CN115358102A - 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 - Google Patents

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 Download PDF

Info

Publication number
CN115358102A
CN115358102A CN202211298667.5A CN202211298667A CN115358102A CN 115358102 A CN115358102 A CN 115358102A CN 202211298667 A CN202211298667 A CN 202211298667A CN 115358102 A CN115358102 A CN 115358102A
Authority
CN
China
Prior art keywords
corrosion
failure
pipeline
probability
model
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
Application number
CN202211298667.5A
Other languages
English (en)
Other versions
CN115358102B (zh
Inventor
王艺环
夏爱琳
秦国晋
黎芮伶
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.)
Southwest Petroleum University
Original Assignee
Southwest Petroleum 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 Southwest Petroleum University filed Critical Southwest Petroleum University
Priority to CN202211298667.5A priority Critical patent/CN115358102B/zh
Publication of CN115358102A publication Critical patent/CN115358102A/zh
Application granted granted Critical
Publication of CN115358102B publication Critical patent/CN115358102B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/14—Pipes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Pure & Applied Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Operations Research (AREA)
  • Algebra (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Databases & Information Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Graphics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Testing Resistance To Weather, Investigating Materials By Mechanical Methods (AREA)

Abstract

本发明公开了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，对不同检测时间下所获得的管道内检测数据进行特征匹配；基于特征匹配结果，分别在轴向、周向和径向上建立独立的管道腐蚀随机增长模型；通过伽玛分布联立三个管道腐蚀随机增长模型，得到3D依赖的腐蚀随机增长模型，嵌入贝叶斯推断中，再通过MCMC模拟技术对贝叶斯推断进行更新，得到更新的3D腐蚀随机增长模型，建立等效地震作用下的腐蚀管道失效概率模型，结合失效条件，评估腐蚀管道的失效概率。本发明可解决现有技术仅从径向上估计腐蚀缺陷增长的问题，实现综合考虑管道腐蚀在三维方向的增长，以提高预测准确性的目的。

