CN108460230A - 基于数据融合的腐蚀油气管道剩余寿命及可靠性预测方法 - Google Patents
基于数据融合的腐蚀油气管道剩余寿命及可靠性预测方法 Download PDFInfo
- Publication number
- CN108460230A CN108460230A CN201810236656.1A CN201810236656A CN108460230A CN 108460230 A CN108460230 A CN 108460230A CN 201810236656 A CN201810236656 A CN 201810236656A CN 108460230 A CN108460230 A CN 108460230A
- Authority
- CN
- China
- Prior art keywords
- gas pipeline
- oil
- function
- corrosion
- life
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000007797 corrosion Effects 0.000 title claims abstract description 56
- 238000005260 corrosion Methods 0.000 title claims abstract description 56
- 238000000034 method Methods 0.000 title claims abstract description 42
- 230000004927 fusion Effects 0.000 title claims abstract description 13
- 238000006731 degradation reaction Methods 0.000 claims abstract description 28
- 230000001133 acceleration Effects 0.000 claims abstract description 26
- 230000015556 catabolic process Effects 0.000 claims abstract description 25
- 238000002474 experimental method Methods 0.000 claims abstract description 9
- 238000012360 testing method Methods 0.000 claims abstract description 9
- 238000004088 simulation Methods 0.000 claims abstract description 6
- 238000000342 Monte Carlo simulation Methods 0.000 claims abstract description 5
- 238000009826 distribution Methods 0.000 claims description 6
- 230000005653 Brownian motion process Effects 0.000 claims description 5
- 230000003628 erosive effect Effects 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims 1
- 230000008569 process Effects 0.000 description 14
- 238000005516 engineering process Methods 0.000 description 6
- 238000005259 measurement Methods 0.000 description 5
- 238000012502 risk assessment Methods 0.000 description 5
- 230000007850 degeneration Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 241001123248 Arma Species 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 238000013398 bayesian method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003412 degenerative effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 238000009428 plumbing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/14—Pipes
