CN105975678A - 一种基于参数化模型的油气管道剩余强度预测方法 - Google Patents

Abstract

本发明公开了一种基于参数化模型的油气管道剩余强度预测方法。根据已建立的受损管道三维模型，以管道材料抗拉极限强度作为判据对受损管道进行非线性有限元力学仿真分析，获得缺陷几何量对管道剩余强度的影响关系，根据缺陷几何量对管道剩余强度的影响关系构建用于定量化描述管道剩余强度的参数化模型，利用智能优化方法求解参数化模型的未知系数，将检测得到的缺陷几何量代入到已获得未知系数的参数化模型中求得管道剩余强度，完成对油气管道剩余强度的预测。本发明有效解决海底受损油气管道的安全性预测问题，可靠性高，可有效地用于海底油气受损管道的剩余强度分析，为管道的安全性预测提供理论依据。

Description

一种基于参数化模型的油气管道剩余强度预测方法

技术领域

本发明涉及了一种管道检测预测方法，尤其是涉及了一种基于参数化模型的油气管道剩余强度预测方法。

背景技术

油气管道是油气开发的重要组成部分，是油气输送的主要手段，被认为是油气生产系统中的生命线。由于受环境侵蚀、外部载荷作用等因素的影响势必导致油气管道系统的损伤积累和抗力衰减，油气管道破裂泄漏的风险也悄然增加，防范油气管道的泄漏已成为当务之急。

从上世纪70年代起，国外就开展了受损管道极限承载力和失效机理的相关研究，并制定了一系列的管道安全性预测规范。美国机械工程师协会颁布了具有代表性的管道安全性预测规范ASME B31G《确定腐蚀管道剩余强度的手册》。随后，针对ASME B31G规范的保守性等问题，O’Grady等对腐蚀面积和膨胀系数等做了相应的修正，被称为改进版的B31G。挪威船级社通过对海底腐蚀管道进行了一系列的试验研究，与英国燃气公司联合颁布了腐蚀管道剩余强度预测规范DNV-RP-F101。为了验证现有规范的可靠性，国内外学者开展了腐蚀管道失效实验研究，并将试验结果与现有的规范进行比较，结果表明规范DNV-RP-F101和ASME B31G均过于保守，而改进版的B31G则偏于危险。以上规范准则中所给出的计算模型均未考虑缺陷宽度对于管道剩余强度的影响，这也是影响现有规范预测结果的影响因素之一。

发明内容

针对现有管道安全性预测规范中所存在不足，本发明提出了一种基于参数化模型的油气管道剩余强度预测方法，能有效解决海底受损油气管道的安全性预测问题。

本发明采用的技术方案是，如图1所示：

根据已建立的受损管道三维模型，以管道材料抗拉极限强度作为判据对受损管道进行非线性有限元力学仿真分析，获得缺陷几何量对管道剩余强度的影响关系，根据缺陷几何量对管道剩余强度的影响关系构建用于定量化描述管道剩余强度的参数化模型，将非线性有限元力学仿真分析的数据代入到参数化模型中利用智能优化方法求解参数化模型的未知系数，获得未知系数的参数化模型给出了管道剩余强度与缺陷几何量之间的定量关系，将检测得到的缺陷几何量代入到已获得未知系数的参数化模型中求得管道剩余强度，完成对油气管道剩余强度的预测。

所述的缺陷几何量对管道剩余强度的影响关系包括缺陷长度对管道剩余强度的影响关系、缺陷深度对管道剩余强度的影响关系和缺陷宽度对管道剩余强度的影响关系。

所述缺陷长度对管道剩余强度的影响关系为指数分布关系。

所述缺陷深度对管道剩余强度的影响关系为抛物线分布关系。

所述缺陷宽度对管道剩余强度的影响关系为指数分布关系。

所述参数化模型具体采用以下公式：

$p_f=\frac{2{\mathrm{\σ}}_{b}t}{D}\[1-\frac{d}{t}(1-f)\]$

其中，p_f表示管道剩余强度，D表示管道外径，t表示管道厚度，f表示缺陷几何量，d表示缺陷深度，σ_b表示管道材料的抗拉极限强度。

所述的缺陷几何量f采用以下公式表示：

(修改公式)

其中，k、m和n分别为参数化模型的长度影响因子、深度影响因子和宽度影响因子，L表示缺陷长度，d表示缺陷深度，w表示缺陷宽度。

将所述缺陷几何量f的公式代入参数化模型后获得以下最终的参数化模型公式表达：

$p_f=\frac{2{\mathrm{\σ}}_{b}t}{D}\[1-\frac{d}{t}(1-\exp (\frac{k\·L_d}{\sqrt{Dt}})\·\exp (\frac{n\·w}{\mathrm{\π}D}\left)\right(1-m\·{\left(\frac{d}{t}\right)}^2\left)\right)\]$