Description

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
技术领域
本发明涉及油气管道风险评估领域，具体涉及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。
背景技术
腐蚀作为影响油气管道安全的重要因素。传统的线性随机腐蚀增长模型的确定性方法可能导致过于保守的结果，并且伴随着无法动态地预测给定时间管道结构失效的可能性。因此需要确定可靠且有效的技术来分析管道结构时变失效概率，从概率的角度对其进行腐蚀的长期增长估计和可靠性分析。
管道内检测技术（ILI）可提供有关管道内部和基于剩余壁厚的外部管道条件的信息，根据ILI技术，现有技术提出了不同的方法来预测可检测的腐蚀缺陷的劣化程度。在引入ILI数据的时候，需要考虑数据的可检测性和可报告性。不精确的ILI数据和同一腐蚀管段不同类型的腐蚀同时发生，都会造成腐蚀增长建模的偏差。并且，现有技术中的腐蚀模型，大多数都集中在估计腐蚀缺陷的径向增长假设确定性，尽管在某些情况下仅使用腐蚀增长的一个方向是合理的，例如，受腐蚀缺陷深度增长控制的管道小泄漏评估，但实际缺陷的塑性坍塌评估受三维增长的影响。因此，现有技术无法准确解释缺陷几何变化。
此外，现有技术中，对于油气管道的地震可靠性评估，是基于完好管道的地震响应或者注重于仅内压作用下的腐蚀管道缺陷评估。作为油气储运中重要的地下工程，埋地管道结构需要降低失效破坏的可能，以维持管道的结构完整性并防止紧急事故的发生。对于腐蚀管道地震响应不确定性是由于物理现象的随机性（偶然不确定性）和对产生这种现象的物理知识不完整（认知不确定性）所决定的。由于这些不确定性，如果不考虑埋地管道参数的物理或不完整知识，可能会导致结构突然失效。因此，传统的线性随机腐蚀增长模型的确定性方法可能导致对腐蚀管道地震可靠性预测过于保守的结果，并且伴随着无法动态地预测给定时间下管道结构地震失效的缺陷几何特征。
发明内容
本发明提供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，解决的技术问题之一是现有技术仅从径向上估计腐蚀缺陷增长的问题，实现综合考虑管道腐蚀在三维方向的增长，以提高预测准确性的目的。
本发明通过下述技术方案实现：
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，包括以下步骤：
对不同检测时间下所获得的管道内检测数据进行特征匹配；
基于特征匹配结果，分别在轴向、周向和径向上建立独立的管道腐蚀随机增长模型；
通过伽玛分布联立三个所述管道腐蚀随机增长模型，得到3D依赖的腐蚀随机增长模型；
将所述3D依赖的腐蚀随机增长模型嵌入贝叶斯推断中，再通过马尔科夫链蒙特卡洛模拟技术对贝叶斯推断进行更新，得到更新的3D腐蚀随机增长模型；
基于更新的3D腐蚀随机增长模型，建立等效地震作用下的腐蚀管道失效概率模型，结合失效条件，评估腐蚀管道的失效概率。
管道腐蚀的增长建模需要至少两个腐蚀数据的连续ILI检测来确定。显然，不匹配的ILI数据的匹配将导致增长的误差。在实际工程中，ILI检测一般以月/年为单位间隔进行，若检测间隔间的ILI是由不同的管道供应商提供，那么不同的供应商会使用其自己的坐标系来定位检测到的腐蚀特征，因此来自不同ILI的坐标系未对齐，即不同检测时间下的管道内检测数据是难以直接对原始信号和缺陷特征进行匹配的；这种非匹配的腐蚀缺陷将导致后续的增长建模分析毫无意义，并且如果错位地比较相邻腐蚀缺陷之间的增长趋势，那么就会导致不正确的缺陷尺寸增长的估计。然而，现有技术中所有可用的管道随机腐蚀模型建模都隐含着腐蚀缺陷的匹配问题，即都假定了所有的缺陷特征都实现了完美匹配。因此，为了克服上述不足、实现合理估计腐蚀增长，本申请首先对不同检测时间下所获得的管道内检测数据进行特征匹配。
为了克服现有技术仅从径向上估计腐蚀缺陷增长的问题，本申请分别在轴向、周向和径向上建立独立的管道腐蚀随机增长模型，可独立的对腐蚀在管道轴向、周向和径向上的增长进行预测。由于腐蚀增长是不确定的，轴向、周向和径向的增长过程存在相互依赖的可能性，因此本申请对三个方向上独立的管道腐蚀随机增长模型进行连接，以模拟缺陷增长过程的各个方向的未知联合增长。具体连接步骤为：通过伽玛分布联立三个所述管道腐蚀随机增长模型，得到3D依赖的腐蚀随机增长模型；将所述3D依赖的腐蚀随机增长模型嵌入贝叶斯推断中，再通过马尔科夫链蒙特卡洛模拟技术对贝叶斯推断进行更新，得到更新的3D腐蚀随机增长模型。本申请所提出的这一技术手段，充分考虑了腐蚀在轴向、周向和径向增长的可能依赖性，可有效模拟缺陷在各个方向的未知联合增长，有助于获得有关腐蚀增长的更可靠数据，以评估腐蚀缺陷内或腐蚀缺陷之间存在的依赖性，显著提高了对腐蚀管道受地震作用的失效预测准确性。需要说明的是，本申请中的伽玛分布（Gamma分布）、贝叶斯推断（Bayes推断）、马尔科夫链蒙特卡洛模拟（MCMC，Markov Chain Monte Carlo，马尔科夫链蒙特卡洛方法）均为概率学现有技术，本申请在此对上述现有技术的运用，是在特定环境下、为了解决特定技术问题而提出的特定的技术手段。在将三个方向的上独立的管道腐蚀随机增长进行连接后，本申请得到更新的3D腐蚀随机增长模型，以此模型为基础，再建立等效地震作用下的腐蚀管道失效概率模型，结合失效条件，评估腐蚀管道在地震作用下的失效概率。
进一步的，所述特征匹配的方法包括：
将不同检测时间下所获得的管道内检测数据集进行递进式的顺序匹配；
以分段形式将管道分为若干部分；
在每个部分内，将缺陷特征沿管道轴向，从3D模型映射到2D平面模型中，再沿周向和径向匹配腐蚀特征；
结合所有部分的匹配结果，得到所需的特征匹配结果。
本案发明人在研究过程中发现，传统的特征匹配方式，在匹配高特征密度的腐蚀管道时会花费大量时间，并且容易出错。因此本方案提出了对特征匹配的优化方法，可实现分步式的自动匹配，具有缩短处理时间、提高计算准确性、消除可能导致高密度腐蚀特征匹配的人为错误的优点。
