【技术实现步骤摘要】
本专利技术属于密性检测领域，涉及一种lng薄膜型储罐罐体气压监控系统及方法。
技术介绍
0、技术背景
1、薄膜型液化天然气储罐也称lng薄膜型储罐，其通过围护系统来保证储罐的整体密性。如图1a、图1b所示，薄膜型液化天然气储罐的围护系统分为主屏蔽空间、次屏蔽空间以及储存lng的罐内空间，围护系统设有主屏蔽层、次屏蔽层和外罐，主屏蔽层、次屏蔽层间的空间为主屏蔽空间，次屏蔽层与外罐之间为次屏蔽空间。其中，主屏蔽层材料为1.2mm厚带有纵横方向槽形的304l不锈钢波纹板，次屏壁层材料为二层玻璃纤维布及一层铝箔的三合一片材，主屏蔽空间、次屏蔽空间内均填充隔热材料，隔热材料为上下层压板夹增强聚氨酯泡沫。主屏蔽层采用波纹板搭接焊完成，焊缝长度近万米，焊接缺陷难以避免。但由于板厚及结构限制，常规无损检测技术在罐壁焊缝缺陷检测的应用受限，因此常用罐壁密封性检测直接代替结构缺陷检测。在对罐体进行密封性检测操作时，需频繁改变罐体不同结构间的气压以形成压差进行测试，但由于不同结构承压程度不同，因此需精确控制罐体不同结构空间之间压差。但现有的测试系统只有单点压力取样的能力，对罐体气压整体的感知与监控能力相对缺失。
技术实现思路
1、本专利技术提供一种lng薄膜型储罐罐体气压监控系统及方法，可实时分析、监测和预测lng薄膜型储罐在进行压力操作时不同压力及抽速下罐体两空间的最大压差信息及罐体压力状态信息。
2、为了达到上述目的，本专利技术采用如下技术方案：
3、本申请提供一
4、所述系统包括气压采样模块、代理模型模拟模块及预测监控模块；
5、所述气压采集模块设有气体流量计和气压取样传感器，所述气体流量计与所述主屏蔽空间、所述次屏蔽空间连接，所述气压取样传感器设于所述主屏蔽层上以及设于所述外罐对应所述次屏蔽层位置；
6、所述代理模型模拟模块连接至所述气压采样模块获取所述主屏蔽空间、所述次屏蔽空间的气压差范围值；
7、所述预测监控模块根据所述主屏蔽空间、所述次屏蔽空间的气压差范围值通过神经网络模型实时预测所述lng薄膜型储罐不同部位的气压差范围值。
8、进一步的，所述气压采样模块还包括真空泵，所述真空泵连接至所述气体流量计，所述真空泵对所述气体流量计抽真空。
9、进一步的，所述代理模型模拟模块和所述预测监控模块设置在一台设备终端中。
10、进一步的，所述代理模型模拟模块通过模拟软件模拟在进行压力操作时所述lng薄膜型储罐任意位置的气压分布状态数据，模拟得到所述气压取样传感器设置位置气压数据与所述主屏蔽空间、所述次屏蔽空间的气压差最大值和最小值。
11、进一步的，所述代理模型模拟模块通过模拟软件模拟在不同抽速下所述lng薄膜型储罐任意位置的气压分布状态数据，模拟得到所述气压取样传感器设置位置气压数据与所述主屏蔽空间、所述次屏蔽空间的气压差最大值和最小值。
12、进一步的，所述预测监控模块包括两个神经网络模型，分别为模拟网络模型和预测网络模型；所述模拟网络模型对所述主屏蔽空间、所述次屏蔽空间的气压差范围值进行学习，并将学习结果传给所述预测网络模型，所述预测网络模型对所述lng薄膜型储罐不同部位的气压差范围值进行预测。
13、进一步的，所述模拟网络模型对所述主屏蔽空间、所述次屏蔽空间的气压差范围值进行学习过程中，所述模拟网络模型根据所述主屏蔽空间、所述次屏蔽空间的气压差范围值对所述lng薄膜型储罐不同部位的气压差范围值进行模拟得到模拟气压差范围值，结合所述模拟气压差范围值对学习结果进行优化；所述预测网络模型结合所述模拟气压差范围值对预测的所述lng薄膜型储罐不同部位的气压差范围值进行优化。
14、本申请还提供一种lng薄膜型储罐罐体气压监控方法，采用前文所述的lng薄膜型储罐罐体气压监控系统，所述方法包括步骤：
15、获取lng薄膜型储罐的所述主屏蔽空间、所述次屏蔽空间的气压差范围值；
16、根据所述主屏蔽空间、所述次屏蔽空间的气压差范围值通过神经网络模型实时预测所述lng薄膜型储罐不同部位的气压差范围值。
17、进一步的，所述根据所述主屏蔽空间、所述次屏蔽空间的气压差范围值通过神经网络模型实时预测所述lng薄膜型储罐不同部位的气压差范围值步骤包括：
18、根据所述主屏蔽空间、所述次屏蔽空间的气压差范围值对所述lng薄膜型储罐不同部位的气压差范围值进行模拟得到模拟气压差范围值；
19、对所述主屏蔽空间、所述次屏蔽空间的气压差范围值进行学习，结合所述模拟气压差范围值对学习结果进行优化；
20、根据所述学习结果对所述lng薄膜型储罐不同部位的气压差范围值进行预测。
21、进一步的，所述根据所述主屏蔽空间、所述次屏蔽空间的气压差范围值通过神经网络模型实时预测所述lng薄膜型储罐不同部位的气压差范围值步骤还包括：
22、结合所述模拟气压差范围值对预测的所述lng薄膜型储罐不同部位的气压差范围值进行优化。