其中，p_f表示管道剩余强度，D表示管道外径，t表示管道厚度，f表示缺陷几何量，σ_b表示管道材料的抗拉极限强度，k、m和n分别为参数化模型的长度影响因子、深度影响因子和宽度影响因子，L表示缺陷长度，d表示缺陷深度，w表示缺陷宽度。

所述的智能优化方法具体可采用遗传算法。

非线性有限元力学仿真分析包括：

利用非线性有限元方法研究缺陷长度对管道剩余强度的影响规律并进行统计分析，分析结果如图2所示，得到的结论是，呈现指数分布；

利用非线性有限元方法研究缺陷深度对管道剩余强度的影响规律并进行统计分析，分析结果如图3所示，得到的结论是，呈现抛物线分布；

利用非线性有限元方法研究缺陷宽度对管道剩余强度的影响规律并进行统计分析，分析结果如图4所示，得到的结论是，呈现指数分布。

本发明以管道材料的抗拉极限强度作为判据对受损管道进行非线性有限元力学分析，目前的有限元数值计算中，通常采用会弹塑性本构模型，该模型未曾考虑材料的硬化效应，而事实上材料的硬化效应对管道的失效会有很大的影响，为此在有限元计算模型中引入了Ramberg-Osgood幂硬化应力-应变法则，使得分析结果更加接近于实际。

本发明经过实验验证，表明该模型比现有的管道预测标准具有更好的可靠性，可有效地用于海底油气受损管道的剩余强度分析，为管道的安全性预测提供理论依据。

本发明具有的有益效果是：

本发明在有限元分析基础上结合相应的边界条件构建了所述参数化模型，综合考虑了管道上缺陷的各个参数对于管道剩余强度的影响，克服了现有管道剩余强度预测规范所存在的不足，其预测结果能够更加接近于实际情况，可提高受损管道预测结果的可靠性。

我国目前有将近6000公里长的海底油气管道，随着海洋油气资源的不断开发，海底管网规模会日益扩大，国外公司对我国实施技术封锁，只提供检测服务，每公里收费动辄数万美元。

本发明能为我国海底管道的安全使用质量管理领域提供一套有效的、具有自主知识产权的复杂载荷下海底受损油气管道剩余强度分析方法。不仅能在管道检测分析领域中得到直接应用，而且相关共性技术进一步推广可方便延伸到其它对象应用，拓宽应用范围，创造更大的社会和经济效益。

附图说明

图1是本发明总体流程框图。

图2是本发明失效载荷随缺陷长度变化示意图。

图3是本发明失效载荷随缺陷深度的变化示意图。

图4是本发明失效载荷随缺陷宽度变化示意图。

图5是本发明模型参数k的最优解进化过程示意图。

图6是本发明模型参数m的最优解进化过程示意图。

图7是本发明模型参数n的最优解进化过程示意图。

图8是本发明失效载荷预测结果比较示意图。

具体实施方式

以下结合附图和实施例对本发明作进一步说明。

本发明的实施例如下：

本实施例采用的对象为受损的油气管道。

假定在无缺陷状态下管道的失效载荷为P，有缺陷状态下受损管道的失效载荷为p_f，利用有限元计算方法分析了受损管道失效载荷p_f随着缺陷长度的变化情况，分析结果如图2所示。从图中可以看出，随着缺陷长度的增加，失效载荷会随之变小，而且随着缺陷深度的增加，缺陷长度对失效载荷的影响更为明显。

失效载荷随管道缺陷深度的变化情况如图3所示，从图中可以看出，缺陷的深度对失效载荷的影响较为明显，存在一定的非线性关系。为进一步分析缺陷宽度对于失效载荷的影响程度，通过计算得到如图4所示的结果，从图中可以看出，缺陷宽度与失效载荷之间也存在一定的非线性关系。

A)构建参数化模型：

因此，将无缺陷状态下管道所能承受的载荷作为载荷上限：

$p_{max}={\mathrm{\σ}}_b\·\frac{2t}{D}---\left(1\right)$

其中，D表示管道外径，t表示管道厚度，σ_b表示管道材料的抗拉极限强度；

再将受损管道最小剩余壁厚作为全壁厚计算得到载荷下限：

$p_{\min }={\mathrm{\σ}}_b\·\frac{2(t-d)}{D}---\left(2\right)$

其中，d表示缺陷深度。

根据极限载荷的上下限构造出本发明受损管道的失效载荷的参数化模型：

$p_f=p_{min}+(p_{max}-p_{min})\·f=\frac{2{\mathrm{\σ}}_{b}t}{D}\[1-\frac{d}{t}(1-f)\]---\left(3\right)$

