CN113075065B - 基于图像识别的深海管道裂纹扩展监测与可靠性评估系统 - Google Patents

基于图像识别的深海管道裂纹扩展监测与可靠性评估系统 Download PDF

Info

Publication number
CN113075065B
CN113075065B CN202110243941.8A CN202110243941A CN113075065B CN 113075065 B CN113075065 B CN 113075065B CN 202110243941 A CN202110243941 A CN 202110243941A CN 113075065 B CN113075065 B CN 113075065B
Authority
CN
China
Prior art keywords
crack
pipeline
monitoring
image
reliability
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.)
Active
Application number
CN202110243941.8A
Other languages
English (en)
Other versions
CN113075065A (zh
Inventor
余建星
李昊达
王华昆
余杨
王彩妹
许伟澎
崔宇朋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tianjin University
Original Assignee
Tianjin University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tianjin University filed Critical Tianjin University
Priority to CN202110243941.8A priority Critical patent/CN113075065B/zh
Publication of CN113075065A publication Critical patent/CN113075065A/zh
Application granted granted Critical
Publication of CN113075065B publication Critical patent/CN113075065B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
    • G01N3/32—Investigating strength properties of solid materials by application of mechanical stress by applying repeated or pulsating forces
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B7/00—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00
    • G08B7/06—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00 using electric transmission, e.g. involving audible and visible signalling through the use of sound and light sources
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8883—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges involving the calculation of gauges, generating models
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
    • G01N2203/0058—Kind of property studied
    • G01N2203/0069—Fatigue, creep, strain-stress relations or elastic constants
    • G01N2203/0073—Fatigue

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Engineering & Computer Science (AREA)
  • Analytical Chemistry (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明提供一种基于图像识别的深海管道裂纹扩展监测与可靠性评估系统，包括：监控设备，用于获取监测管道的变化参数的深海摄像机，获取内部压力的压力传感器，获取其位移变化的加速度传感器；网络传输模块，用于在监控设备和分析系统间建立通讯；分析系统，对接收的表面图像进行分析和评估，同时结合监控设备的信息，给出当前监测管道的可靠性及其在整个管道系统中的可靠性评估结果；报警系统，在待监测管道可靠性影响低于阈值时向外界发送报警信息。本发明基于深海管道系统不同关键点位的深海摄像头回传的图片数据，实时监控每个关键点的裂纹扩展情况，并结合压力和加速度数据，有效帮助深海石油工程的工作运维人员及时了解管道的健康情况。

