文摘
长距离油气管道的弯曲应变可以通过内联检验计算工具,利用惯性测量单元(IMU)。弯曲应变用于评估管道的应变和位移。在弯曲应变检测,管道中存在的影响会影响弯曲应变数据。本文提出一种新颖的方法模型和基于弯曲应变计算管道的影响。这项技术将惯性从内联映射数据检查和计算深度的凹痕管道使用贝叶斯统计理论和神经网络。验证该方法的准确性,使用一个在线检查工具检查管道收集数据。削弱了的计算方法是准确的削弱,和平均相对误差为2.44%。管道的新方法不仅提供了应变影响,还影响的深度。它更有利于管道的完整性管理管道的安全。
1。介绍
随着石油和天然气生产的发展,长距离埋地管道用于运输石油和天然气的生产(1,2]。由于时间累积的原因或施工、腐蚀等缺陷,凿击,削弱,位移严重威胁管道安全运行。为了减少这些缺陷的风险,管道公司通常选择在线检查工具检查身体的缺陷管道。漏磁(漏)和超声波工具用于检查金属损失等管道的腐蚀、裂纹和孔。
凹痕是另一种常见的缺陷在长距离埋地油气管道。很多凹陷已发现的管道由于施工机械损伤。凹痕管道变形,会影响身体对管道的完整性(3- - - - - -6]。具体来说,削弱位于管道的焊缝或急剧的降低会导致严重的泄漏后果。损坏的严重程度的信息管道由于凹陷管道行业是非常重要的。凹痕的缺陷是管壁的径向变形。一般来说,这些凹痕可以通过内联检验测量工具叫几何工具配备仪器和机械手指在管壁上能够提供数据几何变形。然而,这个工具只检查尺寸(长度、深度和宽度)的影响。为了评估风险的影响,技术要求复杂的建模和计算应变或其他信息。影响测试的另一个方法可以使用样板测量深度、宽度、长度和凿击或划痕损伤。这种方法也可用于确定损伤的程度和确定任何锋利的边缘。最近,三维激光扫描仪用于地图和测量削弱。 This technology can more accurately measure the dimensions of the dent by the laser scan. However, the method for dent testing of profile gauge and 3D laser scan only use dents which have been dug. They are the verification for dents which are inspected by geometry tool.
如今,另一个管道在线检测工具安装的惯性测量单元(IMU)是用来检查管道(7- - - - - -10]。如图1这个工具,它包含一个数据采集系统(DAS),一个IMU,一些焊缝探测器,里程表,通过管道和收集数据驱动的移动关于凹陷,弯曲,和导航。中石油管道公司已经开发出了一种IMU系统基于一个导航系统,它适用于几何猪。乌兹别克斯坦伊斯兰运动的态度数据可以用来记录在检验工具。计算管道中心线的方法提出了多传感器的融合。Czyz et al。11,12)开发了一种纯几何投影算法对管道的弯曲应变。另一个管道应变测试方法是使用应变计安装在管道的表面。两种类型的应变计、电阻和光纤,用于测量管道的应变。光纤的应变计是测量更精确的压力。这两种方法可以用来监测管道的应变变化。但这两种方法的限制只是用来测量管道的部分章节。他们不能为长距离埋地管道检查整个应变。
整个管道的弯曲应变可以报告当工具运行一次。一般来说,技术只使用弯曲应变检测管道的位置持久的额外的压力大于操作要求和评估当地管道的位移。然而,发现弯曲应变能的影响削弱(13- - - - - -16]。本文的建模和计算方法提出了基于弯曲应变的影响。这项技术需要贝叶斯统计理论和神经网络来提高一个新方法来计算影响的深度。更有用的评估管道完整性的影响。
2。管道弯曲应变的计算方法
在本节中,管道弯曲应变的计算方法。几个因素,如内部压力、温度微分、外部载荷和边界条件影响的压力。应变可以由两个主要组件:纵向和箍应变17- - - - - -19]。组件的弯曲应变是一个纵向应变。它可以由以下公式描述: 在哪里总弯曲应变,是总曲率,是垂直曲率,是水平曲率。