23、结合上述的所有技术方案，本专利技术所具备的优点及积极效果可总结为：
24、本专利技术基于代理模型及神经网络建立，可实现实时分析、监测和预测lng薄膜型储罐在进行压力操作时不同压力及抽速下罐体两空间的最大压差信息，提供直观可靠的罐体压力状态信息。
本文档来自技高网...【技术保护点】
1.一种LNG薄膜型储罐罐体气压监控系统，其特征在于，用于对LNG薄膜型储罐的气压进行监控；所述LNG薄膜型储罐设有主屏蔽层、次屏蔽层和外罐，所述主屏蔽层与所述次屏蔽层间的空间为主屏蔽空间，所述次屏蔽层与所述外罐之间为次屏蔽空间；
2.根据权利要求1所述的LNG薄膜型储罐罐体气压监控系统，其特征在于，所述气压采样模块还包括真空泵，所述真空泵连接至所述气体流量计，所述真空泵对所述气体流量计抽真空。
3.根据权利要求1所述的LNG薄膜型储罐罐体气压监控系统，其特征在于，所述代理模型模拟模块和所述预测监控模块设置在一台设备终端中。
4.根据权利要求1所述的LNG薄膜型储罐罐体气压监控系统，其特征在于，所述代理模型模拟模块通过模拟软件模拟在进行压力操作时所述LNG薄膜型储罐任意位置的气压分布状态数据，模拟得到所述气压取样传感器设置位置气压数据与所述主屏蔽空间、所述次屏蔽空间的气压差最大值和最小值。
5.根据权利要求1所述的LNG薄膜型储罐罐体气压监控系统，其特征在于，所述代理模型模拟模块通过模拟软件模拟在不同抽速下所述LNG薄膜型储罐任意位
6.根据权利要求1所述的LNG薄膜型储罐罐体气压监控系统，其特征在于，所述预测监控模块包括两个神经网络模型，分别为模拟网络模型和预测网络模型；所述模拟网络模型对所述主屏蔽空间、所述次屏蔽空间的气压差范围值进行学习，并将学习结果传给所述预测网络模型，所述预测网络模型对所述LNG薄膜型储罐不同部位的气压差范围值进行预测。
7.根据权利要求6所述的LNG薄膜型储罐罐体气压监控系统，其特征在于，所述模拟网络模型对所述主屏蔽空间、所述次屏蔽空间的气压差范围值进行学习过程中，所述模拟网络模型根据所述主屏蔽空间、所述次屏蔽空间的气压差范围值对所述LNG薄膜型储罐不同部位的气压差范围值进行模拟得到模拟气压差范围值，结合所述模拟气压差范围值对学习结果进行优化；所述预测网络模型结合所述模拟气压差范围值对预测的所述LNG薄膜型储罐不同部位的气压差范围值进行优化。
8.一种LNG薄膜型储罐罐体气压监控方法，其特征在于，采用权利要求1至7任一项所述的LNG薄膜型储罐罐体气压监控系统，所述方法包括步骤：
9.根据权利要求8所述的LNG薄膜型储罐罐体气压监控方法，其特征在于，所述根据所述主屏蔽空间、所述次屏蔽空间的气压差范围值通过神经网络模型实时预测所述LNG薄膜型储罐不同部位的气压差范围值步骤包括：
10.根据权利要求9所述的LNG薄膜型储罐罐体气压监控方法，其特征在于，所述根据所述主屏蔽空间、所述次屏蔽空间的气压差范围值通过神经网络模型实时预测所述LNG薄膜型储罐不同部位的气压差范围值步骤还包括：
...【技术特征摘要】
1.一种lng薄膜型储罐罐体气压监控系统，其特征在于，用于对lng薄膜型储罐的气压进行监控；所述lng薄膜型储罐设有主屏蔽层、次屏蔽层和外罐，所述主屏蔽层与所述次屏蔽层间的空间为主屏蔽空间，所述次屏蔽层与所述外罐之间为次屏蔽空间；
2.根据权利要求1所述的lng薄膜型储罐罐体气压监控系统，其特征在于，所述气压采样模块还包括真空泵，所述真空泵连接至所述气体流量计，所述真空泵对所述气体流量计抽真空。
3.根据权利要求1所述的lng薄膜型储罐罐体气压监控系统，其特征在于，所述代理模型模拟模块和所述预测监控模块设置在一台设备终端中。
4.根据权利要求1所述的lng薄膜型储罐罐体气压监控系统，其特征在于，所述代理模型模拟模块通过模拟软件模拟在进行压力操作时所述lng薄膜型储罐任意位置的气压分布状态数据，模拟得到所述气压取样传感器设置位置气压数据与所述主屏蔽空间、所述次屏蔽空间的气压差最大值和最小值。
5.根据权利要求1所述的lng薄膜型储罐罐体气压监控系统，其特征在于，所述代理模型模拟模块通过模拟软件模拟在不同抽速下所述lng薄膜型储罐任意位置的气压分布状态数据，模拟得到所述气压取样传感器设置位置气压数据与所述主屏蔽空间、所述次屏蔽空间的气压差最大值和最小值。
6.根据权利要求1所述的lng薄膜型储罐罐体气压监控系统，其特征在于，所述预测监控模块包括两个神经网络模型...
【专利技术属性】
技术研发人员：王嘉昕，吉宏林，周昌智，陈志国，张逸飞，黄凯华，张泽禹，卢志鹏，尹嘉雯，张晓慧，黄帅金，段昊，王奕杰，商羽，
申请(专利权)人：上海船舶工艺研究所中国船舶集团有限公司第十一研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。