CN115438509A - 玻璃钢套管故障检测方法、装置、计算机设备和存储介质 - Google Patents

Abstract

本申请涉及一种玻璃钢套管故障检测方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：获取玻璃钢套管的数字孪生体中的套管检测指标；对所述套管检测指标进行劣化处理，得到所述套管检测指标对应的劣化套管检测指标；将所述劣化套管检测指标输入隶属度预测模型，得到所述劣化套管检测指标对应的故障等级隶属度；对所述故障等级隶属度进行信息融合处理，得到所述玻璃钢套管的故障检测结果，并将所述故障检测结果展示在所述数字孪生体上。采用本方法能够提高玻璃钢套管的故障检测准确率和全面性。

Description

玻璃钢套管故障检测方法、装置、计算机设备和存储介质

技术领域

本申请涉及故障检测技术领域，特别是涉及一种玻璃钢套管故障检测方法、装置、计算机设备、存储介质和计算机程序产品。

背景技术

在电力系统中，套管对保护电力设备起到了重要作用。传统的油纸套管的结构复杂、容易渗漏油等问题，而玻璃钢套管具有很高的机械强度，结构非常简单，密封环节非常少，相比传统的油纸套管具有突出优势。

为保障电力系统的安全稳定运行，需要经常对玻璃钢套管的状态进行检测，以减少玻璃钢套管的故障概率。由于玻璃钢套管的部署环境复杂，例如深埋地下或者埋在墙里，因而难以对玻璃钢套管进行检测，实际场景中常等到相关设备出现故障时才能发现玻璃钢套管的故障，存在玻璃钢套管的检测效率较低的问题。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高玻璃钢套管的故障检测效率的玻璃钢套管故障检测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

第一方面，本申请提供了一种玻璃钢套管故障检测方法。所述方法包括：

获取玻璃钢套管的数字孪生体中的套管检测指标；

对所述套管检测指标进行劣化处理，得到所述套管检测指标对应的劣化套管检测指标；

将所述劣化套管检测指标输入隶属度预测模型，得到所述劣化套管检测指标对应的故障等级隶属度；

对所述故障等级隶属度进行信息融合处理，得到所述玻璃钢套管的故障检测结果，并将所述故障检测结果展示在所述数字孪生体上。

在其中一个实施例中，将所述劣化套管检测指标输入隶属度预测模型，得到所述劣化套管检测指标对应的故障等级隶属度，包括：

获取所述劣化套管检测指标在各个预设故障等级下的期望信息、熵信息和超熵信息；

分别根据所述各个预设故障等级下的熵信息和超熵信息，得到所述各个预设故障等级下的高斯信息；

分别将所述各个预设故障等级下的所述劣化套管检测指标、所述高斯信息和所述期望信息，输入隶属度预测模型，得到所述劣化套管检测指标在所述各个预设故障等级下的故障等级隶属度。

在其中一个实施例中，在获取玻璃钢套管的数字孪生体中的套管检测指标之前，还包括：

根据所述玻璃钢套管的物理结构和套管数据，对所述玻璃钢套管进行数字孪生建模，得到所述玻璃钢套管的数字孪生体；

根据所述数字孪生体，对所述玻璃钢套管进行故障树分析，得到所述玻璃钢套管的多个故障类型，以及各个所述故障类型对应的套管检测指标；

采集所述缺陷检测指标，并根据所述套管检测指标更新所述数字孪生体。

在其中一个实施例中，对所述故障等级隶属度进行信息融合处理，得到所述玻璃钢套管的故障检测结果，包括：

对所述劣化套管检测指标进行层次分析处理和熵权处理，得到所述劣化套管检测指标的目标权重；

将所述劣化套管检测指标对应的故障等级隶属度和所述劣化套管检测指标的目标权重进行融合，得到所述劣化套管检测指标对应的目标故障等级隶属度；

对所述目标故障等级隶属度进行信息融合处理，得到所述玻璃钢套管的故障检测结果。

在其中一个实施例中，对所述目标故障等级隶属度进行信息融合处理，得到所述玻璃钢套管的故障检测结果，包括：

从所述目标故障等级隶属度中，筛选出属于同一故障类型的目标故障等级隶属度，作为待融合故障等级隶属度；

对所述待融合故障等级隶属度进行隶属度融合处理，得到所述待融合故障等级隶属度对应的故障类型的检测结果；

根据所有故障类型的检测结果，确定所述玻璃钢套管的故障检测结果。

在其中一个实施例中，对所述套管检测指标进行劣化处理，得到所述玻璃钢套管的劣化套管检测指标，包括：

在所述套管检测指标大于或者等于所述套管检测指标的下限值，且所述套管检测指标小于或者等于所述套管检测指标的上限值的情况下，将所述套管检测指标输入至指标劣化模型，得到所述玻璃钢套管的劣化套管检测指标；所述指标劣化模型为根据所述套管检测指标的上限值和所述套管检测指标的下限值构建得到。

