(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111178474.1 (22)申请日 2021.10.10 (65)同一申请的已公布的文献号 申请公布号 CN 113806902 A (43)申请公布日 2021.12.17 (73)专利权人 西南石油大 学 地址 610500 四川省成 都市新都区新都大 道8号 (72)发明人 曾德智　韩雪　金龙　张新　 于晓雨　赵春兰　仝春玥　汪宙峰　 董宝军　喻智明　 (51)Int.Cl. G06F 30/18(2020.01) G06F 30/27(2020.01) G06N 3/04(2006.01)G06N 3/08(2006.01) G06F 113/14(2020.01) G06F 119/04(2020.01) 审查员 高宇峰 (54)发明名称 一种管道腐蚀人工智能预警方法 (57)摘要 本发明公开了一种管道腐蚀人工智能预警 方法， 属于 管道安全技术领域。 所述方法包括： 首 先收集管道的基础数据， 进行管道继续服役的条 件判定， 然后利用长短时记忆神经网络预测腐蚀 速率、 超声波侧厚估算腐蚀速率， 预测管道剩余 寿命， 判定 管道安全服役状况， 做出针对性警示。 该方法以管道剩余寿命预测为基础， 采取人工智 能方法预测管道未来运行状况， 对异常状况发出 警示并及时采 取应对办法， 使油气田能够防患于 未然， 对症下药为智慧油气田的建设提供腐蚀预 警层面的技 术支撑。 权利要求书4页 说明书9页 附图2页 CN 113806902 B 2022.08.19 CN 113806902 B 1.一种管道腐蚀人工智能预警方法， 其特 征在于， 包括如下步骤： 步骤1： 收集管道的基础数据： 管道外径Dw， mm； (2)管道内径Dn， mm； (3)管道材料的屈服强度σs， MPa； (4)管道壁厚d， mm； (5)管道设计压力 P， MPa； (6)管道腐蚀裕量C， mm； (7)管道生产运行时间Ts， a； (8)管道设 计使用年限Tu； 步骤2： 划分管道腐蚀缺陷区域： 检测管道腐蚀缺陷按照轴向和环向对区域进行网格划分： 轴向划分m份分别为C1、 C2… Ci…Cm， 环向划分n份分别 为L1、 L2…Lj…Ln， 从而将腐蚀缺陷离散划分为m ×n个壁厚测量点 Aij(i＝1、 2、 3…m； j＝1、 2、 3 …n)； 其中： m为轴向划定的区域个数， C1、 C2…Cm为轴向划定区域的每一份对应一个缺陷的轴 向测量点； n为环向划定的区域个数， L1、 L2…Ln为轴向划定区域的每一份对应一个缺陷的环 向测量点； Aij为腐蚀缺陷离 散划分的m ×n个壁厚测量 点； 步骤3： 管道继续 服役条件的判定， 具体步骤： (a)通过公式(1)求解轴向要求最小壁厚 通过公式(2)求解环向要求最小壁厚 将计算结果 和 带入公式(3)确定管道最小 要求壁厚tmin： 式中： 为轴向要求最小壁厚， mm； 为环向要求最小壁厚， mm； tmin为管道最小要求壁 厚， mm； (b)统计管道腐蚀缺陷区域的m ×n个壁厚测量点的壁厚值aij， 其中测量得到壁厚值最 小的是amin， 通过公式(4)求 解所有被测点 壁厚的平均值tam： 式中： aij为腐蚀缺陷离散划分的m ×n个测量点的壁厚值， mm； tam为所有被测点壁厚的平 均值， mm； (c)通过公式(5)求 解管道的剩余 壁厚比Rt： 式中： Rt为管道的剩余 壁厚比； (d)求解管道轴向最大允许腐蚀缺陷的长度L： 若Rt≥0.793， 则 权　利　要　求　书 1/4 页 2 CN 113806902 B 2若Rt＜0.793， 则 其中： L为轴向最大允许腐蚀缺陷的长度值， m m； (e)确定管道安全服役 条件： 若La≤L， 则管道可以继续 服役； 若La>L且tam ‑C≥0.9tmin时， 则管道可以继续 服役； 若La>L且tam ‑C＜0.9tmin时， 则管道不可以继续服役， 判定为一级预警等级， 预警标识 显示为红色； 其中： La为管道壁厚断面腐蚀缺陷的轴向长度， m m； 步骤4： 预测管道剩余寿命： (a)基于在线监测预测管道剩余寿命： 1)预测管道腐蚀速率， 具体步骤： ①整理现场腐蚀监测数据集： 某一时间段的监测时间数据集α(t1、 t2、 t3…tn)； 监测时间 对应的腐蚀速率数据集β(V1、 V2、 V3…Vn)； 其中： t1、 t2、 t3…tn为按照时间排序间隔一个步长的监测时间； V1、 V2、 V3…Vn为监测时间 对应的腐蚀速率 监测值， m m/a； ②观察腐蚀监测数据集补充缺失数据： 任取腐蚀监测时间数据 集α 中的3个时间ta、 tb、 tc， 取腐蚀速率数据 集β 中对应的腐蚀速 率监测值Va、 Vb、 Vc， 带入公式(6)得到缺失时间tx对应的腐蚀速率 值Vx： 式中： ta、 tb、 tc为监测时间数据集α 中的任意三个时间； Va、 Vb、 Vc为腐蚀速率数据集β 中 ta、 tb、 tc对应的腐蚀速率 监测值， m m/a； tx为缺失的监测时间； Vx为tx对应的腐蚀速率， m m/a； ③构建长短时记 忆神经网络： I完整的腐蚀监测数据集： 包含腐蚀数据缺失值的监测时间数据集α ’(t1、 t2、 t3…tx… tn)和对应的腐蚀速率数据集β ’(V1、 V2、 V3…Vx…Vn)， 其中α’为输入值， β ’为输出值； II长短时记 忆神经网络模型内部结构包 含遗忘门、 输入门、 输出门： i上一时间ti‑1的腐蚀速率监测Vi‑1经过ti时间长短时神经网络的遗忘门f(ti)式(7)进 行更新遗忘： 式中： f(ti)表示为遗忘 门函数； σ 为神 经网络激活函数， 此处选用sigmoid函数； wf与uf 为遗忘门权重系数矩阵； bf为网络偏置值； ti为目标预测时间； 表示ti时间对应的时间数 据； ti‑1为监测时间数据集α ’的某一时间； Vi‑1表示对应的腐蚀速率数据集β ’中的腐蚀速率， mm/a； iiti对应的时间数据 ti‑1时间对应的腐蚀监测值Vi‑1进入ti时间长短时神经网络的 输入门i(ti)式(8)与备选内容 式(9)：权　利　要　求　书 2/4 页 3 CN 113806902 B 3