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Testing Resistance To Weather, Investigating Materials By Mechanical Methods (AREA)
Abstract
本发明公开了一种基于数据融合的腐蚀油气管道剩余寿命及可靠性预测方法,包括以下步骤:1)得腐蚀油气管道寿命T的概率密度函数、可靠度函数以及剩余寿命函数;2)进行双应力恒定加速退化试验,收集腐蚀油气管道样品在各个加速应力S0,S1,...,Ss下的退化数据;3)利用加速寿命试验中处理恒加寿命数据的方法,根据加速应力的类型找出加速模型;4)根据退化数据获取似然函数;5)采用贝叶斯蒙特卡洛模拟μ、σ以及加速模型中的参数;6)将模拟的结果代入概率密度函数、可靠度函数以及剩余寿命函数中,得腐蚀油气管道寿命T的概率密度函数、可靠度函数以及剩余寿命函数,该方法能够较为准确的预测腐蚀油气管道的剩余寿命及可靠性,并且检测成本较低。
Description
技术领域
本发明属于油气管道输送技术领域,涉及一种基于数据融合的腐蚀油气管道剩余寿命及可靠性预测方法。
背景技术
随着对关键设备的可靠性和安全性要求的不断提高,状态监测技术的不断进步,准确地评估与预测设备未来一段时间发生失效的概率已经成为近年来研究的热点问题。管道具有长寿命、高可靠性等多方面优点,但其成本高、批量小以及失效模式和失效机理复杂,使得我们对其进行可靠性建模和剩余寿命(Remaining Useful Life,RUL)预测成为国内外广泛关注和研究的技术难题。
中国管道工业的发展,先后出现过3个建设高潮,分别为20世纪70年代、20世纪80-90年代和21世纪初。因此我国大部分管线已服役20年以上,进入了事故多发期。然而,国内油气管道风险管理正处于风险评价技术的研究阶段,风险评价技术应用基本处于半定量化分析水平上。到目前为止,尽管风险评估已经在管道行业得到了一定程度的应用,但对油气输送管线的安全性能的风险评估,尤其是定量评估仍处于探索阶段。
我国油气管道的风险评估的工作正走向定量积极主动的策略。包括Monte CarloSimulation、ARMA Model、Markov Process、Gumbel分布等模型的建立,这些方法也已经取得了一定的效果,然而,由于腐蚀剩余寿命预测工作中存在着许多不确定因素,实际工况下的缺陷发展规律很难确定。另外,在管道腐蚀的众多影响因素之间还存在着相互影响。这就造成腐蚀剩余寿命预测工作难度增大。在现行适用性评价标准CEGB R6、PD6493以及最新发布的API 579草案中对寿命预测方法仅提供了简单的指导性作法,实际使用中可操作性差。因此,有必要探寻一些新方法来提高腐蚀剩余寿命预测的可操作性以及准确性。
考虑到在工程实际中,管道运行所处环境复杂,退化失效具有随机性,因此作者以随机过程理论为基础,前人在这方面也作业大量研究,如“彭宝华,周经伦,潘正强.Wiener过程性能退化产品可靠性评估的Bayesian方法[J].***工程理论与实践,2010,30(3):543-549”一文中针对Wiener过程性能退化产品提出一种可靠性评估方法,给出了参数的递推估计。“张新生,李亚云,王小完.基于逆高斯过程的腐蚀油气管道维修策略[J].石油学学报,2017,38(03):356-362.”一文将逆高斯随机过程理论引入油气管道腐蚀评估领域,提出逆高斯-状态空间油气管道腐蚀退化过程模型和维修决策优化模型。具体说该类法首先假定设备的退化轨迹服从某一随机过程,然后建立退化模型,根据模型推导出设备的剩余寿命分布,最后,当退化量超过失效阈值时,可以计算出设备或***的剩余寿命概率密度函数,其中有随机系数回归模型,伽玛过程模型,逆高斯过程模型,维纳过程模型,马氏链模型等。以上模型都是基于概率框架下提出的,预测结果是某一概率分布的密度函数,更能体现出剩余寿命的不确定性,所以这种模型更加适合工程应用。
以上这些方法通过不同的随机过程应用取得了一定的效果,但这些应用中也存在着由于管道寿命长,批量小,检测成本高导致的可获取的退化数据不足而造成预测误差大,精度低等问题。
发明内容
本发明的目的在于克服上述现有技术的缺点,提供了一种基于数据融合的腐蚀油气管道剩余寿命及可靠性预测方法,该方法能够较为准确的预测腐蚀油气管道的剩余寿命及可靠性,并且检测成本较低。
为达到上述目的,本发明所述的基于数据融合的腐蚀油气管道剩余寿命及可靠性预测方法包括以下步骤:
1)设腐蚀油气管道的腐蚀退化过程能够用Wiener过程描述,腐蚀油气管道的腐蚀深度增量Δx服从正态分布,当腐蚀油气管道的性能退化量达到给定失效阈值l时,腐蚀油气管道失效,则腐蚀油气管道的失效时间为腐蚀油气管道管壁的退化量首次达到给定失效阈值l的时间T=inf{tX(t)≥l,t≥0},腐蚀油气管道的寿命T服从逆高斯分布,得腐蚀油气管道寿命T的概率密度函数可靠度函数
以及剩余寿命函数
2)进行双应力恒定加速退化试验,具体的,设各腐蚀油气管道样品的管壁腐蚀深度检测时间一致,收集腐蚀油气管道样品在各个加速应力S0,S1,...,Ss下的退化数据{(xijk,tik);i=0,1,Λ,s,j=1,2,Λ,n,k=1,2,Λ,m},其中,s为加速应力的数目,n为腐蚀油气管道样品的数目,m为各加速应力下腐蚀油气管道样品的测量次数;