Description

基于图像识别的深海管道裂纹扩展监测与可靠性评估系统
技术领域
本发明涉及水下管道监控领域，特别是涉及一种基于图像识别的深海管道裂纹扩展监测与可靠性评估系统。
背景技术
随着我国的石油开采向深海发展，深海管道的运用越来越广泛，深海管道的建设和运维也是一个国家能力的重要体现。深海石油管道由于位于深海，长时间处于高压的状态，在轴向和周向的载荷作用下会产生裂纹，裂纹扩展到一定程度将会使管道系统失效，严重的甚至泄露石油，产生巨大的经济效益损失和对环境造成破坏性极大的污染。调查表明，材料老化，长期的疲劳效应以及外来物的撞击是裂纹产生的重要因素，目前已经有多起由于裂纹扩展造成的管道系统失效案例。
但由于管道位于深海下，人工监控不易，因此，现有采用深海摄像机进行水下巡航或定点拍摄的监控方式，再通过海上分析系统对深海摄像机拍摄的管道表面图像进行分析，对其中的裂纹进行估算，以确定对管道使用寿命的影响程度。
但目前的深海监控方式布置不合理，只是简单的获取裂纹图像，而未考虑管道本身的变化对裂纹产生的影响，如移动距离，内外压差等，而且现有巡检方式在遇到危险海况时无法巡检。此外，现有分析系统对裂纹图像的评估方式有很大的局限性，且不能做到实时评估。
发明内容
本发明的目的是提供一种基于图像识别的深海管道裂纹扩展监测与可靠性评估系统，以对深海管道的裂纹状态实现即时分析和寿命影响评估。
具体地，本发明提供一种基于图像识别的深海管道裂纹扩展监测与可靠性评估系统，包括：
监控设备，用于获取监测管道的变化参数，包括分布在监测管道周围以获取监测管道表面图像的深海摄像机，安装在监测管道内部获取内部压力的压力传感器，安装在监测管道外表面获取其位移变化的加速度传感器；
网络传输模块，用于将深海摄像机和监控设备的信号传递至分析系统，同时接收分析系统的控制命令；
分析系统，将接收的表面图像导入内建的预测模型中，对其中的裂纹图像进行分析和评估，同时结合监控设备的信息，给出当前监测管道的可靠性及其在整个管道系统中的可靠性评估结果；
报警系统，根据分析系统的结果，在待监测管道可靠性影响低于阈值时向外界发送报警信息。
本发明基于深海管道系统不同关键点位的深海摄像头回传的图片数据，结合计算机视觉目标检测算法，兼顾实时性与准确性，实时监控每个关键点的裂纹扩展情况，并结合压力和加速度数据，有效帮助深海石油工程的工作运维人员及时了解管道的健康情况，通过智能化和自动化监测和计算提升监测效率，同时也可以节省人力物力成本以及巡检时间，优化监测和检测流程。
附图说明
图1是本发明一个实施方式的评估系统中各模块的连接框图。
具体实施方式
以下通过具体实施例和附图对本方案的具体结构和实施过程进行详细说明。在下面的说明中，历史管道是指使用过的深海管道在产生裂纹后，至裂纹导致工作寿命终止的管道，其裂纹图像是在其工作过程中拍摄并保存的。而监测管道是指当前正在使用的深海管道，其裂纹图像是实时获取的。
如图1所示，在本发明的一个实施方式中，提供一种基于图像识别的深海管道裂纹扩展监测与可靠性评估系统，包括：包括监控设备，网络传输模块，分析系统和报警系统。
该监控设备用于获取监测管道的变化参数，包括分布在监测管道周围以获取监测管道表面图像的深海摄像机，安装在监测管道内部获取内部压力的压力传感器，安装在监测管道外表面获取其位移变化的加速度传感器；获取的数据通过网络传输模块传输至分析系统。
其中深海摄像头可采用耐高压的工业级线阵相机或工业级逐行扫描相机；
该网络传输模块用于将监控设备的数据传递至分析系统，同时接收分析系统的控制命令；具体的网络传输模块需要采用防水处理，可包括水下的传输模块和水面上的接收模块，传输模块可通过有线或无线方式进行信号的传送，如5G无线方式；接收模块可采用千兆交换机来提高传输效率。