式中，缺陷几何量函数f中包含了缺陷长度、缺陷深度等缺陷几何量信息。

结合失效载荷的实际情况，确定失效载荷模型的边界条件：当管道上无缺陷时，失效载荷应等于载荷上限p_max；而当缺陷轴向长度L_d很大或者缺陷深度接近于壁厚时，缺陷几何量函数等于0，失效载荷接近于载荷下限p_min。

根据以上分析，将缺陷几何量函数f定义为：

$f=\[\exp \left(\frac{k\·L_d}{\sqrt{Dt}}\right)\·\exp \left(\frac{n\·w}{\mathrm{\π}D}\right)(1-m\·{\left(\frac{d}{t}\right)}^2)\]---\left(4\right)$

其中，L表示缺陷长度，d表示缺陷深度，w表示缺陷宽度，D表示管道外径，t表示管道厚度，k、m和n分别为参数化模型的长度影响因子、深度影响因子和宽度影响因子，可将有限元计算的结果代入模型中，对模型中参数值进行辨识。

将公式1、公式2和公式4代入公式3可得：

$p_f=\frac{2{\mathrm{\σ}}_{b}t}{D}\[1-\frac{d}{t}(1-\exp (\frac{k\·L_d}{\sqrt{Dt}})\·\exp (\frac{n\·w}{\mathrm{\π}D}\left)\right(1-m\·{\left(\frac{d}{t}\right)}^2\left)\right)\]---\left(5\right)$

B)求解参数化模型：

经典的非线性寻优方法如牛顿迭代法等采用了梯度下降的方式进行求解，此类方法的局部搜索能力较强，全局搜索能力较弱，因此只有在初始值与真实值较为接近的情况下，才能得到较好的迭代结果，然而在模型的参数辨识过程中，理想初始值的获取较为困难。

与传统的搜索方法不同，智能优化方法具有极强的全局搜索能力，比如遗传方法是从随机产生的初始解开始搜索，通过一定的选择、交叉、变异等操作逐步迭代以产生新的解，采用概率化的寻优方法，能够自适应地调整搜索方向，因此在多变量优化问题中优于传统的迭代方法。群体中的每个个体代表问题的一个解，在方法中表示为染色体，染色体的好坏通过使用度值来衡量，以适应度作为指标从上一代中选择优秀个体，通过交叉、变异等操作形成下一代群体。经过若干代的进化之后，方法收敛于最优的染色体，即得到问题的最优解。

以欧式距离最小作为目标函数，

$obj=min\left(\right||p_f-p_{ff}(k,m,n,\left)\right|\left|\right)=min\left(\sqrt{\underset{i=1}{\overset{N}{\Σ}}{(p_f^i-p_{ff}^i(k,m,n\left)\right)}^2}\right)---\left(6\right)$

式中，p_f为有限元方法计算得到的管道失效载荷，p_ff是参数化模型计算得到的管道失效载荷，N为所有限元方法计算得到的失效载荷数据个数，N表示参与计算的数据个数，i表示参与计算的数据序列，表示第i个有限元计算得到的管道失效载荷数据，表示第i个参数模型计算得到的管道失效载荷。

针对传统遗传方法容易早熟收敛于局部最优解或者不收敛的缺点，对其交叉操作和变异操作过程进行一些改进。当种群中个体的适应度值比种群的平均适应度值低时，表明该个体的性能较差，此时的交叉概率和变异概率应该取较大的值，反之亦然，因此需要根据个体的特性选取合适的交叉概率和变异概率值与之对应，交叉概率p_c和变异概率p_m自适应取值额表示为：

$p_c=\left\{\begin{array}{cc}{p}_{c1}-\frac{(p_{c1}-p_{c2})(f^{\&prime;}-f_{avg})}{f_{max}-f_{avg}}& f^{\&prime;}\&GreaterEqual;f_{avg}\\ p_{c1}& f^{\&prime;}<f_{avg}\end{array}\right.---\left(7\right)$

$p_m=\left\{\begin{array}{cc}{p}_{m1}-\frac{(p_{m1}-p_{m2})(f_{max}-f)}{f_{max}-f_{avg}}& f^{\&prime;}\&GreaterEqual;f_{avg}\\ p_{c1}& f^{\&prime;}<f_{avg}\end{array}\right.---\left(8\right)$

式中，f_avg表示每一代群体的适应度平均值，f_max表示每一代群体中最大的适应度值；f'表示参加交叉运算的两个个体中适应度较大的值；f表示变异个体的适应度值。p_c1、p_c2分别表示交叉概率的上下极值，p_m1、p_m2分别表示变异概率的上下极值，设定参数p_c1＝0.9，p_c2＝0.6，p_m1＝0.1，p_m2＝0.01。