管的中心线的总曲率描述沿管道每一点的曲率向量。为了计算管道曲率,管道中心线的被认为是一个3 d参数曲线描述在笛卡尔系统由一个向量,这是一个距离的函数沿着曲线(20.,21]:
假设向量相切的、分离的垂直和水平曲率组件,如图2。管道弯曲应变的计算可以给出 在球场上和方位可以测量管道中心线的猪。
假设向量是一个3 d曲线的曲率向量对于一个给定的点,然后呢由垂直曲率和横向曲率,可以给出
上述方程可以写为每个组件分别曲率向量的笛卡尔坐标系统:
垂直曲率和横向曲率可以给
从(7),可以看出,管道弯曲应变与态度可以计算数据,可获得与猪。
3所示。建模和计算的影响
节2,管道弯曲应变的计算进行了探讨。等特性的总位移和削弱基于弯曲应变能计算和确定。然而,很难获得的深度影响的弯曲应变测量。因为很多因素,很难找到一个简单的弯曲应变之间的关系和影响的大小。神经网络是一个很好的解决方案,这实际的项目。它是基于复杂的大量神经元的连接和处理困难的语言建模信息通过自学习,自组织和非线性动力学。
3.1。BP神经网络
BP神经网络由输入层、隐藏层和一个线性输出层。每一层是由几个神经元22- - - - - -24]。最基本的三层BP神经网络结构如图3。假定每一层由““处理元素;训练集包括““样本模式(,)。为““训练样本,总输入的总和为元素。如果输出是,它是 在哪里是神经元之间的重量吗和。该函数是
神经网络的误差如下: 在哪里期望的输出吗输出对输入的。如果学习规则使用梯度下降的方法,误差函数的权重可以改变。修改后的功能如下: 在哪里《纽约时报》的学习,是学习因素,修改后的值是错误。修改错误的输出和吗是修改后的错误隐藏层。
3.2。提高基于贝叶斯理论的神经网络
传统的神经网络很难控制其模型的复杂性,导致网络过度拟合、长时间训练,网络模型低稳定性(25,26]。然而,基于贝叶斯推理的贝叶斯神经网络可以有效地解决这些问题通过纠正网络训练性能函数。
在实际的复杂系统,输入量包括给定的输入量和未知扰动量如(噪音信号),通常和未知扰动量会影响系统输出(27,28]。让作为一个可观测的给定的输入;然后系统输出量之间的关系和输入量可以由以下公式描述: 在哪里代表输入对输出的影响和随机数量提交一些分布。神经网络的训练性能函数采用均方误差函数。假设误差函数如下: 在哪里是样本数据,神经网络的输出数据,期望输出,是网络实际输出。通常不是独一无二的解决方案可能导致训练神经网络陷入局部最小值。为了解决这个问题,约束项可以引入函数插值能力,然后解决方案是稳定的。的条件,插值能力呢是光滑的。虽然网络权重和阈值的平方之和很小,它的输出是平滑的。因此约束项应该代表平滑约束,目标函数表示如下:
神经网络权重和阈值,网络权重和阈值,是重量和阈值的平方之和,是平方求和的网络实际输出和客观预期剩余价值,然后呢和是hyperparameter决定神经网络目标性能函数的值大小和控制体重和阈值的分布形式。通过使用新的客观性能函数,网络权重和阈值尽可能小,条件是网络训练误差尽可能小。根据贝叶斯后验概率分布和符合下列公式:
是一个数据集的例子包括样品,是神经网络隐层数,hyperparameter先验概率,是归一化因子,似然函数。在偏导数,,最突出的hyperparameter可以进行:
的数量可以减少参数数字(0 -W)在性能指标函数中参数在网络。重量和阈值时吗是最低的。的下标。重量和阈值时吗是最低的。最突出的hyperparameter工作之后,确定是否再次融合。通过迭代的判断,最好的和最突出的神经网络模型。
相对传统的神经网络、贝叶斯神经网络主要集中在整个参数空间的概率分布和预测的结果是基于统计参数后验分布的平均水平。单个模型对应一个点在空间;所有模型都对应于整个参数空间。因此贝叶斯神经网络保证网络在理论上更强的泛化。
3.3。建模和计算弯曲应变的影响
典型的信号削弱功能从弯曲应变如图3。水平轴代表削弱沿管道长度和纵轴的弯曲应变影响,分别。弯曲应变可以表示为严重削弱。削弱的身份特征,输入可以削弱的弯曲应变相关信息。输出选择的实际深度影响的现场测量。