其中，递进式的顺序匹配，即是将第i+1个管道内检测数据集与第i个管道内检测数据集进行匹配、将第i+2个管道内检测数据集与第i+1个管道内检测数据集进行匹配，以此类推，实现所需的连续匹配。这种递进式的顺序匹配的优点是可以跟踪腐蚀特征的增长，并且由于只关注单个新ILI及其直接前体组成的附加特征匹配问题，只需简单地添加新ILI的结果，实现了多匹配到单个匹配的转换。本方案特别适用于针对高密度的腐蚀管道并能独立地应用于内部和外部腐蚀。
以分段形式将管道分为若干部分，即是对管道沿轴向做分段处理，以减小整个管道的匹配特征的问题大小。
本方案可实现腐蚀缺陷从3D管道模型到2D的映射与移动地连续匹配。匹配模型可优选的使用欧氏距离（Euclidean Distance），也可采用其余本领域技术人员能够实施的匹配模型。
进一步的，所述独立的管道腐蚀随机增长模型的建立方法包括：
建立在给定时间间隔下，腐蚀在轴向、周向和径向上各自增量的伽玛分布；
分别对三个增量的伽玛分布求和，得到腐蚀分别在轴向、周向、径向上的增量总和的伽玛分布。
本方案中，独立进行腐蚀在轴向、周向、径向上的预测，采用伽玛过程更适合于在相同条件下模拟各方向的随机腐蚀过程，因为伽玛过程模拟了在一系列时间步中单调累积的金属损耗，该过程的非负增长增量适合模拟结构退化，例如腐蚀，疲劳和磨损。在伽玛分布过程中，定义了预估的新旧特征参数、概率密度函数或未来腐蚀增长增量的累积分布函数，实现了基于附加测量误差推断腐蚀的实际大小的功能。该伽玛分布过程中，腐蚀在轴向、周向、径向的未知测量误差的概率属性由ILI供应商的检测工具规范确定。
进一步的，通过伽玛分布联立三个所述管道腐蚀随机增长模型的方法包括：
从腐蚀分别在轴向、周向、径向上的增量总和的伽玛分布中，提取三个伽玛分布依赖于时间的形状参数、与时间无关的比例参数；
使用多维正态分布，对所提取的三个所述形状参数的对数建模，得到新的形状参数；
设置所提取的三个所述比例参数满足伽玛分布，得到新的比例参数；
以新的形状参数、新的比例参数建立伽玛分布，得到3D依赖的腐蚀随机增长模型。
其中，本领域技术人员应当理解，形状参数、比例参数均为伽玛分布中的技术术语。本方案使用多维正态分布，对三个独立的形状参数的对数建模，将腐蚀在三个方向的生长过程连接在一起，得到新的形状参数，并重新设置比例参数，以此得到所需的3D依赖腐蚀随机增长模型。
进一步的，将所述3D依赖的腐蚀随机增长模型嵌入贝叶斯推断中的方法包括：
基于3D依赖的腐蚀随机增长模型中的形状参数和比例参数，构建贝叶斯推断中的似然函数；
建立贝叶斯推断中的先验概率分布模型、并预估贝叶斯推断中的后验概率分布。
其中，本领域技术人员应当理解，贝叶斯统计推断中不确定量的先验概率分布是在考虑某些证据之前表达对一定置信程度下的随机变量的概率分布。后验概率分布的估计是通过先验分布和似然函数推断得到。
优选的，似然函数可以通过依照极大似然法等得到。
进一步的，通过马尔科夫链蒙特卡洛模拟技术对贝叶斯推断进行更新的方法包括：
获取马尔科夫链蒙特卡洛模拟的所需样本；
从所需样本内重复若干次抽样后，得到变量的概率统计特征；
使用贝叶斯分析方法分别估计已检测到的和未检测到的腐蚀种群的腐蚀大小分布，并更新至贝叶斯推断中。
马尔科夫链蒙特卡洛模拟（MCMC模拟）是一种通过构建收敛到目标分布的马尔可夫链、从复杂分布中生成随机样本的技术，其用于构建平稳分布以通过马尔可夫链获得样本。在本方案中，通过结合多次ILI数据的缺陷几何特征以及有关参数的先验知识来评估模型参数的概率特性。
本方案通过贝叶斯分析对模型参数进行更新，主要目的是引入连续观察数据获得更新的缺陷增长概率分布。在满足足够大的抽样次数后，则获得的样本可以估计后验概率的概率分布特征，从而提供可接受的贝叶斯结构框架以实现随机腐蚀增长的建模。
进一步的，建立等效地震作用下的腐蚀管道失效概率模型的方法包括：
确定腐蚀管道在地震作用下的失效模式；
建立在各失效模式下的极限状态函数，确定在各失效模式下的极限状态；
计算腐蚀管道的失效概率，并与已知的个人或社会风险的目标可靠度相比，确定管道是否安全。
对于遭受地震的腐蚀管道，要考虑腐蚀引起的失效和地震引起的失效，因此本方案首先确定腐蚀管道在地震作用下的不同的失效模式，再针对性的对各失效模式下建立极限状态函数，求解极限状态。在得到极限状态后，即可根据需要计算总可靠度，若总可靠度大于目标可靠度，则表示管道结构安全。
进一步的，所述失效模式包括瞬时地面变形引起的失效模式、永久地面变形引起的失效模式；
所述瞬时地面变形引起的失效模式包括腐蚀受拉模式、腐蚀受压模式；
所述永久地面变形引起的失效模式包括纵向永久地面变形模式、横向永久地面变形模式；其中，纵向永久地面变形是指土壤的地面运动方向平行于管道轴线，横向永久地面变形是指土壤的地面运动方向垂直于管道轴线。
所述腐蚀受拉模式的模型包括：
Figure 74031DEST_PATH_IMAGE001
Figure 651118DEST_PATH_IMAGE002
Figure 68324DEST_PATH_IMAGE003
式中，P b,F 为包括拉伸荷载的爆破压力；P b 为纯爆破压力；F为有效的轴向拉力；F c 为极限有效拉力；n为应变硬化指数；wt为壁厚；δ为管道径厚比；e为自然常数；ε Y 为屈服应变；σ Y 为屈服应力；C 1为代表应力应变数据分散程度的不确定因子；C 2为代表模型不确定性的不确定因子。
所述腐蚀受压模式的模型包括：
Figure 567439DEST_PATH_IMAGE004
Figure 70095DEST_PATH_IMAGE005
式中，P b,M 为管道伴随弯矩的爆破压力；M为所受地震引起弯矩；M c 为纯弯曲的屈曲失效对应的弯矩；exp表示以自然常数为底的指数函数；D为管道直径。
所述纵向永久地面变形模式的模型包括：
Figure 453803DEST_PATH_IMAGE006
Figure 850150DEST_PATH_IMAGE007
式中，ε a 为最大轴向应变；n、r为兰贝格-奥斯古德参数；L PGD为永久地面变形长度；T u 为土管界面处单位管道的峰值摩擦力；
Figure 395532DEST_PATH_IMAGE008