该分析系统将接收的监测管道表面图像导入内建的预测模型中，对其中的裂纹图像进行分析和评估，同时结合监控设备的数据，给出当前监测管道的可靠性及其在整个管道系统中的可靠性评估结果。
分析系统具体可包括如下处理模块：
图像前处理模块，用于对表面图像进行帧抽样分析，并与内置的裂纹图片比对，将重合度在规定值内的裂纹图片提取出来；
图像后处理模块，对提取出的裂纹图片进行裂纹候选特征点提取及点位分类，对裂纹图片中识别出的裂纹长度进行L-K光流法计算，并输出裂纹识别结果；
疲劳计算模块，对裂纹识别结果通过E-N法计算，以确定其影响监测管道的疲劳强度，并输出影响结果；
可靠度计算模块，同时接收监测管道的压力信息，位移信息和影响结果，用蒙特卡洛法计算监测管道的可靠性及监测管道在整个管道体系中的可靠性评估结果；
加密存储模块，用于加密保存所有往来数据，同时对输出结果进行加密输送。
该报警系统根据分析系统的结果，在监测管道可靠性影响低于阈值时向外界发送报警信息。具体可包括反映当前监测管道实时状态和评估结果的监控屏幕，由声光报警器和PLC控制柜构成的声光报警装置，其可通过指示灯、蜂鸣器和语音对出现危险状态的监测管道进行报警，使维护人员能够及时维修。
本实施方式在工作时，深海摄像机布置在监测管道的周边，实时获取监测管道各处的图像，同时压力传感器获取监测管道内部的油压，加速度传感器获取监测管道的位移参数，获取的图像、油压和位移参数分别通过网络传输模块发送至海面上的分析系统，分析系统将图像导到图像前处理模块中，将当前图像中的裂纹图像识别并导出，然后发送至图像后处理模块，图像后处理模块通过预测模型对裂纹图像进行识别，然后将相应裂纹图像与历史裂纹图像表示的信息建立对应关系，然后将结果输出至疲劳计算模块和可靠度计算模块，这里可单独计算不同裂纹的疲劳寿命，或整个监测管道被裂纹影响后的疲劳寿命，也可以单独或同时计算该监测管道的可靠性。
分析模块同时将油压和位移参数发送至状态处理模块，状态处理模块对接收的信息进行分类整理后，分别传送至压力判断模块和位移计算模块，压力判断模块和位移计算模块分别对相应数据进行安全阈值判断后发送至可靠度计算模块，可靠度计算模块根据对应监测管道的疲劳寿命及油压和位移参数分析出该监测管道的可靠性，及该监测管道在整个管道系统中的可靠性评估结果，再通过加密存储模块输送至报警系统，报警系统通过监控屏幕实时显示监测管道的裂纹状态及评估状态，并在超出安全阈值时通过霞光报警装置对外界进行报警。
本实施方式基于深海管道系统不同关键点位的深海摄像头回传的图片数据，结合计算机视觉目标检测算法，兼顾实时性与准确性，实时监控每个关键点的裂纹扩展情况，并结合压力和加速度数据，有效帮助深海石油工程的工作运维人员及时了解管道的健康情况，通过智能化和自动化监测和计算提升监测效率，同时也可以节省人力物力成本以及巡检时间，优化监测和检测流程。
在本发明的一个实施方式中，分析系统还进一步包括状态处理模块、压力判断模块和位移计算模块，其中状态处理模块用于对压力数据和位移数据分类，再分别传送给压力判断模块和位移计算模块，压力判断模块对压力数据进行内压安全阈值的判断，并向可靠度计算模块输出判断结果；位移计算模块对监测管道通过二重积分计算其实时位移，并判断是否位于正常工作区域内，然后向可靠度计算模块发送判断结果；当上述数据超出安全阈值时可直接向监控模块发送相应的报警信息。
在本发明的一个实施方式中，图像前处理模块的具体处理过程如下：