3)利用加速寿命试验中处理恒加寿命数据的方法,根据加速应力的类型找出加速模型,其中,所述加速模型表示腐蚀油气管道样品所受应力水平与退化率之间的关系,加速模型为Arrhenius模型、艾林模型、指数模型或幂率模型;
4)根据步骤2)得到的退化数据获取似然函数;
5)根据步骤2)得到的退化数据、步骤3)得到的加速模型及步骤4)获取的似然函数采用贝叶斯蒙特卡洛模拟μ、σ以及加速模型中的参数;
6)将步骤5)模拟的结果代入步骤1)中腐蚀油气管道寿命T的概率密度函数可靠度函数以及剩余寿命函数中,得腐蚀油气管道寿命T的概率密度函数、可靠度函数以及剩余寿命函数,完成基于数据融合的腐蚀油气管道剩余寿命及可靠性预测。
步骤3)中当腐蚀油气管道在温度及压力同时作用下进行加速退化时,加速模块则选用广义艾林模型R(T,P)=aexp(-b/T+c*P)。
步骤4)中的似然函数为:
本发明具有以下有益效果:
本发明所述的基于数据融合的腐蚀油气管道剩余寿命及可靠性预测方法在具体操作时,进行双应力恒定加速退化试验,以收集腐蚀油气管道样品在各个加速应力S0,S1,...,Ss下的退化数据{(xijk,tik);i=0,1,Λ,s,j=1,2,Λ,n,k=1,2,Λ,m},相比于单应力,获得的退化数据更加符合实际工程。另外,根据退化数据、加速模型及似然函数采用贝叶斯蒙特卡洛模拟μ、σ以及加速模型中的参数,从而能够反映个体间的差异或管道当前的状态情况,然后将模拟出来的参数代入概率密度函数、可靠度函数及剩余寿命函数中,以获取较为准确的腐蚀油气管道的剩余寿命及可靠性。
附图说明
图1为参数μ求解收敛性迭代轨迹图;
图2为参数σ求解收敛性迭代轨迹图;
图3为不同时刻的剩余寿命概率密度函数图;
图4为不同方法得到的剩余寿命预测值对比图。
具体实施方式
下面结合附图对本发明做进一步详细描述:
本发明所述的基于数据融合的腐蚀油气管道剩余寿命及可靠性预测方法包括以下步骤:
1)设腐蚀油气管道的腐蚀退化过程能够用Wiener过程描述,腐蚀油气管道的腐蚀深度增量Δx服从正态分布,当腐蚀油气管道的性能退化量达到给定失效阈值l时,腐蚀油气管道失效,则腐蚀油气管道的失效时间为腐蚀油气管道管壁的退化量首次达到给定失效阈值l的时间T=inf{tX(t)≥l,t≥0},腐蚀油气管道的寿命T服从逆高斯分布,得腐蚀油气管道寿命T的概率密度函数可靠度函数以及剩余寿命函数
2)进行双应力恒定加速退化试验,具体的,设各腐蚀油气管道样品的管壁腐蚀深度检测时间一致,收集腐蚀油气管道样品在各个加速应力S0,S1,...,Ss下的退化数据{(xijk,tik);i=0,1,Λ,s,j=1,2,Λ,n,k=1,2,Λ,m},其中,s为加速应力的数目,n为腐蚀油气管道样品的数目,m为各加速应力下腐蚀油气管道样品的测量次数;
3)利用加速寿命试验中处理恒加寿命数据的方法,根据加速应力的类型找出加速模型,其中,所述加速模型表示腐蚀油气管道样品所受应力水平与退化率之间的关系,加速模型为Arrhenius模型、艾林模型、指数模型或幂率模型;
4)根据步骤2)得到的退化数据获取似然函数;
5)根据步骤2)得到的退化数据、步骤3)得到的加速模型及步骤4)获取的似然函数采用贝叶斯蒙特卡洛模拟μ、σ以及加速模型中的参数;
6)将步骤5)模拟的结果代入步骤1)中腐蚀油气管道寿命T的概率密度函数可靠度函数以及剩余寿命函数中,得腐蚀油气管道寿命T的概率密度函数、可靠度函数以及剩余寿命函数,完成基于加速退化数据的腐蚀油气管道剩余寿命及可靠性预测。
7)检测获得少量现场退化数据;
8)分别求仅用现场退化数据与融合两种数据的情况下腐蚀油气管道的剩余寿命,并与实际情况进行对比分析;
步骤3)中当腐蚀油气管道在温度及压力同时作用下进行加速退化时,加速模块则选用广义艾林模型R(T,P)=aexp(-b/T+c*P)。
步骤4)中的似然函数为:
仿真实验
管道退化失效主要是管壁的减薄,应力与内压的共同作用可加快管壁的腐蚀退化,加速退化实验中选取温度和内压作为综合加速应力,考虑采用恒定加速退化;表1为获得的3组加速退化数据,试验过程如下:
a)随机抽取9个样本,选择在3组组合应力S1(T1=323K,P1=6MPa),S2=(T2=338K,P2=7MPa),S3=(T3=353K,P3=8MPa)下进行退化试验,每个组合下有3个样品,常应力为S0(T0=318,P0=5MPa);b)在各应力下测量10次,每隔半年测量一次;c)当管道壁退化量达到80%壁厚时即认为失效。
表1
根据加速模型和所选取的退化模型及试验数据,由MCMC模拟得到μ、a、b、c及σ,如表2,图1及图2为模拟的收敛性迭代轨迹图,可以看出两条初值不同的马氏链很好的重合,说明收敛性良好。
表2
寿命预测
假设在常应力下对某段管道每隔2年进行一次测量,共获取12组现场寿命数据:0.172,0.313,0.551,0.783,1.082,1.441,1.928,2.507,3.379,3.704,4.111,4.532mm,在获取第i个现场数据后,预测管道剩余寿命。表3所示为采集到第8个数据后只采用管道现场数据得到的相关参数估计值及95%置信区间;表4为利用贝叶斯方法融合现场实测数据和加速退化数据得到的估计值及95%置信区间。