第二方面，本申请还提供了一种玻璃钢套管故障检测装置。所述装置包括：

指标获取模块，用于获取玻璃钢套管的数字孪生体中的套管检测指标；

劣化处理模块，用于对所述套管检测指标进行劣化处理，得到所述套管检测指标对应的劣化套管检测指标；

隶属度预测模块，用于将所述劣化套管检测指标输入隶属度预测模型，得到所述劣化套管检测指标对应的故障等级隶属度；

信息融合模块，用于对所述故障等级隶属度进行信息融合处理，得到所述玻璃钢套管的故障检测结果，并将所述故障检测结果展示在所述数字孪生体上。

第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

获取玻璃钢套管的数字孪生体中的套管检测指标；

对所述套管检测指标进行劣化处理，得到所述套管检测指标对应的劣化套管检测指标；

将所述劣化套管检测指标输入隶属度预测模型，得到所述劣化套管检测指标对应的故障等级隶属度；

对所述故障等级隶属度进行信息融合处理，得到所述玻璃钢套管的故障检测结果，并将所述故障检测结果展示在所述数字孪生体上。

第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

获取玻璃钢套管的数字孪生体中的套管检测指标；

对所述套管检测指标进行劣化处理，得到所述套管检测指标对应的劣化套管检测指标；

将所述劣化套管检测指标输入隶属度预测模型，得到所述劣化套管检测指标对应的故障等级隶属度；

对所述故障等级隶属度进行信息融合处理，得到所述玻璃钢套管的故障检测结果，并将所述故障检测结果展示在所述数字孪生体上。

第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：

获取玻璃钢套管的数字孪生体中的套管检测指标；

对所述套管检测指标进行劣化处理，得到所述套管检测指标对应的劣化套管检测指标；

将所述劣化套管检测指标输入隶属度预测模型，得到所述劣化套管检测指标对应的故障等级隶属度；

对所述故障等级隶属度进行信息融合处理，得到所述玻璃钢套管的故障检测结果，并将所述故障检测结果展示在所述数字孪生体上。

上述玻璃钢套管故障检测方法、装置、计算机设备、存储介质和计算机程序产品，获取玻璃钢套管的数字孪生体中的套管检测指标；对套管检测指标进行劣化处理，得到套管检测指标对应的劣化套管检测指标；将劣化套管检测指标输入隶属度预测模型，得到劣化套管检测指标对应的故障等级隶属度；对故障等级隶属度进行信息融合处理，得到玻璃钢套管的故障检测结果，并将故障检测结果展示在数字孪生体上。采用本方法，通过数字孪生体对玻璃钢套管进行精细化数学建模，能够实时监测得到玻璃钢套管的套管检测指标，并利用套管检测指标分析得到玻璃钢套管的故障情况，得到的故障检测结果更加精准有效，而无需人工去现场对玻璃钢套管进行故障确认，从而提高了玻璃钢套管的故障检测效率。

附图说明

图1为一个实施例中玻璃钢套管故障检测方法的流程示意图；

图2为一个实施例中得到劣化套管检测指标对应的故障等级隶属度步骤的流程示意图；

图3为另一个实施例中玻璃钢套管故障检测方法的流程示意图；

图4为又一个实施例中玻璃钢套管故障检测方法的流程示意图；

图5为一个实施例中玻璃钢套管故障检测装置的结构框图；

图6为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

在一个实施例中，如图1所示，提供了一种玻璃钢套管故障检测方法，本实施例以该方法应用于终端进行举例说明，可以理解的是，该方法也可以应用于服务器，还可以应用于包括终端和服务器的系统，并通过终端和服务器的交互实现。其中，终端可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备，物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。本实施例中，该方法包括以下步骤：包括以下步骤：

步骤S101，获取玻璃钢套管的数字孪生体中的套管检测指标。

其中，玻璃钢套管可以利用任意一种现有技术进行实现。

其中，数字孪生体是指利用物理模型、传感器更新、运行历史等数据，在虚拟空间中对玻璃钢套管进行仿真和模拟的模型。数字孪生体能够与玻璃钢套管的真实状态完全同步。套管检测指标是指能够反映玻璃钢套管的故障缺陷的指标。