为单位土壤有效单位重量；α为黏土的黏附因子；c为土壤凝聚力；H为覆盖层到管道中心线的埋入深度；ϕ为管-土界面的土管界面的摩擦角；f为涂层系数；K 0为静态土壤的压力系数；D为管道直径；wt为壁厚 ；E为弹性模量；σ y 为极限抗压强度；
所述横向永久地面变形模式的模型包括：
Figure 510118DEST_PATH_IMAGE009
式中，ε b 为最大弯曲应变；min代表取最小值；δ d t 为瞬时地面变形的设计应变；N qh 是水平土壤承载力因子；W为永久地面变形的区域的宽度。
本方案考虑工程实际情况，将失效模式分为至少瞬时地面运动、永久地面变形两个大类，并给出了在四种不同模式下的具体模型。
进一步的，在瞬时地面变形引起的失效模式下，腐蚀管道失效的极限状态函数为：
在腐蚀受压模式下：g 1(x,t)= P b,M (x,t)-p (t)；
在腐蚀受拉模式下：g 2(x,t)= P b,F (x,t)- p (t)；
式中，g 1(x,t)为腐蚀受压模式下的极限状态函数；g 2(x,t)为腐蚀受拉模式下的极限状态函数；p(t)为管道的操作压力；P b,M (x,t) 为P b,M 关于x、t的函数；P b,F (x,t) 为P b,F 关于x、t的函数；x为不确定变量的组合；t为时间。
在永久地面变形引起的失效模式下，腐蚀管道失效的极限状态函数为：
g 3(x,t)= P R (x,t)-p s (x,t)，g 4(x,t)=ε R (x)-ε s (x)；
式中，g 3(x,t)为随时间变化的腐蚀状态的极限状态；P R (x,t)是随时间变化的爆破压力；p s (x,t)是随时间变化的内压；g 4(x,t)是地震状态的极限状态；ε s (x)是地震引起的管段应变；ε R (x)是埋入式连续管道的允许应变。
此处的永久地面变形引起的失效模式，包括了纵向永久地面变形模式、横向永久地面变形模式。
本方案将极限状态函数分为两种模拟场景，分别是基于受力分析方法的瞬时地面运动和基于标准的方法的永久地面变形。前者从受力机理的角度考虑腐蚀与地震之间的相互作用，而后者则将腐蚀引起的破坏和地震引起的破坏假定为两个独立的破坏模式。对于瞬时地面运动而言，本方案采用基于受力分析的方法来确定管道的极限状态函数；对于永久地面变形而言，本方案采用基于应变的破坏准则来确定管道的极限状态函数，最终满足了在各种模式下的极限状态函数的确定。
进一步的，当管道失效是由瞬时地面变形引起的失效模式控制时，通过如下公式计算总可靠度，若计算结果的总可靠度p f 大于目标可靠度，认为该腐蚀管道安全：
Figure 327812DEST_PATH_IMAGE010
式中：l为管段长度；n个基于特定位置的极限状态；p fd 为分布式极限状态每单位长度的失效概率；p fi 为第个特定位置的失效概率；p f 为瞬时地面变形引起失效时的总可靠度；
当管道失效是由永久地面变形引起的失效模式控制时，若下式成立，则认为该腐蚀管道安全：
Figure 844244DEST_PATH_IMAGE011
式中，R T 为永久地面变形引起失效时的目标可靠度；p c 为腐蚀引起的失效概率；p s 为永久地面变形引起的失效概率；n 1为极限状态数目；i取1,2,…, n 1；
其中，腐蚀引起的失效概率和地震破坏（瞬时地面变形和永久地面变形）引起的失效概率，均通过蒙特卡罗模拟算法获得。
本方案中的腐蚀可靠度和地震可靠度的总和，即是总可靠度，可用于表征管道受腐蚀破坏和地震破坏的综合失效概率。
本发明与现有技术相比，具有如下的优点和有益效果：
1、本发明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，对轴向、周向和径向三个方向上独立的管道腐蚀随机增长模型进行连接，以模拟缺陷增长过程的各个方向的未知联合增长，充分考虑了腐蚀在轴向、周向和径向增长的可能依赖性，可有效模拟缺陷在各个方向的未知联合增长，有助于获得有关腐蚀增长的更可靠数据，以评估腐蚀缺陷内或腐蚀缺陷之间存在的依赖性，显著提高了对腐蚀管道受地震作用的失效预测准确性。
2、本发明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，提出了一种联立三个方向上管道腐蚀随机增长模型的方法，得到了所需的3D依赖腐蚀随机增长模型，填补了现有技术的空白。
3、本发明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，可获得更新的概率分布的连续观察数据；在满足足够大的抽样次数后，获得的样本可以估计后验概率的概率分布特征，从而提供可接受的贝叶斯结构框架以实现随机腐蚀增长的建模。
4、本发明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，用所建立的3D依赖腐蚀随机增长模型，建立了等效地震作用的腐蚀管道概率模型，以获得具有涉及瞬时地面变形和永久地面变形的时变失效概率。
5、本发明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，给出了腐蚀管道在地震作用下的几种潜在的重要失效模式，并分析了各模式中所对应的极限状态函数，并给出了腐蚀管道地震破坏可靠度的通用计算方法，可用于评估管道失效数据和管道维护数据对腐蚀管道地震响应的可靠性评估影响，从而实现更为客观且科学的失效概率预测。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：
图1为本发明具体实施例的流程示意图；
图2为本发明具体实施例中某腐蚀管道未来20年的腐蚀增长预测图；
图3为本发明具体实施例中某腐蚀管道在考虑修复操作后未来20年的腐蚀增长预测图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。在本申请的描述中，需要理解的是，术语“前”、“后”、“左”、“右”、“上”、“下”、“竖直”、“水平”、“高”、“低”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请保护范围的限制。
