合应用，实现油气管道环焊缝失效智能预测，将进一步提高管道运营商预防效率，降低管道事故发生。

技术实现思路

[0004]本专利技术的目的在于克服上述现有技术的缺点，提供一种油气管道环焊缝失效行为的预测方法。
[0005]为达到上述目的，本专利技术采用以下技术方案予以实现：
[0006]一种油气管道环焊缝失效行为的预测方法，包括以下步骤：
[0007](1)基于管道环焊缝的失效因素，获取相关指标信息，基于所述指标信息，进行归一化处理，得到相关参数；依据管道环焊缝失效、割口分析和现场开挖检测数据，将管道的环焊缝失效分为高、中、低三个风险等级；
[0008]获取多个管道环焊缝的参数及对应的风险等级，作为数据样本集；
[0009](2)利用数据样本集训练神经网络，得到预测模型；
[0010](3)将待预测的管道环焊缝的参数输入到预测模型中，预测模型输出相应的风险等级。
[0011]进一步的，步骤(1)中管道环焊缝的失效因素包括管材及性能、焊接缺陷和载荷。
[0012]进一步的，步骤(1)中基于管材及性能获取直径、薄壁侧壁厚、屈服强度、韧性、焊接工艺、是否冬季施工、厚壁侧壁厚、是否返修、是否连接口和是否死口的指标信息。
[0013]进一步的，步骤(1)中基于焊接缺陷获取缺陷类型、缺陷壁厚位置、缺陷点钟方向、缺陷长度、缺陷自身高度和无损检测焊口等级的指标信息。
[0014]进一步的，步骤(1)中基于载荷获取压力、轴向应力系数和是否地质活动区的指标信息。
[0015]进一步的，步骤(1)中：
[0016]将环焊缝失效和割口样本划分为高风险样本；
[0017]将现场开挖检测适用性评价修复的环焊缝样本划分为中风险样本；
[0018]将现场开挖检测适用性评价无需修复环焊缝划分为低风险样本。
[0019]进一步的，步骤(2)将数据样本集中的60％作为训练集，40％作为测试集进行训练。
[0020]进一步的，步骤(2)训练至预设模型的准确率在85％以上。
[0021]进一步的，步骤(2)中的神经网络为BP人工神经网络。
[0022]与现有技术相比，本专利技术具有以下有益效果：
[0023]本专利技术的油气管道环焊缝失效行为的预测方法，针对在役未开挖管道环焊缝，利用建设、运行、环境、失效等各类数据间潜在关系，采用人工神经网络建立基于历史数据的管道环焊缝失效风险预测模型，进而预测在役油气管道环焊缝服役状态，判断环焊缝失效风险等级，提高实际高风险环焊缝开挖的准确率和对不同风险等级环焊缝的安全管控水平，从而提高管道运营商预防效率，降低管道事故发生率。
附图说明
[0024]图1为本专利技术的流程图。
具体实施方式
[0025]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。
[0026]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0027]本专利技术通过在对油气管道环焊缝历史失效数据、管道基础信息数据和现场开挖检测数据的基础上，建立环焊缝失效行为智能预测指标体系和归一化原则，并建立机器学习样本集，采用神经网络智能预测环焊缝失效风险，进而加强对高风险环焊缝的维修维护决策，有效避免管道环焊缝失效。
[0028]本专利技术通过建立管道环焊缝失效预测指标体系、归一化方法和输出参量，形成基于历史环焊缝失效、割口、开挖数据库的环焊缝样本集，采用神经网络进行机器学习，进而
对现场环焊缝失效进行智能预测，给出环焊缝失效风险。
[0029]下面结合附图对本专利技术做进一步详细描述：
[0030]参见图1，图1为本专利技术的流程图，本专利技术包括以下步骤：
[0031](1)基于管道环焊缝失效因素，获取相关指标信息，建立管道环焊缝失效预测指标体系，具体为：
[0032]分析管道环焊缝失效原因，主要受三种因素的影响，分别为因素1：管材及性能，强度、韧性等参数；因素2：焊接缺陷，裂纹、未熔合、未焊透等；因素3：载荷，功能性载荷、环境载荷等。将上述三种因素作为一级指标，并分别建立所包含相应的二级指标，具体如表1。
[0033]表1管道环焊缝失效预测指标体系和输入参数
[0034][0035](2)根据管道环焊缝失效预测指标体系中各指标信息，进行归一化处理，具体如表2。
[0036]表2输入参数归一化方法
[0037][0038][0039](3)依据管道环焊缝失效、割口分析和现场开挖检测数据，将环焊缝失效分为高、中、低风险三个风险等级。
[0040]依据管道环焊缝失效、割口分析和现场开挖检测数据，定义风险如表3，将环焊缝失效和割口样本定义为高风险样本，将现场开挖检测适用性评价修复(非割口换管)环焊缝样本定义为中风险样本，将现场开挖检测适用性评价无需修复环焊缝定义为低风险样本。
[0041]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种油气管道环焊缝失效行为的预测方法，其特征在于，包括以下步骤：(1)基于管道环焊缝的失效因素，获取相关指标信息，基于所述指标信息，进行归一化处理，得到相关参数；依据管道环焊缝失效、割口分析和现场开挖检测数据，将管道的环焊缝失效分为高、中、低三个风险等级；获取多个管道环焊缝的参数及对应的风险等级，作为数据样本集；(2)利用数据样本集训练神经网络，得到预测模型；(3)将待预测的管道环焊缝的参数输入到预测模型中，预测模型输出相应的风险等级。2.根据权利要求1所述的油气管道环焊缝失效行为的预测方法，其特征在于，步骤(1)中管道环焊缝的失效因素包括管材及性能、焊接缺陷和载荷。3.根据权利要求2所述的油气管道环焊缝失效行为的预测方法，其特征在于，步骤(1)中基于管材及性能获取直径、薄壁侧壁厚、屈服强度、韧性、焊接工艺、是否冬季施工、厚壁侧壁厚、是否返修、是否连接口和是否死口的指标信息。4.根据权利要求2所述的油气管道环焊缝失效行为的预测方法，其特征在于，步骤(1...

【专利技术属性】
技术研发人员：王珂，马卫锋，姚添，聂海亮，曹俊，任俊杰，党伟，梁晓斌，
申请(专利权)人：中国石油集团工程材料研究院有限公司，
类型：发明
国别省市：