首先采集深海管道的历史裂纹图像样本数据，然后根据实际工况确定添加的位移运动幅值，根据裂纹图像样本提取出不同裂纹附近的关键点，并针对每种裂纹图像样本赋予对应的实际工作寿命，同时预测裂纹图像样本中出现新裂纹后不同阶段的破坏程度并进行赋值，最后根据上述数据对深海管道进行实际全尺寸试验或数值仿真；
然后在全尺寸试验或数值仿真过程中以裂纹长度为纵坐标，时间为横坐标，采用DCPD方法，绘制不同裂纹扩展寿命下的裂纹时变图，并用XFEM方法建立深海管道表面裂纹对应的管道疲劳寿命的预测模型；
最后将当前监控图片导入预测模型中，与裂纹图像样本进行对比，并将重合度在规定值内的裂纹图片提取出来。
其中，历史裂纹图像样本数据是以往历史上，管道上的裂纹产生过程作为参考数据，根据历史管道的裂纹形状、走向，及不同裂纹长度对管道寿命的影响等数据，通过全尺寸实验或数值仿真来建立模型，以作为后期监测管道的图像裂纹预测参照。
裂纹的长度越长表示对管道寿命的影响越大，因此，将裂纹长度由开始对管道造成影响，至裂纹长度导致管道工作寿命完结为止，将历史管道的裂纹生成过程划分为不同的阶段，并对每个阶段进行赋值；具体划分和赋值可根据不同管道的材质、使用环境等因素进行调整，本实施方式中是将裂纹产生至管道停止使用过程中的裂纹长度变化过程，划分为十个阶段，并按裂纹生成的顺序依次赋值1-10，其中1表示最短，而10表示裂纹已经严重威胁到管道的工作寿命或管道已经无法使用。
关键点的提取是以裂纹长度方向的两侧边代表裂纹走向和宽度的点，通过定义不同裂纹的关键点，可以将二维图像转化为数值图像后，能够对不同的裂纹形状和长度进行定义，进而可对后期输入的监测图像进行快速识别，并导入相应的参照数据。
不同的管道工作寿命长短可以由管道的历史图像中，裂纹与管道使用期限之间的关系进行确认，进而建立裂纹长度与管道工作寿命之间的对应关系。
其中，对新裂纹不同阶段破坏程度的预测过程为：
步骤101，将提取出的关键点数据与输入全尺寸实验或数值仿真中的实际工作寿命结果对比，建立寿命关键点拟合函数；
步骤102，同时利用数值模拟对裂纹图像样本中的关键点进行多次提取实验，将提取实验的结果代入拟合函数中进行优化；
步骤103，再拟合函数离散，然后得到新裂纹不同阶段下的预测结果。
具体的赋值类型包括：裂纹扩展阶段赋值，稳定扩展阶段赋值和加速扩展阶段赋值。
采用XFEM方法，可使网格与结构内部的几何或物理界面无关，两者间相互独立，且裂纹尖端应力场的计算与裂纹面扩展的计算相互独立，避免了在裂纹尖端进行高密度网格划分的问题和网格重新划分的工作。
XFEM方法的计算过程如下：
将任何函数
Figure BDA0002963370010000071
用域内局部函数
Figure BDA0002963370010000072
表示，
Figure BDA0002963370010000073
并使得
∑ΓHΓ(x)＝1 (2)
重叠分片{θi}构成研究区域M的一个覆盖，
Figure BDA0002963370010000074
为覆盖上的一个单位分解。在每一分片上，函数空间Vi为区域M的局部逼近，总体试探空间V为：
Figure BDA0002963370010000081
总体空间V不但具有局部空间Vi的逼近特性，又有单位分解
Figure BDA0002963370010000082
和局部空间Vi的光滑性，只要单位分解
Figure BDA0002963370010000083
足够光滑，就能构造出足够光滑的试探空间。
本实施方式利用深水摄像机获取实时的管道图像，通过图像特征识别，对管道各种原因产生的扩展裂纹建立评价模型，再对管道的可靠性进行建模和评估，与管道全尺寸试验进行匹配，最终完成实际深海管道的裂纹状态识别和可靠性评估。