实施例1：
如图1所示的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，包括以下步骤：
步骤一、对不同检测时间下所获得的管道内检测数据进行特征匹配；特征匹配的方法如下：
将不同检测时间下所获得的管道内检测数据集进行递进式的顺序匹配；
以分段形式将管道分为若干部分；
在每个部分内，将缺陷特征沿管道轴向，从3D模型映射到2D平面模型中，再沿周向和径向匹配腐蚀特征；
结合所有部分的匹配结果，得到所需的特征匹配结果。
步骤二、基于特征匹配结果，分别在轴向、周向和径向上建立独立的管道腐蚀随机增长模型，建立方法如下：
建立在给定时间间隔下，腐蚀在轴向、周向和径向上各自增量的伽玛分布；
分别对三个增量的伽玛分布求和，得到腐蚀分别在轴向、周向、径向上的增量总和的伽玛分布。
步骤三、通过伽玛分布联立三个所述管道腐蚀随机增长模型，得到3D依赖的腐蚀随机增长模型，具体方法如下：
从腐蚀分别在轴向、周向、径向上的增量总和的伽玛分布中，提取三个伽玛分布依赖于时间的形状参数、与时间无关的比例参数；
使用多维正态分布，对所提取的三个所述形状参数的对数建模，得到新的形状参数；
设置所提取的三个所述比例参数满足伽玛分布，得到新的比例参数；
以新的形状参数、新的比例参数建立伽玛分布，得到3D依赖的腐蚀随机增长模型。
步骤四、将所述3D依赖的腐蚀随机增长模型嵌入贝叶斯推断中，具体方法为：基于3D依赖的腐蚀随机增长模型中的形状参数和比例参数，构建贝叶斯推断中的似然函数；建立贝叶斯推断中的先验概率分布模型、并预估贝叶斯推断中的后验概率分布。
通过马尔科夫链蒙特卡洛模拟（MCMC模拟）技术对贝叶斯推断进行更新，得到更新的3D腐蚀随机增长模型，具体方法为：获取MCMC模拟的所需样本；从所需样本内重复若干次抽样后，得到变量的概率统计特征；使用贝叶斯分析方法分别估计已检测到的和未检测到的腐蚀种群的腐蚀大小分布，并更新至贝叶斯推断中。
步骤五、基于更新的3D腐蚀随机增长模型，建立等效地震作用下的腐蚀管道失效概率模型，结合失效条件，评估腐蚀管道的失效概率。
其中，建立等效地震作用下的腐蚀管道失效概率模型的方法包括：确定腐蚀管道在地震作用下的失效模式；建立在各失效模式下的极限状态函数，确定在各失效模式下的极限状态；计算腐蚀管道地震的失效概率，并与已知的、基于个人或社会风险的目标可靠度相比，以确定管道的安全。
本实施例对所建立的3D腐蚀随机增长模型进行了验证，验证方法为：
某X52钢质长输管道，抗拉强度为432MPa，公称外径为508mm，公称壁厚为12.7mm，标称工作压力为10.06MPa。在该管道上执行了4次连续的ILI内检测，得到4组沿时间轴连续的管道内检测数据；测量误差遵循零均值且标准偏差为4％wt或4mm的正态分布。
选择前3组数据来构建3D腐蚀随机增长模型，所得到的模型预测数据与第4组数据进行比较。然后，构建3个增长方向独立的管道腐蚀随机增长模型，预测未来腐蚀增加，并与所构建的模型进行比较。将各个方向的实际测量数据偏差10%为标准来验证此模型。结果证明，而所提出的3D腐蚀随机增长模型可以较好地预测模型的增长，即在误差允许范围之内。
实施例2：
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，在实施例1的基础上，步骤五中的失效模式包括瞬时地面运动、永久地面变形；
更细化的，将瞬时地面运动分为腐蚀受拉模式、腐蚀受压模式；将永久地面变形分为纵向永久地面变形模式、横向永久地面变形模式；
本实施例中，腐蚀受拉模式的模型为：
Figure 560527DEST_PATH_IMAGE012
Figure 162410DEST_PATH_IMAGE013
Figure 622341DEST_PATH_IMAGE003
式中，P b,F 为包括拉伸荷载的爆破压力；P b 为纯爆破压力；F为有效的轴向拉力；F c 为极限有效拉力；n应变硬化指数；wt为壁厚；δ为管道径厚比；e为自然常数；ε Y 为屈服应变；σ Y 为屈服应力；C 1为代表应力应变数据分散程度的不确定因子；C 2为代表模型不确定性的不确定因子。
本实施例中，腐蚀受压模式的模型为：
Figure 134225DEST_PATH_IMAGE014
Figure 146043DEST_PATH_IMAGE015
式中，P b,M 为管道伴随弯矩的爆破压力；M为所受地震引起弯矩；M c 为纯弯曲的屈曲失效对应的弯矩；exp表示以自然常数为底的指数函数；D为管道直径。
步骤五中的极限状态函数为：
在瞬时地面变形引起的失效模式下，腐蚀管道失效的极限状态函数为：
在腐蚀受压模式下：g 1(x,t)= P b,M (x,t)-p (t)；
在腐蚀受拉模式下：g 2(x,t)= P b,F (x,t)- p (t)；
式中，g 1(x,t)为腐蚀受压模式下的极限状态函数；g 2(x,t)为腐蚀受拉模式下的极限状态函数；p(t)为管道的操作压力；P b,M (x,t) 为P b,M 关于x、t的函数；P b,F (x,t) 为P b,F 关于x、t的函数；x为不确定变量的组合；t为时间；
在永久地面变形引起的失效模式下，腐蚀管道失效的极限状态函数为：
g 3(x,t)= P R (x,t)-p s (x,t)，g 4(x,t)=ε R (x)-ε s (x)；
式中，g 3(x,t)为随时间变化的腐蚀状态的极限状态；P R (x,t)是随时间变化的爆破压力；p s (x,t)是随时间变化的内压；g 4(x,t)是地震状态的极限状态；ε s (x)是地震引起的管段应变；ε R (x)是埋入式连续管道的允许应变。
本实施例中，埋入式连续管道的允许应变ε R (x)由最大容许应变表示；对于管道受拉或受压的不同情况，各自对应的最大容许应变是不同的：
拉伸最大容许应变为：εt=0.03；
压缩最大容许应变为：εc=0.35wt/D。
在纵向永久地面变形模式下，地震引起的管段应变ε s (x) 由最大轴向应变表示：
Figure 845009DEST_PATH_IMAGE016