具体地，终端在虚拟平台中，根据玻璃钢套管的真实物理结构和生命周期，搭建玻璃钢套管的数字孪生体，以便于通过数字孪生体对玻璃钢套管的相关指标实时监测，例如实时监测玻璃钢套管与故障缺陷相关的套管检测指标。部署在玻璃钢套管上的数据采集装置，用于采集玻璃刚套管的相关指标(包括套管检测指标)，数据采集装置将套管检测指标发送至套管检测指标的数字孪生体，进而终端从套管检测指标的数字孪生体中获取到套管检测指标。

步骤S102，对套管检测指标进行劣化处理，得到套管检测指标对应的劣化套管检测指标。

其中，劣化套管检测指标是指套管检测指标的相对劣化度。

具体地，终端根据套管检测指标与套管检测指标的上限值和下限值之间的大小关系，对套管检测指标进行劣化处理，得到玻璃钢套管的劣化套管检测指标。需要说明的是，将劣化套管检测指标而非套管检测指标作为后续步骤的执行依据，能够分析出各个套管检测指标对玻璃钢套管的预设故障等级的相对重要程度，从而能够更准确、更全面的检测出玻璃钢套管的故障情况。

步骤S103，将劣化套管检测指标输入隶属度预测模型，得到劣化套管检测指标对应的故障等级隶属度。

其中，隶属度预测模型是指用于预测劣化套管检测指标与玻璃钢套管的各个预设故障等级之间的隶属度的模型。故障等级隶属度是指用于描述劣化套管检测指标与预设故障等级之间的归属程度的数据；其中故障等级隶属度越大，表示劣化套管检测指标属于该预设故障等级的程度越高。

具体地，终端预先设置玻璃钢套管的预设故障等级；在上述步骤S102中获取到劣化套管指标之后，终端对劣化套管检测指标进行期望处理和熵处理，得到劣化套管检测指标对应的期望信息、熵信息和超熵信息；对期望信息、熵信息和超熵信息进行高斯云处理，得到劣化套管检测指标在各个预设故障等级下对应的高斯信息；将劣化套管检测指标，以及劣化套管检测指标的高斯信息和期望信息输入至隶属度预测模型，得到劣化套管检测指标在各个预设故障等级下对应的故障等级隶属度。

步骤S104，对故障等级隶属度进行信息融合处理，得到玻璃钢套管的故障检测结果，并将故障检测结果展示在数字孪生体上。

其中，故障检测结果是指描述针对玻璃钢套管的检测结果的信息；故障检测结果可以反映出玻璃钢套管的状态为正常，或者异常，或者有较大概率会出现异常等。

为全面检测分析玻璃钢套管的故障情况，可以分别获取针对玻璃钢套管的各个故障类型的检测结果，还可以结合玻璃钢套管的所有故障类型的检测情况生成总的故障检测结果。具体地，终端将属于同一故障类型的故障等级隶属度进行信息融合处理，得到各个故障类型的检测结果，然后结合所有故障类型的检测结果，生成玻璃钢套管的故障检测结果。

举例说明，玻璃钢套管的故障类型包括玻璃钢套管绝缘劣化、玻璃钢套管放电和玻璃钢套管过热，通过处理得到玻璃钢套管绝缘劣化的检测结果为正常，玻璃钢套管放电的检测结果为正常，以及玻璃钢套管过热的检测结果为异常，然后根据玻璃钢套管绝缘劣化的检测结果、玻璃钢套管放电的检测结果和玻璃钢套管过热的检测结果的相关信息，生成更加全面的故障检测结果。

上述玻璃钢套管故障检测方法中，获取玻璃钢套管的数字孪生体中的套管检测指标；对套管检测指标进行劣化处理，得到套管检测指标对应的劣化套管检测指标；将劣化套管检测指标输入隶属度预测模型，得到劣化套管检测指标对应的故障等级隶属度；对故障等级隶属度进行信息融合处理，得到玻璃钢套管的故障检测结果，并将故障检测结果展示在数字孪生体上。采用本方法，通过数字孪生体对玻璃钢套管进行精细化数学建模，能够实时监测得到玻璃钢套管的套管检测指标，并利用套管检测指标分析得到玻璃钢套管的故障情况，而无需人工去现场对玻璃钢套管进行故障确认，从而提高了玻璃钢套管的故障检测效率。