表3
表4
由表3和表4看出,仅利用现场退化数据时,得到的估计值置信区间相对较大,计算精度较低;而采用本发明得到的置信区间比仅单一数据得到的置信区间要小,说明本发明估计精度较高。当取得第8个现场数据后,利用贝叶斯方法得到的在不同检测时刻下剩余寿命概率密度函数及相应剩余寿命预测值如图3所示。
参照图3,为预测的时间与剩余寿命概率密度及剩余寿命的关系图。当融入更多现场实测数据后,概率密度函数的跨度逐渐变窄,这表明预测精度在逐渐提高。
图4为各种方法得到的剩余寿命,可以看到仅采用现场实测数据和仅使用先验信息估计的结果有较大差异,而结合两种数据采用贝叶斯方法估计的剩余寿命位于它们之间,表明结果更具有可信度。同时根据图中曲线之间的距离可以看出,先验信息相对于现场测量数据对剩余寿命预测结果影响更小。
本发明中退化模型的选择并不仅限为wiener过程,只需符合管道退化特点的其他随机过程即可,例如Gamma过程及逆高斯过程等都可以作为退化模型;在进行加速退化试验时,可以选择步进加速、步降加速及交叉加速等方式,采用的应力可以为单一应力,也可根据实际情况采用多应力来分析,其中,多应力分析更加符合工程实际,能够得到更好的预测效果。
本发明说明书中未作详细描述的内容属于本领域专业技术人员周知的现有公开技术。
以上实施方式仅用于说明本发明,而并非对本发明的限制。尽管为说明目的公开了本发明的相关实施例和附图,但是本领域的技术人员可以理解;在不脱离本发明及所附的权利要求的精神和范围内,各种替换、变化、修改都是可能的。因此,所有等同的技术方案也属于本发明的范畴,本发明的专利保护范围应由权利要求限定,而不应局限于最佳实施例和附图所公开的内容。
Claims (3)
1.一种基于数据融合的腐蚀油气管道剩余寿命及可靠性预测方法,其特征在于,包括以下步骤:
1)设腐蚀油气管道的腐蚀退化过程能够用Wiener过程描述,腐蚀油气管道的腐蚀深度增量Δx服从正态分布,当腐蚀油气管道的性能退化量达到给定失效阈值l时,腐蚀油气管道失效,则腐蚀油气管道的失效时间为腐蚀油气管道管壁的退化量首次达到给定失效阈值l的时间T=inf{t|X(t)≥l,t≥0},腐蚀油气管道的寿命T服从逆高斯分布,得腐蚀油气管道寿命T的概率密度函数可靠度函数以及剩余寿命函数
2)进行双应力恒定加速退化试验,具体的,设各腐蚀油气管道样品的管壁腐蚀深度检测时间一致,收集腐蚀油气管道样品在各个加速应力S0,S1,...,Ss下的退化数据{(xijk,tik);i=0,1,Λ,s,j=1,2,Λ,n,k=1,2,Λ,m},其中,s为加速应力的数目,n为腐蚀油气管道样品的数目,m为各加速应力下腐蚀油气管道样品的测量次数;
3)利用加速寿命试验中处理恒加寿命数据的方法,根据加速应力的类型找出加速模型,其中,所述加速模型表示腐蚀油气管道样品所受应力水平与退化率之间的关系,加速模型为Arrhenius模型、艾林模型、指数模型或幂率模型;
4)根据步骤2)得到的退化数据获取似然函数;
5)根据步骤2)得到的退化数据、步骤3)得到的加速模型及步骤4)获取的似然函数采用贝叶斯蒙特卡洛模拟μ、σ以及加速模型中的参数;
6)将步骤5)模拟的结果代入步骤1)中腐蚀油气管道寿命T的概率密度函数
可靠度函数以及剩余寿命函数中,得腐蚀油气管道寿命T的概率密度函数、可靠度函数以及剩余寿命函数,完成基于数据融合的腐蚀油气管道剩余寿命及可靠性预测。
2.根据权利要求1所述的基于数据融合的腐蚀油气管道剩余寿命及可靠性预测方法,其特征在于,步骤3)中当腐蚀油气管道在温度及压力同时作用下进行加速退化时,加速模型则选用广义艾林模型R(T,P)=aexp(-b/T+c*P)。
3.根据权利要求1所述的基于数据融合的腐蚀油气管道剩余寿命及可靠性预测方法,其特征在于,步骤4)中的似然函数为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810236656.1A CN108460230B (zh) | 2018-03-21 | 2018-03-21 | 基于数据融合的腐蚀油气管道剩余寿命及可靠性预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810236656.1A CN108460230B (zh) | 2018-03-21 | 2018-03-21 | 基于数据融合的腐蚀油气管道剩余寿命及可靠性预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108460230A true CN108460230A (zh) | 2018-08-28 |
CN108460230B CN108460230B (zh) | 2022-07-08 |
Family
ID=63237366