在本发明的一个实施方式中，公开一种图像后处理模块的处理过程：
首先将图像前处理模块输出的裂纹图片划分为若干大小近似的裂纹子单元图像后输入预测模型中，利用光流法对裂纹子图像进行处理后得到裂纹特征点的运动状态，再对处理后的裂纹子单元图像进行交变载荷下的剩余寿命评估，并输出该裂纹子单元图像的评估结果；
然后对同一监测管道的其它裂纹图像采用前述方式逐一进行评估，最终输出所有裂纹子单元的评估结果。
这里的有限单元法，根据其具体形式，可采用不同平面单元对管道区域图像进行划分。需要保证裂纹子单元质量在0.6以上。
运动状态是指裂纹扩展的速率和方向。
利用光流法对裂纹子单元图像进行处理后得到裂纹特征点的运动状态的过程如下：
Figure BDA0002963370010000084
式中Vx和Vy是裂纹在x和y方向的扩展速率，或称为I(x，y，t)的光流；
Figure BDA0002963370010000085
和
Figure BDA0002963370010000086
是图像(x，y，t)在对应方向上的偏导数，关系如下：
Figure BDA0002963370010000091
接下来使用Lucas-Kanade算法，使所处理的裂纹图像流速度向量满足：
Av＝b (6)
其中，
Figure BDA0002963370010000092
式中，q是窗口中的像素，Ix(qi)，Iy(qi),It(qi)是图像在点qi和当前时间对位置x，y和时间t的偏导数；
然后通过数值积分得到裂纹长度，公式如下：
Figure BDA0002963370010000093
式中，t为当量裂纹扩展时间，α是与深海摄像机有关的图像比例拟合系数。
剩余寿命评估是利用E-N曲线参数建立疲劳寿命退化模型，计算过程如下：
Figure BDA0002963370010000094
式中，Nf是疲劳寿命，εa是标准总应变，σ′f是强度系数，b是强度指数，ε′f是延性系数，c是延性指数。
采用L-K光流法监测裂纹扩展形态，获得相邻帧裂纹边缘特征点的运动，提高了深海管道的可靠性智能化监测，为深海油气田的安全开发与无人监测提供了解决方案。
在本发明的一个实施方式中，公开一种可靠度计算模块的具体工作过程：
首先运用极限状态函数和蒙特卡洛方法对单个监测管道上任意一个裂纹图像进行可靠性评价，再用相同的方法对单个监测管道出现的其它裂纹图像分别进行可靠性评价；
然后综合所有的裂纹图像的可靠性评价结果，对单个监测管道的整体可靠性进行评估；
最后运用专家打分法，以单个监测管道在整个管道系统中的重要程度，得到其在管道系统中的可靠性预测结果。
极限状态函数的计算过程如下：
G(x1，x2，…，xn)＝δσfm-PD (10)
式中，G是管道裂纹的安全裕量，δ是修正系数，σf是流变应力，m是壁厚，P是管道内压，D是管道直径。
利用蒙特卡洛方法计算可靠性的过程如下：
根据一个监测管道的裂纹图像产生n组符合基本变量概率分布模型的随机数列或伪随机数列，将生成的随机数序列或基本变量概率分布模型的随机数列或伪随机数列：
Z＝G(x)＝G(x1，x2，…，xn) (11)
求出Z的值，若数量为n的样本中，Z＞0的数目为m，则管道的剩余可靠度为：
Figure BDA0002963370010000101
至此，本领域技术人员应认识到，虽然本文已详尽示出和描述了本发明的多个示例性实施例，但是，在不脱离本发明精神和范围的情况下，仍可根据本发明公开的内容直接确定或推导出符合本发明原理的许多其他变型或修改。因此，本发明的范围应被理解和认定为覆盖了所有这些其他变型或修改。