在一个实施例中，如图2所示，上述步骤S103，将劣化套管检测指标输入隶属度预测模型，得到劣化套管检测指标对应的故障等级隶属度，具体包括如下内容：

步骤S201，获取劣化套管检测指标在各个预设故障等级下的期望信息、熵信息和超熵信息。

其中，期望信息是指劣化套管检测指标在各个预设故障等级下的数学期望。熵信息是指描述劣化套管检测指标的模糊度和概率的数据，即劣化套管检测指标的熵；熵信息用于反映劣化套管检测指标的不确定性。超熵信息是指劣化套管检测指标在数域空间的凝聚度，即劣化套管检测指标的超熵；超熵信息用于间接表示各个预设故障等级在数域空间的离散程度和范围。

具体地，终端可以设置4个预设故障等级(包括第一预设故障等级、第二预设故障等级、第三预设故障等级和第四预设故障等级)，进而终端可以将第一预设故障等级的期望信息设为0，将第四预设故障等级的期望信息设为1，通过预设故障等级的约束范围边界，得到劣化套管指标在第三预设故障等级和第四预设故障等级下的期望信息。实际应用中，终端可以通过如下公式分别获取在4个预设故障等级下的期望信息：

其中，E_Ik表示劣化套管指标在第k预设故障等级下的期望信息；k表示第k个预设故障等级；a、b、c表示预设故障等级的约束范围边界，可以使a＝0.2，b＝0.5，c＝0.8。

终端根据该劣化套管指标在第一预设故障等级对应的期望信息和在第四预设故障等级对应的期望信息，得到劣化套管指标在第一预设故障等级对应的熵信息；根据劣化套管指标在第二预设故障等级对应的期望信息和在第一预设故障等级对应的期望信息，得到劣化套管指标在第二预设故障等级对应的熵信息；根据劣化套管指标在第三预设故障等级的期望信息和在第二预设故障等级的期望信息，得到劣化套管指标在第三预设故障等级对应的熵信息；根据劣化套管指标在第四预设故障等级对应的期望信息和在第三预设故障等级对应的期望信息，得到劣化套管指标在第四预设故障等级下的熵信息。实际应用中可以通过如下公式分别获取在4个预设故障等级下的熵信息：

其中，E_rk表示劣化套管指标第k预设故障等级下的熵信息；E_I1表示劣化套管指标在第一预设故障等级对应的期望信息；E_I2表示劣化套管指标在第二预设故障等级对应的期望信息；E_I3表示劣化套管指标在第三预设故障等级对应的期望信息；表示劣化套管指标在第四预设故障等级对应的期望信息。

另外，各预设故障等级对应的超熵信息通常取常数，当然终端也可以根据玻璃钢套管的实际情况进行调整。在实际应用中，各预设故障等级对应的超熵信息可以设置为0.005。

步骤S202，分别根据各个预设故障等级下的熵信息和超熵信息，得到各个预设故障等级下的高斯信息。

具体地，在各个预设故障等级下，终端将劣化套管检测指标的熵信息作为期望，将劣化套管检测指标的超熵信息作为方差，进而根据以熵信息为期望、以超熵信息为方差的高斯分布，得到劣化套管检测指标的目标方差；终端根据劣化套管检测指标的期望信息和目标方差，得到劣化套管检测指标的高斯分布，作为劣化套管检测指标的高斯信息。

步骤S203，分别将各个预设故障等级下的劣化套管检测指标、高斯信息和期望信息，输入隶属度预测模型，得到劣化套管检测指标在各个预设故障等级下的故障等级隶属度。

具体地，终端分别将各个预设故障等级下的劣化套管检测指标、高斯信息和期望信息，输入隶属度预测模型，隶属度预测模型输出得到劣化套管检测指标在各个预设故障等级下的故障等级隶属度。在实际应用中，隶属度预测模型可以是高斯云模型，隶属度预测模型可以通过如下公式进行表示：

其中，U表示在劣化套管指标第k预设故障等级下的故障等级隶属度；I_i表示第i个套管检测指标对应的劣化套管检测指标；E′表示劣化套管指标第k预设故障等级对应的高斯信息。

本实施例中，通过获取劣化套管检测指标在各个预设故障等级下的期望信息、熵信息和超熵信息；进而分别根据各个预设故障等级下的熵信息和超熵信息，得到各个预设故障等级下的高斯信息；分别将各个预设故障等级下的劣化套管检测指标、高斯信息和期望信息，输入隶属度预测模型，得到劣化套管检测指标在各个预设故障等级下的故障等级隶属度，实现了玻璃钢套管的故障等级隶属度的合理获取，与现有技术中仅根据指标是否超过阈值来评估玻璃钢套管的故障情况不同，本实施例中通过分别获取劣化套管检测指标的故障等级隶属度，有助于更全面的分析出玻璃钢套管的故障情况，提高了玻璃钢套管故障检测的全面性和准确率。