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810236656.1A Active CN108460230B (zh) | 2018-03-21 | 2018-03-21 | 基于数据融合的腐蚀油气管道剩余寿命及可靠性预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108460230B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109784590A (zh) * | 2019-03-20 | 2019-05-21 | 西安建筑科技大学 | 一种基于cagm(1,1)-bpnn的在役油气管道腐蚀预测方法 |
CN110083933A (zh) * | 2019-04-26 | 2019-08-02 | 西安建筑科技大学 | 一种考虑随机效应的腐蚀管道贝叶斯退化分析方法 |
CN113010962A (zh) * | 2021-03-01 | 2021-06-22 | 中车大连机车研究所有限公司 | 一种基于加速腐蚀试验的散热器腐蚀剩余寿命的预测方法 |
CN113378420A (zh) * | 2020-11-27 | 2021-09-10 | 东南大学 | 一种裂纹管道寿命预测方法 |
CN113468757A (zh) * | 2021-07-16 | 2021-10-01 | 西南石油大学 | 一种基于模糊随机理论评估腐蚀天然气管道可靠性的方法 |
CN113806874A (zh) * | 2020-06-16 | 2021-12-17 | 罗克韦尔自动化技术公司 | 用于利用腐蚀补偿进行电气部件寿命估计的方法和设备 |
CN114492980A (zh) * | 2022-01-21 | 2022-05-13 | 中特检深燃安全技术服务(深圳)有限公司 | 一种城镇燃气埋地管道腐蚀风险的智能预测方法 |
CN114492507A (zh) * | 2021-12-24 | 2022-05-13 | 北京航空航天大学 | 一种数模协同驱动下的轴承剩余寿命预测方法 |
CN115314101A (zh) * | 2022-04-12 | 2022-11-08 | 中国人民解放军战略支援部队航天工程大学 | 一种基于并行计算的低轨通信卫星星座快速建模方法 |
CN114492507B (zh) * | 2021-12-24 | 2024-08-02 | 北京航空航天大学 | 一种数模协同驱动下的轴承剩余寿命预测方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103793752A (zh) * | 2013-09-13 | 2014-05-14 | 中国人民解放军第二炮兵工程大学 | 一种基于退化建模的设备失效次数预测方法 |
CN104850736A (zh) * | 2015-04-27 | 2015-08-19 | 大连理工大学 | 一种基于状态空间模型的高速数控铣床刀具寿命预测方法 |
CN106355320A (zh) * | 2016-08-29 | 2017-01-25 | 西安建筑科技大学 | 一种灰色***海底油气管道坠物腐蚀可靠性评估方法 |
CN106372299A (zh) * | 2016-08-29 | 2017-02-01 | 西安建筑科技大学 | 一种基于逆高斯过程和em‑pf的管道剩余寿命预测方法 |
CN107194478A (zh) * | 2017-06-21 | 2017-09-22 | 中国人民解放军国防科学技术大学 | 融合寿命数据和性能退化数据的单机剩余寿命预测方法 |
US20170372704A1 (en) * | 2004-06-14 | 2017-12-28 | Stylianos Papadimitriou | Autonomous material evaluation system and method |
-
2018
- 2018-03-21 CN CN201810236656.1A patent/CN108460230B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170372704A1 (en) * | 2004-06-14 | 2017-12-28 | Stylianos Papadimitriou | Autonomous material evaluation system and method |
CN103793752A (zh) * | 2013-09-13 | 2014-05-14 | 中国人民解放军第二炮兵工程大学 | 一种基于退化建模的设备失效次数预测方法 |
CN104850736A (zh) * | 2015-04-27 | 2015-08-19 | 大连理工大学 | 一种基于状态空间模型的高速数控铣床刀具寿命预测方法 |
CN106355320A (zh) * | 2016-08-29 | 2017-01-25 | 西安建筑科技大学 | 一种灰色***海底油气管道坠物腐蚀可靠性评估方法 |