Figure 498844DEST_PATH_IMAGE017
式中，ε a 为最大轴向应变；n、r为兰贝格-奥斯古德参数；L PGD为永久地面变形长度；T u 为土管界面处单位管道的峰值摩擦力；
Figure 130814DEST_PATH_IMAGE008
为单位土壤有效单位重量；α为黏土的黏附因子；c为土壤凝聚力；H为覆盖层到管道中心线的埋入深度；ϕ为管-土界面的土管界面的摩擦角；f为涂层系数；K 0为静态土壤的压力系数；D为管道直径；wt为壁厚；E为弹性模量；σ y 为极限抗压强度；
本实施例中，永久地面变形长度L PGD的取值决定于可能产生两种情况：一种情况是为所划分永久地面变形区域的长度；另一种情况是当最大的地面纵向运动很大，则管道和土壤的界面摩擦角将决定管道中的应变量，并且可以使用公式计算管道中的最大轴向应变（即拉伸和压缩），此时为峰值摩擦力作用于其上的管道的有效长度。
在横向永久地面变形模式下，地震引起的管段应变ε s (x)由最大弯曲应变表示：
Figure 188900DEST_PATH_IMAGE018
式中，ε b 为最大弯曲应变；min代表取最小值；δ d t 为瞬时地面变形的设计应变；N qh 是水平土壤承载力因子；W为永久地面变形的区域的宽度。
此外，本实施例中的总可靠度计算方法为：
当管道失效是由瞬时地面变形引起的失效模式控制时，通过如下公式计算总可靠度：
Figure 906320DEST_PATH_IMAGE019
式中：l为管段长度；n个基于特定位置的极限状态；p fd 为分布式极限状态每单位长度的失效概率；p fi 为第个特定位置的失效概率；p f 为瞬时地面变形引起失效时的目标可靠度；
当管道失效是由永久地面变形引起的失效模式控制时，通过如下公式判断总可靠度与目标可靠度的大小关系：
Figure 832688DEST_PATH_IMAGE020
；
式中，R T 为永久地面变形引起失效时的目标可靠度；p c 为腐蚀引起的失效概率；p s 为永久地面变形引起的失效概率；n 1为极限状态数目；i取1,2,…, n 1；
其中，腐蚀引起的失效概率p c 和永久地面变形引起的失效概率p s ，均通过蒙特卡罗模拟算法获得。
实施例3：
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，在上述任一实施例的基础上：
步骤四中构建的贝叶斯推断中的似然函数为L(α,β|x)：
Figure 660442DEST_PATH_IMAGE021
式中，α为形状参数、β为比例参数，
Figure 217325DEST_PATH_IMAGE022
为Gamma函数，x为变量，e为自然对数。
步骤四中，通过吉布斯采样（Gibbs sampling）或者梅特罗波利斯－黑斯廷斯（Metropolis-Hastings）算法获取MCMC模拟的所需样本，这两种算法可在难以直接采样的多变量概率分布中近似抽取样本序列并近似估计期望、联合分布和部分变量的边缘分布。
步骤四中，贝叶斯推断中的后验概率分布为MCMC迭代的每次抽样的收敛于目标分布函数。
实施例4：
在上述任一实施例中，腐蚀增长模型使用实际腐蚀增长数据，一旦获得新的ILI数据，就可以重新计算可靠性。因此，从长期可靠性分析来看，上述任一实施例均可通过ILI数据以动态更新来实现对失效概率的预测进行校正。但是上述实施例并未考虑对管道的人为维护影响；可靠性分析结果对数据的敏感性较高，当依赖于检测数据推断的模型在无更新数据的情况下，可能会对可靠性的评估造成较大影响。
本实施例考虑维护管道产生的影响，纠正引入的内检测数据，从而使失效更新数据的引入让管道的评估模型能发挥更好的功能，同时也使失效概率得到进一步更新。
具体的，本实施例在引入前述失效模式的同时，考虑利用定期的维护行为来更新失效分布函数，引入恢复系数嵌入维护流程中，并推荐三种维护标准：完美维护，不完美维护，基本维护。
此外，本实施例中引入恢复系数f c 去定义维护程度。
当f c =0时，表示完善的维护；
当0＜f c ＜1时，表示不完善的维护；
当f c =1时，维护是最小的，这实际是一种极端的情况以表示无维护的行为。
其中，完善的修复意味着腐蚀管道要发挥其最初的功能，而最少的维护意味着腐蚀管道性能没有显著改善。完善的维护需要巨大的成本花费，相反最小的维护则只需最小的花费。另外，如果维护不完善，则状态的性能会部分更改，并且也会低于初始状态。
本实施例引入连续时间检测的腐蚀检测去估计某腐蚀管道未来20年的腐蚀增长，以腐蚀受压模式为例，结果如图2所示，从图2中可以看出，结合可能存在的弯矩影响，结构失效概率是随弯矩的增加而增大，弯矩越大则可能导致更大的失效概率。此外，增加相同的弯矩会导致不同的失效概率增加，并且这种增长速度会增加。
在考虑维护操作（管道维护）之后，对失效概率的预测进行校正，预测结果如图3所示，该管道在第10年内进行了维护，即进行了一次检查。因此，基于所获得的数据来更新数据，并且如图3所示来实现失效概率更新。
通过图2与图3的结果差异，可以证明，如果不考虑在给定时间的维护行为产生的影响，则可能造成失效概率评估较大的偏差。
需要说明的是，图2与图3中的M/Mc表示地震所受弯矩与纯弯曲失效弯矩的比值。
实施例5：
一种用于地震作用下埋地腐蚀管道的可更新失效概率预测终端设备，包括：处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现实施例1至实施例3中任一所记载的方法步骤，例如图1所示的步骤。
示例性的，所述计算机程序可以被分割成一个或多个模块/单元，所述一个或多个模块/单元被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述上述计算机程序在所述终端设备中的执行过程。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
需要说明的是，在本文中，诸如术语“包括”、“包含”或者其任何其它变体，意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。