在一个实施例中，在上述步骤S101，获取玻璃钢套管的数字孪生体中的套管检测指标之前，还包括：根据玻璃钢套管的物理结构和套管数据，对玻璃钢套管进行数字孪生建模，得到玻璃钢套管的数字孪生体；根据数字孪生体，对玻璃钢套管进行故障树分析，得到玻璃钢套管的多个故障类型，以及各个故障类型对应的套管检测指标；采集缺陷检测指标，并根据套管检测指标更新数字孪生体。

其中，故障类型是指玻璃钢套管有可能会发生的故障。例如，故障类型可以是玻璃钢套管绝缘劣化，还可以是玻璃钢套管放电，也可以是玻璃钢套管过热。套管检测指标用于评估故障类型。例如故障类型玻璃钢套管过热的套管检测指标可以设置为套管红外图像，再例如故障类型玻璃钢套管绝缘劣化的套管检测指标可以设置为套管电容量初值差、套管绝缘电阻、套管介质损耗因数和套管末屏对地绝缘电阻，又例如故障类型玻璃钢套管放电的套管检测指标可以设置为套管局部放电量。

具体地，终端在虚拟平台中，根据玻璃钢套管的真实物理结构、生命周期、玻璃钢套管的离线试验数据和在线监测数据，对玻璃钢套管进行数字化建模，得到玻璃钢套管的数字孪生体，并展示该数字孪生体。根据玻璃钢套管的故障位置，对玻璃钢套管的典型故障进行故障树分类，得到玻璃钢套管的多个故障类型，并确定各个故障类型对应的套管检测指标。数据采集装置负责采集缺陷检测指标，并将采集到的套管检测指标发送到终端，终端根据套管检测指标更新玻璃钢套管的数字孪生体，使数字孪生体与玻璃钢套管实时同步状态。

此外，终端还可以设置各个套管检测指标的上限值和下限值，以确定各个套管检测指标的阈值范围。例如，套管电容量初值差(％)的范围可以设置为[0，5]，即套管电容量初值差的上限值为5，下限值为0；套管绝缘电阻(MΩ)的范围可以设置为[1000，20000]，即套管绝缘电阻的上限值为20000，下限值为1000；套管介质损耗因数(％)的范围可以设置为[0，0.8]，即套管介质损耗因数的上限值为0.8，下限值为0；套管末屏对地绝缘电阻(MΩ)的范围可以设置为[1000，2000]，即套管末屏对地绝缘电阻的上限值为1000，下限值为2000；套管局部放电量(pC)的范围可以设置为[0，20]，即套管局部放电量的上限值为20，下限值为0。

在本实施例中，通过根据玻璃钢套管的物理结构和套管数据，对玻璃钢套管进行数字孪生建模，得到玻璃钢套管的数字孪生体；进而根据数字孪生体，对玻璃钢套管进行故障树分析，得到玻璃钢套管的多个故障类型，以及各个故障类型对应的套管检测指标，准确地获取到玻璃钢套管的故障类型，并合理地确定了套管检测指标；通过采集缺陷检测指标对应的套管检测指标，并根据套管检测指标更新数字孪生体，是数字孪生体与玻璃钢套管的真实状态实时同步，使得玻璃钢套管的故障检测结果更加准确。

在一个实施例中，上述步骤S104，对故障等级隶属度进行信息融合处理，得到玻璃钢套管的故障检测结果，具体包括如下内容：对劣化套管检测指标进行层次分析处理和熵权处理，得到劣化套管检测指标的目标权重；将劣化套管检测指标对应的故障等级隶属度和劣化套管检测指标的目标权重进行融合，得到劣化套管检测指标对应的目标故障等级隶属度；对目标故障等级隶属度进行信息融合处理，得到玻璃钢套管的故障检测结果。

终端对各个劣化套管检测指标进行层次分析处理，得到各个劣化套管检测指标的第一权重。具体地，终端对劣化套管检测指标进行1至9标度处理，得到劣化套管检测指标的判断矩阵。劣化套管检测指标的判断矩阵可以通过如下公式进行表示：

其中，判断矩阵A中的元素a_ij由1至9标度处理得到，用于表示第i个劣化套管检测指标和第j个劣化套管检测指标相比的重要程度，i和j为劣化套管检测指标的数量。1至9标度的含义如表1所示(可以理解的是，为方便描述，表1中将第i个劣化套管检测指标简称为前者指标，将第j个劣化套管检测指标简称为后者指标)。