设定个体数目为180，最大遗传代数100，为提高收敛速度，采用十进制编码方式，并以式(6)作为适应度函数，通过自适应遗传方法对模型参数进行优化求解，参数的最优解进化过程如图5、图6、图7所示，参数k的最优解为-0.2976，参数m的最优解为0.3872，参数k的最优解为-1.6852，将得到的参数值代入式(5)所示的失效载荷模型中，将模型计算所得的失效载荷与实验实测值以及ASME B31G中所列的失效载荷公式的计算结果进行比较，计算结果如图8所示，从图中可看出，模型所得到的计算结果相比较ASME B31G更接近于实测值。

上述具体实施方式用来解释说明本发明，而不是对本发明进行限制，在本发明的精神和权利要求的保护范围内，对本发明作出的任何修改和改变，都落入本发明的保护范围。

Claims (8)

1.一种基于参数化模型的油气管道剩余强度预测方法，其特征在于：根据已建立的受损管道三维模型，以管道材料抗拉极限强度作为判据对受损管道进行非线性有限元力学仿真分析，获得缺陷几何量对管道剩余强度的影响关系，根据缺陷几何量对管道剩余强度的影响关系构建用于定量化描述管道剩余强度的参数化模型，利用智能优化方法求解参数化模型的未知系数，将检测得到的缺陷几何量代入到已获得未知系数的参数化模型中求得管道剩余强度，完成对油气管道剩余强度的预测。

2.根据权利要求1所述的一种基于参数化模型的油气管道剩余强度预测方法，其特征在于：所述的缺陷几何量对管道剩余强度的影响关系包括缺陷长度对管道剩余强度的影响关系、缺陷深度对管道剩余强度的影响关系和缺陷宽度对管道剩余强度的影响关系。

3.根据权利要求2所述的一种基于参数化模型的油气管道剩余强度预测方法，其特征在于：所述缺陷长度对管道剩余强度的影响关系为指数分布关系。

4.根据权利要求2所述的一种基于参数化模型的油气管道剩余强度预测方法，其特征在于：所述缺陷深度对管道剩余强度的影响关系为抛物线分布关系。

5.根据权利要求2所述的一种基于参数化模型的油气管道剩余强度预测方法，其特征在于：所述缺陷宽度对管道剩余强度的影响关系为指数分布关系。

6.根据权利要求1所述的一种基于参数化模型的油气管道剩余强度预测方法，其特征在于：所述参数化模型具体采用以下公式：

$p_f=\frac{2{\mathrm{\&sigma;}}_{b}t}{D}\&lsqb;1-\frac{d}{t}(1-f)\&rsqb;$

其中，p_f表示管道剩余强度，D表示管道外径，t表示管道厚度，f表示缺陷几何量，d表示缺陷深度，σ_b表示管道材料的抗拉极限强度。

7.根据权利要求6所述的一种基于参数化模型的油气管道剩余强度预测方法，其特征在于：所述的缺陷几何量f采用以下公式表示：

$f=\&lsqb;\exp \left(\frac{k\&CenterDot;L}{\sqrt{Dt}}\right)\&CenterDot;\exp \left(\frac{n\&CenterDot;w}{\mathrm{\&pi;}D}\right)(1-m\&CenterDot;{\left(\frac{d}{t}\right)}^2)\&rsqb;$

其中，k、m和n分别为参数化模型的长度影响因子、深度影响因子和宽度影响因子，L表示缺陷长度，d表示缺陷深度，w表示缺陷宽度。

8.根据权利要求7所述的一种基于参数化模型的油气管道剩余强度预测方法，其特征在于：将所述缺陷几何量f的公式代入参数化模型后获得以下最终的参数化模型公式表达：

$p_f=\frac{2{\mathrm{\&sigma;}}_{b}t}{D}\&lsqb;1-\frac{d}{t}(1-\exp (\frac{k\&CenterDot;L_d}{\sqrt{Dt}})\&CenterDot;\exp (\frac{n\&CenterDot;w}{\mathrm{\&pi;}D}\left)\right(1-m\&CenterDot;{\left(\frac{d}{t}\right)}^2\left)\right)\&rsqb;$

其中，p_f表示管道剩余强度，D表示管道外径，t表示管道厚度，f表示缺陷几何量，σ_b表示管道材料的抗拉极限强度，k、m和n分别为参数化模型的长度影响因子、深度影响因子和宽度影响因子，L表示缺陷长度，d表示缺陷深度，w表示缺陷宽度。