Claims (10)

1.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，其特征在于，包括以下步骤：
对不同检测时间下所获得的管道内检测数据进行特征匹配；
基于特征匹配结果，分别在轴向、周向和径向上建立独立的管道腐蚀随机增长模型；
通过伽玛分布联立三个所述管道腐蚀随机增长模型，得到3D依赖的腐蚀随机增长模型；
将所述3D依赖的腐蚀随机增长模型嵌入贝叶斯推断中，再通过马尔科夫链蒙特卡洛模拟技术对贝叶斯推断进行更新，得到更新的3D腐蚀随机增长模型；
基于更新的3D腐蚀随机增长模型，建立等效地震作用下的腐蚀管道失效概率模型，结合失效条件，评估腐蚀管道的失效概率。
2.根据权利要求1所述的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，其特征在于，所述特征匹配的方法包括：
将不同检测时间下所获得的管道内检测数据集进行递进式的顺序匹配；
以分段形式将管道分为若干部分；
在每个部分内，将缺陷特征沿管道轴向，从3D模型映射到2D平面模型中，再沿周向和径向匹配腐蚀特征；
结合所有部分的匹配结果，得到所需的特征匹配结果。
3.根据权利要求1所述的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，其特征在于，所述独立的管道腐蚀随机增长模型的建立方法包括：
建立在给定时间间隔下，腐蚀在轴向、周向和径向上各自增量的伽玛分布；
分别对三个增量的伽玛分布求和，得到腐蚀分别在轴向、周向、径向上的增量总和的伽玛分布。
4.根据权利要求3所述的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，其特征在于，通过伽玛分布联立三个所述管道腐蚀随机增长模型的方法包括：
从腐蚀分别在轴向、周向、径向上的增量总和的伽玛分布中，提取三个伽玛分布依赖于时间的形状参数、与时间无关的比例参数；
使用多维正态分布，对所提取的三个所述形状参数的对数建模，得到新的形状参数；
设置所提取的三个所述比例参数满足伽玛分布，得到新的比例参数；
以新的形状参数、新的比例参数建立伽玛分布，得到3D依赖的腐蚀随机增长模型。
5.根据权利要求1所述的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，其特征在于，将所述3D依赖的腐蚀随机增长模型嵌入贝叶斯推断中的方法包括：
基于3D依赖的腐蚀随机增长模型中的形状参数和比例参数，构建贝叶斯推断中的似然函数；
建立贝叶斯推断中的先验概率分布模型、并预估贝叶斯推断中的后验概率分布。
6.根据权利要求1所述的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，其特征在于，通过马尔科夫链蒙特卡洛模拟技术对贝叶斯推断进行更新的方法包括：
获取马尔科夫链蒙特卡洛模拟的所需样本；
从所需样本内重复若干次抽样后，得到变量的概率统计特征；
使用贝叶斯分析方法分别估计已检测到的和未检测到的腐蚀种群的腐蚀大小分布，并更新至贝叶斯推断中。
7.根据权利要求1所述的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，其特征在于，建立等效地震作用下的腐蚀管道失效概率模型的方法包括：
确定腐蚀管道在地震作用下的失效模式；
建立在各失效模式下的极限状态函数，确定在各失效模式下的极限状态；
计算腐蚀管道的失效概率，并与基于个人或社会风险的目标可靠度相比，确定管道是否安全。
8.根据权利要求7所述的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，其特征在于，所述失效模式包括瞬时地面变形引起的失效模式、永久地面变形引起的失效模式；
所述瞬时地面变形引起的失效模式包括腐蚀受拉模式、腐蚀受压模式；
所述永久地面变形引起的失效模式包括纵向永久地面变形模式、横向永久地面变形模式；
所述腐蚀受拉模式的模型包括：
Figure 798964DEST_PATH_IMAGE001
Figure 511705DEST_PATH_IMAGE002
Figure 107902DEST_PATH_IMAGE003
式中，P b,F 为包括拉伸荷载的爆破压力；P b 为纯爆破压力；F为有效的轴向拉力；F c 为极限有效拉力；n为应变硬化指数；t为时间；δ为管道径厚比；e为自然常数；ε Y 为屈服应变；σ Y 为屈服应力；C 1为代表应力应变数据分散程度的不确定因子；C 2为代表模型不确定性的不确定因子；
所述腐蚀受压模式的模型包括：
Figure 679829DEST_PATH_IMAGE004
Figure 183623DEST_PATH_IMAGE005
式中，P b,M 为管道伴随弯矩的爆破压力；M为所受地震引起弯矩；M c 为纯弯曲的屈曲失效对应的弯矩；exp表示以自然常数为底的指数函数；D为管道直径；
所述纵向永久地面变形模式的模型包括：
Figure 282029DEST_PATH_IMAGE006
Figure 46198DEST_PATH_IMAGE007
式中，ε a 为最大轴向应变；n、r为兰贝格-奥斯古德参数；L PGD为永久地面变形长度；T u 为土管界面处单位管道的峰值摩擦力；
Figure 964475DEST_PATH_IMAGE008
为单位土壤有效单位重量；α为黏土的黏附因子；c为土壤凝聚力；H为覆盖层到管道中心线的埋入深度；ϕ为管-土界面的土管界面的摩擦角；f为涂层系数；K 0为静态土壤的压力系数；D为管道直径；wt为壁厚 ；E为弹性模量；σ y 为极限抗压强度；
所述横向永久地面变形模式的模型包括：
Figure 475222DEST_PATH_IMAGE009
式中，ε b 为最大弯曲应变；min代表取最小值；δ d t 为瞬时地面变形的设计应变；N qh 是水平土壤承载力因子；W为永久地面变形的区域的宽度。
9.根据权利要求8所述的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，其特征在于，
在瞬时地面变形引起的失效模式下，腐蚀管道失效的极限状态函数为：
在腐蚀受压模式下：g 1(x,t)= P b,M (x,t)-p (t)；
在腐蚀受拉模式下：g 2(x,t)= P b,F (x,t)- p (t)；
式中，g 1(x,t)为腐蚀受压模式下的极限状态函数；g 2(x,t)为腐蚀受拉模式下的极限状态函数；p(t)为管道的操作压力；P b,M (x,t) 为P b,M 关于x、t的函数；P b,F (x,t) 为P b,F 关于x、t的函数；x为不确定变量的组合；t为时间；
在永久地面变形引起的失效模式下，腐蚀管道失效的极限状态函数为：
g 3(x,t)= P R (x,t)-p s (x,t)，g 4(x,t)=ε R (x)-ε s (x)；
式中，g 3(x,t)为随时间变化的腐蚀状态的极限状态；P R (x,t)是随时间变化的爆破压力；p s (x,t)是随时间变化的内压；g 4(x,t)是地震状态的极限状态；ε s (x)是地震引起的管段应变；ε R (x)是埋入式连续管道的允许应变。
10.根据权利要求7所述的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，其特征在于，
当管道失效是由瞬时地面变形引起的失效模式控制时，通过如下公式计算总可靠度：
Figure 896976DEST_PATH_IMAGE010
式中：l为管段长度；n个基于特定位置的极限状态；p fd 为分布式极限状态每单位长度的失效概率；p fi 为第个特定位置的失效概率；p f 为瞬时地面变形引起失效时的总可靠度；
若总可靠度大于目标可靠度，认为该腐蚀管道安全；
当管道失效是由永久地面变形引起的失效模式控制时，若下式成立，则认为该腐蚀管道安全：
Figure 100556DEST_PATH_IMAGE011
式中，R T 为永久地面变形引起失效时的目标可靠度；p c 为腐蚀引起的失效概率；p s 为永久地面变形引起的失效概率；n 1为极限状态数目；i取1,2,…, n 1；
其中，腐蚀引起的失效概率p c 和永久地面变形引起的失效概率p s ，均通过蒙特卡罗模拟算法获得。
CN202211298667.5A 2022-10-24 2022-10-24 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 Active CN115358102B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211298667.5A CN115358102B (zh) 2022-10-24 2022-10-24 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