表1 1至9标度的含义

终端将劣化套管检测指标的判断矩阵中的元素，按行依次输入至特征向量预测模型，得到判断矩阵的特征向量，对该特征向量进行归一化，得到劣化套管检测指标的第一权重。其中，第一权重表示为劣化套管检测指标赋予的主观权重。

以套管红外图像、套管电容量初值差、套管绝缘电阻、套管介质损耗因数、套管末屏对地绝缘电阻和套管局部放电量这六项劣化套管检测指标为例，特征向量预测模型可以通过如下公式进行表示：

其中，

表示判断矩阵的特征向量。

归一化处理可以通过如下公式进行表示：

其中，W_i表示第i个劣化套管检测指标的第一权重。

终端对各个劣化套管检测指标进行熵权处理，得到劣化套管检测指标的第二权重。具体地，终端根据劣化套管检测指标进行归一化处理后得到的归一化检测指标，得到该劣化套管检测指标在所有劣化套管检测指标中的比重，根据该比重，得到该劣化套管检测指标的信息熵。在实际应用中，以上述套管红外图像、套管电容量初值差、套管绝缘电阻、套管介质损耗因数、套管末屏对地绝缘电阻和套管局部放电量这六项劣化套管检测指标为例，第i个劣化套管检测指标的信息熵H_i可以通过如下公式计算得到：

其中，r_i表示第i个劣化套管检测指标归一化处理后的得到的归一化检测指标；u_i表示第i个劣化套管检测指标在六项指标中的比重。

进而终端将套管检测指标的信息熵输入至熵权求值模型中，得到该套管检测指标的第二权重。其中，第二权重表示为劣化套管检测指标赋予的客观权重。

继续以上述套管红外图像、套管电容量初值差、套管绝缘电阻、套管介质损耗因数、套管末屏对地绝缘电阻和套管局部放电量这六项劣化套管检测指标为例，熵权求值模型可以通过如下公式进行表示：

其中，ψ_i表示第i个劣化套管检测指标的第二权重。

终端生成针对劣化套管检测指标对应的故障等级隶属度的二维的关系矩阵；对关系矩阵进行无量纲处理，得到关系矩阵对应的标准关系矩阵。将劣化套管检测指标的第一权重和第二权重，以及劣化套管检测指标对应的故障等级隶属度的标准关系矩阵输入至权重融合模型中，权重融合模型使基于第一权重和第二权重融合得到的目标故障等级隶属度的总偏差越小越好，同时将所有劣化套管检测指标对应的目标权重之和为1作为权重融合模型约束条件；进而权重融合模型输出得到劣化套管检测指标的目标权重。在实际应用中，权重融合模型可以是非线性的模型；继续以上述套管红外图像、套管电容量初值差、套管绝缘电阻、套管介质损耗因数、套管末屏对地绝缘电阻和套管局部放电量这六项劣化套管检测指标为例，权重融合模型可以通过如下公式进行表示：

其中，minF(w)表示目标故障等级隶属度的总偏差的最小值；S_i表示第i个劣化套管检测指标的标准关系矩阵，S_i＝(s_mn)_1×6；w_i表示第i个劣化套管检测指标的目标权重。

终端可以将劣化套管检测指标对应的故障等级隶属度和劣化套管检测指标的目标权重进行相乘，得到劣化套管检测指标对应的目标故障等级隶属度。此外，终端还可以将劣化套管检测指标的目标权重与标准关系矩阵进行融合，来得到劣化套管检测指标对应的目标故障等级隶属度，劣化套管检测指标的目标权重与标准关系矩阵的融合过程可以通过如下公式进行表示：

其中，f_i表示第i个劣化套管检测指标对应的目标故障等级隶属度；

表示取第i个劣化套管检测指标的标准关系矩阵中第一行第n列的元素s_1n。

终端还可以将所有劣化套管检测指标的目标故障等级隶属度进行信息融合处理，得到玻璃钢套管的故障检测结果。

在本实施例中，通过对劣化套管检测指标进行层次分析处理和熵权处理，得到第一权重和第二权重，并将第一权重和第二权重融合得到劣化套管检测指标的目标权重，能够将具有主观属性的第一权重和具有客观属性的第二权重相结合，使得最终融合得到的目标权重更准确；通过将劣化套管检测指标对应的故障等级隶属度和劣化套管检测指标的目标权重进行融合，得到劣化套管检测指标对应的目标故障等级隶属度；对目标故障等级隶属度进行信息融合处理，得到玻璃钢套管的故障检测结果，使得玻璃钢套管的故障检测结果具备多项故障类型、多个劣化套管检测指标的分析结果，从而提高了玻璃钢套管的故障检测结果的全面性和准确性。