Claims (7)

1.基于图像识别的深海管道裂纹扩展监测与可靠性评估系统，其特征在于，包括：
监控设备，用于获取监测管道的变化参数，包括分布在监测管道周围以获取监测管道表面图像的深海摄像机，安装在监测管道内部获取内部压力的压力传感器，安装在监测管道外表面获取其位移变化的加速度传感器；
网络传输模块，用于将监控设备的信号传递至分析系统，同时接收分析系统的控制命令；
分析系统，将接收的表面图像导入内建的预测模型中，对其中的裂纹图像进行分析和评估，同时结合监控设备的信息，给出当前监测管道的可靠性及其在整个管道系统中的可靠性评估结果；
报警系统，根据分析系统的结果，在待监测管道可靠性影响低于阈值时向外界发送报警信息；
所述分析系统包括：
图像前处理模块，用于对表面图像进行帧抽样分析，并与内置的裂纹图片比对，将重合度在规定值内的裂纹图片提取出来；
图像后处理模块，对提取出的裂纹图片进行裂纹候选特征点提取及点位分类，对裂纹图片中识别出的裂纹长度进行L-K光流法计算，并输出裂纹识别结果；
疲劳计算模块，对裂纹识别结果通过E-N法计算，以确定其影响监测管道的疲劳强度，并输出影响结果；
可靠度计算模块，同时接收监测管道的压力信息，位移信息和影响结果，用蒙特卡洛法计算监测管道的可靠性及监测管道在整个管道体系中的可靠性评估结果；
加密存储模块，用于加密保存所有往来数据，同时对输出结果进行加密输送。
2.根据权利要求1所述的评估系统，其特征在于，
所述分析系统还包括状态处理模块、压力判断模块和位移计算模块，其中状态处理模块用于对压力数据和位移数据分类，再分别传送给压力判断模块和位移计算模块，以进行监测管道内压安全阈值的判断，和对监测管道进行二重积分计算实时位移，并判断是否位于正常工作区域内；在上述数据超出安全阈值时向所述报警系统发送相应的报警信息。
3.根据权利要求1所述的评估系统，其特征在于，
所述图像前处理模块的处理过程如下：
首先采集深海管道的历史裂纹图像样本数据，然后根据实际工况确定添加的位移运动幅值，根据裂纹图像样本提取出不同裂纹附近的关键点，并针对每种裂纹图像样本赋予对应的实际工作寿命，同时预测裂纹图像样本中出现新裂纹后不同阶段的破坏程度并进行赋值，最后根据上述数据对深海管道进行实际全尺寸试验或数值仿真；
然后在全尺寸试验或数值仿真过程中以裂纹长度为纵坐标，时间为横坐标，采用DCPD方法，绘制不同裂纹扩展寿命下的裂纹时变图，并用XFEM方法建立深海管道表面裂纹对应的管道疲劳寿命的预测模型；
最后将当前监控图片导入预测模型中，与裂纹图像样本进行对比，并将重合度在规定值内的裂纹图片提取出来。
4.根据权利要求3所述的评估系统，其特征在于，
对新裂纹不同阶段破坏程度的预测过程为：
步骤101，将提取出的关键点数据与输入全尺寸实验或数值仿真中的实际工作寿命结果对比，建立寿命关键点拟合函数；
步骤102，同时利用数值模拟对裂纹图像样本中的关键点进行多次提取实验，将提取实验的结果代入拟合函数中进行优化；
步骤103，再拟合函数离散，然后得到新裂纹不同阶段下的预测结果。
5.根据权利要求4所述的评估系统，其特征在于，
所述图像后处理模块的处理过程如下：
首先将所述图像前处理模块输出的裂纹图片划分为若干大小近似的裂纹子单元图像后输入预测模型中，利用光流法对裂纹子单元图像进行处理后得到裂纹特征点的运动状态，再对处理后的裂纹子单元图像进行交变载荷下的剩余寿命评估，并输出该裂纹子单元图像的评估结果；
然后对同一监测管道的其它裂纹图片采用前述方式逐一进行评估，最终输出所有裂纹子单元图像的评估结果。
6.根据权利要求1所述的评估系统，其特征在于，
所述可靠度计算模块的计算过程如下：
首先运用极限状态函数和蒙特卡洛方法对单个监测管道上任意一个裂纹图像进行可靠性评价，再用相同的方法对单个监测管道出现的其它裂纹图像分别进行可靠性评价；
然后综合所有的裂纹图像的可靠性评价结果，对单个监测管道的整体可靠性进行评估；
最后运用专家打分法，以单个监测管道在整个管道系统中的重要程度，得到其在管道系统中的可靠性预测结果。
7.根据权利要求6所述的评估系统，其特征在于，
极限状态函数的计算过程如下：
G(x1，x2，…，xn)＝δσfm-PD (10)
式中，G是管道裂纹的安全裕量，δ是修正系数，σf是流变应力，m是壁厚，P是管道内压，D是管道直径；
蒙特卡洛方法的计算过程如下：
根据一个监测管道的裂纹图像产生n组符合基本变量概率分布模型的随机数列或伪随机数列：
Z＝G(x)＝G(x1，x2，…，xn) (11)
求出Z的值，若数量为n的样本中，Z＞0的数目为m，则监测管道的剩余可靠度为：
Figure FDA0003553711230000041
CN202110243941.8A 2021-03-05 2021-03-05 基于图像识别的深海管道裂纹扩展监测与可靠性评估系统 Active CN113075065B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110243941.8A CN113075065B (zh) 2021-03-05 2021-03-05 基于图像识别的深海管道裂纹扩展监测与可靠性评估系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110243941.8A CN113075065B (zh) 2021-03-05 2021-03-05 基于图像识别的深海管道裂纹扩展监测与可靠性评估系统