CN106372299A (zh) * | 2016-08-29 | 2017-02-01 | 西安建筑科技大学 | 一种基于逆高斯过程和em‑pf的管道剩余寿命预测方法 |
CN107194478A (zh) * | 2017-06-21 | 2017-09-22 | 中国人民解放军国防科学技术大学 | 融合寿命数据和性能退化数据的单机剩余寿命预测方法 |
Non-Patent Citations (2)
Title |
---|
张新生,等: "基于逆高斯过程的腐蚀油气管道维修策略", 《石油学报》 * |
张鹏,等: "考虑随机变量相关性的腐蚀管道失效概率", 《石油学报》 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109784590A (zh) * | 2019-03-20 | 2019-05-21 | 西安建筑科技大学 | 一种基于cagm(1,1)-bpnn的在役油气管道腐蚀预测方法 |
CN109784590B (zh) * | 2019-03-20 | 2022-06-14 | 西安建筑科技大学 | 一种基于cagm(1,1)-bpnn的在役油气管道腐蚀预测方法 |
CN110083933B (zh) * | 2019-04-26 | 2022-09-27 | 西安建筑科技大学 | 一种考虑随机效应的腐蚀管道贝叶斯退化分析方法 |
CN110083933A (zh) * | 2019-04-26 | 2019-08-02 | 西安建筑科技大学 | 一种考虑随机效应的腐蚀管道贝叶斯退化分析方法 |
CN113806874A (zh) * | 2020-06-16 | 2021-12-17 | 罗克韦尔自动化技术公司 | 用于利用腐蚀补偿进行电气部件寿命估计的方法和设备 |
CN113806874B (zh) * | 2020-06-16 | 2024-03-08 | 罗克韦尔自动化技术公司 | 用于利用腐蚀补偿进行电气部件寿命估计的方法和设备 |
CN113378420A (zh) * | 2020-11-27 | 2021-09-10 | 东南大学 | 一种裂纹管道寿命预测方法 |
CN113010962A (zh) * | 2021-03-01 | 2021-06-22 | 中车大连机车研究所有限公司 | 一种基于加速腐蚀试验的散热器腐蚀剩余寿命的预测方法 |
CN113010962B (zh) * | 2021-03-01 | 2024-02-06 | 中车大连机车研究所有限公司 | 一种基于加速腐蚀试验的散热器腐蚀剩余寿命的预测方法 |
CN113468757A (zh) * | 2021-07-16 | 2021-10-01 | 西南石油大学 | 一种基于模糊随机理论评估腐蚀天然气管道可靠性的方法 |
CN114492507A (zh) * | 2021-12-24 | 2022-05-13 | 北京航空航天大学 | 一种数模协同驱动下的轴承剩余寿命预测方法 |
CN114492507B (zh) * | 2021-12-24 | 2024-08-02 | 北京航空航天大学 | 一种数模协同驱动下的轴承剩余寿命预测方法 |
CN114492980B (zh) * | 2022-01-21 | 2022-09-02 | 中特检深燃安全技术服务(深圳)有限公司 | 一种城镇燃气埋地管道腐蚀风险的智能预测方法 |
CN114492980A (zh) * | 2022-01-21 | 2022-05-13 | 中特检深燃安全技术服务(深圳)有限公司 | 一种城镇燃气埋地管道腐蚀风险的智能预测方法 |
CN115314101A (zh) * | 2022-04-12 | 2022-11-08 | 中国人民解放军战略支援部队航天工程大学 | 一种基于并行计算的低轨通信卫星星座快速建模方法 |
CN115314101B (zh) * | 2022-04-12 | 2023-08-01 | 中国人民解放军战略支援部队航天工程大学 | 一种基于并行计算的低轨通信卫星星座快速建模方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108460230B (zh) | 2022-07-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108460230A (zh) | 基于数据融合的腐蚀油气管道剩余寿命及可靠性预测方法 | |
Valor et al. | Reliability assessment of buried pipelines based on different corrosion rate models | |
US20220057367A1 (en) | Method for evaluating pipe condition | |
US7941282B2 (en) | Estimating worst case corrosion in a pipeline | |
CN108536926A (zh) | 基于改进自适应gev分布的腐蚀油气管道剩余寿命分析方法 | |