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211298667.5A CN115358102B (zh) 2022-10-24 2022-10-24 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

Publications (2)

Publication Number Publication Date
CN115358102A true CN115358102A (zh) 2022-11-18
CN115358102B CN115358102B (zh) 2023-01-31

Family

ID=84008461

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211298667.5A Active CN115358102B (zh) 2022-10-24 2022-10-24 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

Country Status (1)

Country Link
CN (1) CN115358102B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115796028A (zh) * 2022-11-24 2023-03-14 武汉大学 埋地分段管道震害率预测模型构建方法、预测方法及装置
CN118297408A (zh) * 2024-06-05 2024-07-05 北京城建勘测设计研究院有限责任公司 一种城市地铁运营安全风险评估方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105302946A (zh) * 2015-10-13 2016-02-03 中国石油天然气股份有限公司 一种腐蚀管道可靠度确定方法及装置
CN108520135A (zh) * 2018-03-31 2018-09-11 大连理工大学 一种腐蚀管道Folias膨胀系数计算内压荷载的方法
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
WO2021109622A1 (zh) * 2019-12-04 2021-06-10 上海核工程研究设计院有限公司 一体化非能动反应堆系统
CN113792429A (zh) * 2021-09-14 2021-12-14 国家石油天然气管网集团有限公司 用时间函数预测采空区埋地管道动态应力应变的方法
CN114065579A (zh) * 2021-11-12 2022-02-18 中国地质大学（武汉） 一种复杂缺陷海底管道的爆破失效概率的估计方法和设备

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105302946A (zh) * 2015-10-13 2016-02-03 中国石油天然气股份有限公司 一种腐蚀管道可靠度确定方法及装置
CN108520135A (zh) * 2018-03-31 2018-09-11 大连理工大学 一种腐蚀管道Folias膨胀系数计算内压荷载的方法
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
WO2021109622A1 (zh) * 2019-12-04 2021-06-10 上海核工程研究设计院有限公司 一体化非能动反应堆系统
CN113792429A (zh) * 2021-09-14 2021-12-14 国家石油天然气管网集团有限公司 用时间函数预测采空区埋地管道动态应力应变的方法
CN114065579A (zh) * 2021-11-12 2022-02-18 中国地质大学（武汉） 一种复杂缺陷海底管道的爆破失效概率的估计方法和设备

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
WANG,YH 等: "Failure probability assessment prediction of corroded pipeline under earthquake by introducing inline inspection data", 《ENGINEERING FAILURE ANALYSIS》 *
张杰等: "引入失效数据的腐蚀管道结构可靠性评价方法", 《安全与环境工程》 *
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》 *
王艺环等: "含腐蚀缺陷悬空管道的考虑多个变量相关性的非概率时变可靠性分析", 《机械》 *
郭凌云等: "基于不同随机退化过程的腐蚀管道时变失效概率", 《石油学报》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115796028A (zh) * 2022-11-24 2023-03-14 武汉大学 埋地分段管道震害率预测模型构建方法、预测方法及装置
CN115796028B (zh) * 2022-11-24 2024-01-30 武汉大学 埋地分段管道震害率预测模型构建方法、预测方法及装置
CN118297408A (zh) * 2024-06-05 2024-07-05 北京城建勘测设计研究院有限责任公司 一种城市地铁运营安全风险评估方法及系统

Also Published As

Publication number Publication date
CN115358102B (zh) 2023-01-31

Similar Documents

Publication Publication Date Title
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
Mazumder et al. Failure risk analysis of pipelines using data-driven machine learning algorithms
Wang et al. Bayesian modeling of external corrosion in underground pipelines based on the integration of Markov chain Monte Carlo techniques and clustered inspection data
Gomes et al. Optimal inspection planning for onshore pipelines subject to external corrosion
Pandey Probabilistic models for condition assessment of oil and gas pipelines
Li et al. Predicting corrosion remaining life of underground pipelines with a mechanically-based probabilistic model
Xie et al. Risk-based pipeline re-assessment optimization considering corrosion defects
Miran et al. Time-dependent reliability analysis of corroded buried pipelines considering external defects
Yu et al. Subset simulation-based reliability analysis of the corroding natural gas pipeline
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
JP5423983B2 (ja) 計算機システム及びリスク診断方法
Valor et al. Statistical analysis of pitting corrosion field data and their use for realistic reliability estimations in non-piggable pipeline systems
KR102556371B1 (ko) 지하 매설관의 파손 위험 분석 방법 및 장치
CN115186590A (zh) 一种管道腐蚀剩余寿命预测方法
CN113468757A (zh) 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
Shokouhi et al. Seismic strain analysis of buried pipelines in a fault zone using hybrid FEM-ANN approach
Bhardwaj et al. Probabilistic safety assessment of the burst strength of corroded pipelines of different steel grades with calibrated strength models
CN114429042A (zh) 管道安全系数及修正因子确定方法、局部腐蚀评价方法
Wang et al. Belief reliability modeling for the two-phase degradation system with a change point under small sample conditions
Zhang et al. Time-dependent corrosion growth modeling using multiple ILI data
Farahani et al. Probabilistic corrosion growth models of buried steel pipelines using inspection and soil survey data
Langer et al. Reliability Assessment of Corrosion Features Interacting with Pipeline Dents
Kim et al. Uncertainty analysis of data-based models for estimating collapse moments of wall-thinned pipe bends and elbows
Jiang et al. Hierarchical Bayesian based reliability analysis of a sharing storage processor
Zangenehmadar et al. Application of FAHP and shannon entropy in evaluating criteria significance in pipeline deterioration

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