Publications (2)

Publication Number Publication Date
CN113075065A CN113075065A (zh) 2021-07-06
CN113075065B true CN113075065B (zh) 2022-06-03

Family

ID=76612014

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110243941.8A Active CN113075065B (zh) 2021-03-05 2021-03-05 基于图像识别的深海管道裂纹扩展监测与可靠性评估系统

Country Status (1)

Country Link
CN (1) CN113075065B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113932957B (zh) * 2021-10-11 2022-04-29 水利部交通运输部国家能源局南京水利科学研究院 智慧应力砖传感器及结构应力监测方法和系统
CN113706423B (zh) * 2021-10-28 2022-01-07 南通皋亚钢结构有限公司 基于人工智能的机械零件腐蚀裂纹检测方法
CN114925753A (zh) * 2022-04-28 2022-08-19 南通东升灯饰有限公司 一种led地灯的使用异常报警系统
CN115541090B (zh) * 2022-11-07 2023-03-14 珠海新迎创能源科技有限公司 一种用于安全评估的锅炉管道应力监测系统
CN115604319B (zh) * 2022-11-21 2023-03-10 青岛大学威海创新研究院 基于多维度传感器的智慧社区管理平台

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110072101A (ko) * 2009-12-22 2011-06-29 대구대학교 산학협력단 센서 네트워크를 이용한 파이프라인 누수 및 누출 모니터링 시스템
CN104034800A (zh) * 2014-03-25 2014-09-10 李光 输送管道水力探测和运载流体管道状态评估方法及系统
CN104919295A (zh) * 2012-12-11 2015-09-16 管道监控公司 用于监控、管理和检测流体输送管道网络的结构完整性、定位泄漏点及评估故障程度的系统和方法
CN108875266A (zh) * 2018-07-06 2018-11-23 湖南大学 一种涡轮叶片区间损伤容限分析方法
CN110332467A (zh) * 2019-07-26 2019-10-15 宁波水表股份有限公司 一种供水管网漏损监测及预警系统
CN110793574A (zh) * 2019-11-06 2020-02-14 重庆市市政设计研究院 排水管网监测体系
CN111609890A (zh) * 2020-06-17 2020-09-01 西南石油大学 一种压裂管汇工况监测与寿命预测及反馈调控系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110072101A (ko) * 2009-12-22 2011-06-29 대구대학교 산학협력단 센서 네트워크를 이용한 파이프라인 누수 및 누출 모니터링 시스템
CN104919295A (zh) * 2012-12-11 2015-09-16 管道监控公司 用于监控、管理和检测流体输送管道网络的结构完整性、定位泄漏点及评估故障程度的系统和方法
CN104034800A (zh) * 2014-03-25 2014-09-10 李光 输送管道水力探测和运载流体管道状态评估方法及系统
CN108875266A (zh) * 2018-07-06 2018-11-23 湖南大学 一种涡轮叶片区间损伤容限分析方法
CN110332467A (zh) * 2019-07-26 2019-10-15 宁波水表股份有限公司 一种供水管网漏损监测及预警系统
CN110793574A (zh) * 2019-11-06 2020-02-14 重庆市市政设计研究院 排水管网监测体系
CN111609890A (zh) * 2020-06-17 2020-09-01 西南石油大学 一种压裂管汇工况监测与寿命预测及反馈调控系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
近海在役管道安全可靠性评估技术研究;陈国明等;《石油工业技术监督》;20041031(第10期);第5-9页 *

Also Published As

Publication number Publication date
CN113075065A (zh) 2021-07-06

Similar Documents

Publication Publication Date Title
CN113075065B (zh) 基于图像识别的深海管道裂纹扩展监测与可靠性评估系统
US8761490B2 (en) System and method for automated borescope inspection user interface
CN107782733B (zh) 金属表面缺陷的图像识别无损检测装置及方法
CN113284109B (zh) 管道缺陷识别方法、装置、终端设备及存储介质
CN104535356A (zh) 一种基于机器视觉的卷筒钢丝绳排绳故障监测方法及系统
CN111862083A (zh) 一种基于视觉-电磁检测的钢丝绳状态综合监测系统及方法
BRPI0708919A2 (pt) mÉtodo e sistema para interpretar dados de tubulaÇço
CN115014617B (zh) 一种基于地基雷达的斜拉桥拉索索力同步监测方法
CN116824479A (zh) 用于工厂的智能巡检系统
CN116840135A (zh) 一种腐蚀和疲劳同时作用的钢闸门加速劣化试验台及劣化后运行状态评估方法
CN111443091A (zh) 电缆线路隧道工程缺陷判断方法
CN118135469A (zh) 一种管道cctv缺陷识别方法、系统、设备及存储介质
Qi et al. A CNN-based method for concreate crack detection in underwater environments
CN114022435A (zh) 基于机器视觉的管路泄漏识别系统建立方法
CN112525923A (zh) 一种共享果汁平台管道内壁检测方法、系统及可读存储介质
CN113065224B (zh) 基于图像识别的深海管道裂纹扩展监测与可靠性评估方法
CN112465784A (zh) 一种地铁夹钳外观异常检测的方法
KR101357810B1 (ko) 관내 점검을 위한 캡슐형 점검시스템
CN113781513B (zh) 一种电厂供水管道泄漏检测方法及系统
CN114354351A (zh) 一种基于多源异构数据的岩石破坏过程实时监测预警系统及方法
KR20150104459A (ko) 기계 구조물의 결함 진단 시스템 및 그 방법
CN111259494B (zh) 重机设备健康监测分析方法
Ferreira et al. Corrosion-like defect severity estimation in pipelines using convolutional neural networks
Kaddoura et al. Smart and automated sewer pipeline defect detection and classification
CN111833307A (zh) 一种风力机叶片裂纹诊断方法及装置

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