WO2024041233A1 (zh) | 桥梁结构多因素耦合作用疲劳损伤与寿命的评估方法 | |
CN107844663A (zh) | 一种基于疲劳累积损伤的可靠度建模方法 | |
CN108615098B (zh) | 基于贝叶斯生存分析的供水管网管道爆管风险预测方法 | |
CN111104989A (zh) | 燃气管道腐蚀预测方法和装置 | |
CN115358102B (zh) | 引入内检测数据的地震作用下腐蚀管道失效概率分析方法 | |
CN101994908A (zh) | 高温管线***实现可靠性维修规划的方法 | |
Song et al. | Multifractional and long-range dependent characteristics for remaining useful life prediction of cracking gas compressor | |
CN110083933B (zh) | 一种考虑随机效应的腐蚀管道贝叶斯退化分析方法 | |
Anes‐Arteche et al. | Challenges in the application of DCVG‐survey to predict coating defect size on pipelines | |
CN116384732A (zh) | 场站管道风险智能评估方法、***、存储介质及计算设备 | |
RU2667119C2 (ru) | Способ проверки остаточной дефектности изделий | |
Tan | Statistical methods for the analysis of corrosion data for integrity assessments | |
Kariyawasam et al. | A Data Driven Validation of a Defect Assessment Model and its Safe Implementation | |
Little et al. | Spatio‐temporal modelling of corrosion in an industrial furnace | |
Alfonso et al. | Application of extreme value statistics to the prediction of maximum pit depth in non-piggable, buried pipelines | |
Wu et al. | Diagnosis and Prediction Model of Tunnel Lining Cracks Based on Multi-source Data | |
Neves et al. | Life-cycle performance of structures: combining expert judgment and results of inspection | |
Andrey | Analytical methods for minimizing the cost of repair work on pipeline networks in the formation of a digital double of infrastructure | |
CN116757091A (zh) | 一种埋地管道外腐蚀剩余寿命的预测模型 | |
Azizi | Integration of seasonal autoregressive integrated moving average and bayesian methods to predict production throughput under random variables |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20231108 Address after: 710054 3rd Floor, Section A, High rise Commercial Podium Building, Yanta Road, Xi'an University of Architecture and Technology, No. 13, Middle Section, Yanta Road, Beilin District, Xi'an City, Shaanxi Province Patentee after: Shaanxi Shijiuchang Environmental Protection Engineering Co.,Ltd. Address before: 710055 Yanta Road 13, Xi'an City, Shaanxi Province Patentee before: XIAN University OF ARCHITECTURE AND TECHNOLOG |
|
TR01 | Transfer of patent right |