在一个实施例中，对目标故障等级隶属度进行信息融合处理，得到玻璃钢套管的故障检测结果，具体包括如下内容：从目标故障等级隶属度中，筛选出属于同一故障类型的目标故障等级隶属度，作为待融合故障等级隶属度；对待融合故障等级隶属度进行隶属度融合处理，得到待融合故障等级隶属度对应的故障类型的检测结果；根据所有故障类型的检测结果，确定玻璃钢套管的故障检测结果。

具体地，终端从目标故障等级隶属度中，筛选出属于同一故障类型的目标故障等级隶属度，作为待融合故障等级隶属度。若属于同一故障类型的待融合故障等级隶属度的数量为一个，则将该待融合故障等级隶属度作为该故障类型对应的检测结果；若属于同一故障类型的待融合故障等级隶属度的数量为多个，则终端获取信度赋值函数，根据信度赋值函数，对多个待融合故障等级隶属度进行隶属度融合处理，得到待融合故障等级隶属度对应的故障类型的检测结果，例如终端可以通过对待融合故障等级隶属度进行DSmt(Dezert-Smarandache Theory)处理来得到待融合故障等级隶属度对应的故障类型的检测结果；对所有故障类型的检测结果再次进行DSmt融合处理，将DSmt融合处理处理后得到的结果确定玻璃钢套管的故障检测结果。

在实际应用中，终端可以基于DSmT信息融合理论，并根据信度赋值函数构建得到的隶属度融合模型，隶属度融合模型可以通过如下公式进行表示：

其中，Q表示故障类型，其中

Θ表示劣化套管检测指标的集合，D^Θ表示对指标集合Θ中的劣化套管检测指标进行并和交运算后得到的幂集；V表示指标集合Θ中的子集；g₁表示为子集V₁中指标对应的待融合故障等级隶属度进行信度赋值的信度赋值函数；g₂表示为子集V₂中指标对应的待融合故障等级隶属度进行信度赋值的信度赋值函数。

隶属度融合模型将g₁中V₁的与g₂中的V₂之间的冲突分配至V₁和V₂相结合的待融合故障等级隶属度上，通过融合指标集合中所有子集的待融合故障等级隶属度，得到故障类型的检测结果。同理，根据隶属度融合模型，对所有故障类型的检测结果进行融合处理，得到最终的融合结果，作为玻璃钢套管的故障检测结果。

在本实施例中，通过从目标故障等级隶属度中，筛选出属于同一故障类型的目标故障等级隶属度，作为待融合故障等级隶属度；对待融合故障等级隶属度进行隶属度融合处理，得到待融合故障等级隶属度对应的故障类型的检测结果，实现了单个故障类型下各劣化套管检测指标的目标故障等级隶属度的融合，从而确定各故障类型的检测结果；根据所有故障类型的检测结果，确定玻璃钢套管的故障检测结果，实现了玻璃钢套管的最终检测结果的确定。采用本方法，不仅能够获取玻璃钢套管整体的故障检测结果，还能获取到玻璃钢套管在单个故障类型方面的检测结果，从而更加全面且有效的检测出玻璃钢套管的故障情况。

在一个实施例中，步骤S102，对套管检测指标进行劣化处理，得到套管检测指标对应的劣化套管检测指标，具体包括如下内容：在套管检测指标大于或者等于套管检测指标的下限值，且套管检测指标小于或者等于套管检测指标的上限值的情况下，将套管检测指标输入至指标劣化模型，得到玻璃钢套管的劣化套管检测指标；指标劣化模型为根据套管检测指标的上限值和套管检测指标的下限值构建得到。

其中，指标劣化模型是指用于对套管检测指标进行劣化处理的模型。实际应用中，指标劣化模型可以根据套管检测指标与套管检测指标的下限值之间的差异，以及套管检测指标的上限值与下限值之间的差异进行相除得到。

终端可以为不同取值范围的套管检测指标，以及不同类型的套管检测指标分别进行不同的劣化处理方式。具体地，终端若检测出套管检测指标为极大型指标，则在该套管检测指标小于套管检测指标的下限值的情况下，可以将套管检测指标对应的劣化套管检测指标设置0；则在该套管检测指标大于套管检测指标的上限值的情况下，可以将套管检测指标对应的劣化套管检测指标设置1；在该套管检测指标大于或者等于套管检测指标的下限值，且套管检测指标小于或者等于套管检测指标的上限值的情况下，将该套管检测指标输入至指标劣化模型，得到该套管检测指标对应的劣化套管检测指标。