根据弯曲应变的关系和影响,如图3弯曲应变对距离的情节模式,显示了影响环境因素诱发的变形的特点。的模式是由一个主要的行动中心,与反应(弯曲应变方向相反)。对于削弱中央与过度弯曲变形是一个underbend两端。主要影响参数包括开始弯曲应变和结束弯曲应变有关反应区域沿着管道的影响,分别。最大弯曲应变最深的影响有关。的距离是反应开始弯曲应变的影响。是主要作用削弱的距离。的距离是另一个反应结束弯曲应变的影响。建模和计算的过程削弱基于贝叶斯理论的神经网络图所示4。
4所示。现场测试和数据分析
4.1。设备和性能
测试该方法实验,一个内联检验工具(如图5),该方法用于检查石油管道,这是约150公里。大约150凹陷已挖深度测量和验证在过去的五年。这些实际数据可以用于样本选择算法。
IMU管道伊犁工具主要由以下传感器被用来计算管道的弯曲应变和位置:(1)惯性测量单元是伊犁的主要设备收集数据。采用正交三个陀螺仪和三个加速度计安装在测量态度和正电子的IMU伊犁工具。这些收集的数据可以用来计算管道弯曲应变与其他传感器安装在伊犁的工具。(2)两个里程表安装在伊犁测量距离和瞬时和平均速度,可用于修改惯性系统错误。(3)两个焊接探测器传感器用于测量和记录时间的每个环形焊缝的工具。他们可以使用对齐为每个轴重复检查。
众所周知,大多数国内石油管道加热运输和穿过山脉,山,河流,和其他复杂环境地区(29日];电气设备的技术和安全要求非常严格。安全检查实际的管道,乌兹别克斯坦伊斯兰运动不仅要满足的技术性能,而且管道的实际情况,应考虑外部环境。惯性设备的技术性能,用于现场测试,如表所示1。
4.2。数据分析
根据节2,一个典型的弯曲应变的影响如图6的深度是52.79毫米外径的6.5%计在测量领域。这个影响的弯曲应变−0.4125%位于底部的管道。
部分的方法3120数据集弯曲应变的影响选择新的神经网络的输入。凹陷的一部分训练数据如表所示2。神经网络的输入是由,,,,,介绍了部分3所示。3。神经网络的输出影响的深度。
测量的数据输入到BP神经网络来计算影响的结果。部分样本数据输入网络培训和其他样本数据来验证的准确性。计算如表所示3和图7。平均相对误差为基点计算和实际的深度是12.26%。尽管BP神经网络可用于计算弯曲应变的深度,准确性低评估影响程度。
为了验证该方法的准确性,所有的数据输入修改后的贝叶斯神经网络。可以训练神经网络的样本数据。均方误差(MSE)被选中来评估神经网络的质量。调整参数的神经网络,训练的结果如图8。最好的验证MSE性能方法是95年0.0040885时代。
修改后的计算基于贝叶斯神经网络图所示9和表4。很明显看到方法可以用来计算弯曲应变的影响深度。从表4,平均相对误差计算和实际深度是2.44%。改进神经网络的准确性提出高于BP神经网络。修改后的计算贝叶斯神经网络可用于计算凹痕的深度影响。使用此方法,管道公司的IMU工具运行一次不仅获取管道弯曲应变,而且计算深度的影响。该方法提供了一个有用的管道完整性评价方法。
5。结论
加载IMU内联检验工具,用来检查管道的中心线。态度的信息可以用来计算管道的弯曲应变。然而,没有论文或报告研究弯曲应变之间的关系和影响。本文基于管道弯曲应变的计算方法的分析,我们提出一个方法基于改进贝叶斯神经网络计算从弯曲变形影响深度。为了测试该方法实验,一头猪用该方法用于检查一条150公里的管道。它可以获得(1)提出了一种新的方法来验证管道弯曲应变之间的关系,基于计算弯曲应变的影响。(2)根据信号削弱和管道弯曲应变之间的特点,提出了一种新的模型用于提出详细的计算算法。(3)修改后的贝叶斯神经网络的计算,提出了计算深度凹陷与管道弯曲应变与实际数据进行比较。和传统BP神经网络用于计算影响的深度。根据计算的结果,计算的平均精度改进贝叶斯神经网络比BP神经网络为9.82%。(4)据计算,该方法更准确,适用于基于管道弯曲应变的计算深度。平均相对误差的计算基于凹痕深度修改后的贝叶斯神经网络是2.44%。
本文提供了一种新方法计算管道弯曲应变的影响深度。可以评估影响的弯曲应变不习惯挖掘或使用另一个工具复验。凹痕深度的弯曲应变和计算管道完整性的评价也很有用。
相互竞争的利益
作者宣称没有利益冲突。
确认
这项工作是支持的项目中石油管道公司“安全服务的研究埋在冻土地区管道。”