实际应用中，套管检测指标为极大型指标时，对套管检测指标的劣化处理可以通过如下公式进行表示：

其中，x_i表示第i个套管检测指标；I_i表示第i个套管检测指标对应的劣化套管检测指标；x_min表示第i个套管检测指标的下限值；x_max表示第i个套管检测指标的上限值。

终端若检测出套管检测指标为极小型指标，则在该套管检测指标小于套管检测指标的下限值的情况下，可以将套管检测指标对应的劣化套管检测指标设置1；则在该套管检测指标大于套管检测指标的上限值的情况下，可以将套管检测指标对应的劣化套管检测指标设置0；在该套管检测指标大于或者等于套管检测指标的下限值，且套管检测指标小于或者等于套管检测指标的上限值的情况下，将该套管检测指标输入至指标劣化模型，得到该套管检测指标对应的劣化套管检测指标。

实际应用中，套管检测指标为极小型指标时，对套管检测指标的劣化处理可以通过如下公式进行表示：

在本实施例中，在套管检测指标大于或者等于套管检测指标的下限值，且套管检测指标小于或者等于套管检测指标的上限值的情况下，通过将套管检测指标输入至指标劣化模型，得到玻璃钢套管的劣化套管检测指标，实现了套管检测指标的相对劣化处理，以便于将劣化套管检测指标作为处理依据，执行后续的玻璃钢套管故障检测步骤，提高了玻璃钢套管故障检测的准确率。

在一个实施例中，如图3所示，提供了另一种玻璃钢套管故障检测方法，以该方法应用于图1中的终端为例进行说明，包括以下步骤：

步骤S301，根据玻璃钢套管的物理结构和套管数据，对玻璃钢套管进行数字孪生建模，得到玻璃钢套管的数字孪生体。

步骤S302，根据数字孪生体，对玻璃钢套管进行故障树分析，得到玻璃钢套管的多个故障类型，以及各个故障类型对应的套管检测指标；采集缺陷检测指标，并根据套管检测指标更新数字孪生体。

步骤S303，获取玻璃钢套管的数字孪生体中的套管检测指标；在套管检测指标大于或者等于套管检测指标的下限值，且套管检测指标小于或者等于套管检测指标的上限值的情况下，将套管检测指标输入至指标劣化模型，得到玻璃钢套管的劣化套管检测指标。

其中，指标劣化模型为根据套管检测指标的上限值和套管检测指标的下限值构建得到。

步骤S304，获取劣化套管检测指标在各个预设故障等级下的期望信息、熵信息和超熵信息；分别根据各个预设故障等级下的熵信息和超熵信息，得到各个预设故障等级下的高斯信息。

步骤S305，分别将各个预设故障等级下的劣化套管检测指标、高斯信息和期望信息，输入隶属度预测模型，得到劣化套管检测指标在各个预设故障等级下的故障等级隶属度。

步骤S306，对劣化套管检测指标进行层次分析处理和熵权处理，得到劣化套管检测指标的目标权重。

步骤S307，将劣化套管检测指标对应的故障等级隶属度和劣化套管检测指标的目标权重进行融合，得到劣化套管检测指标对应的目标故障等级隶属度。

步骤S308，从目标故障等级隶属度中，筛选出属于同一故障类型的目标故障等级隶属度，作为待融合故障等级隶属度；对待融合故障等级隶属度进行隶属度融合处理，得到待融合故障等级隶属度对应的故障类型的检测结果。

步骤S309，根据所有故障类型的检测结果，确定玻璃钢套管的故障检测结果。

上述玻璃钢套管故障检测方法，能够实现以下有益效果：

(1)通过采集缺陷检测指标对应的套管检测指标，并根据套管检测指标更新数字孪生体，是数字孪生体与玻璃钢套管的真实状态实时同步，使得玻璃钢套管的故障检测结果更加准确。

(2)实现了套管检测指标的相对劣化和玻璃钢套管的故障等级隶属度的合理获取，与现有技术中仅根据指标是否超过阈值来评估玻璃钢套管的故障情况不同，本实施例中通过分别获取劣化套管检测指标的故障等级隶属度，有助于更全面的分析出玻璃钢套管的故障情况，提高了玻璃钢套管故障检测的全面性和准确率。

(3)对目标故障等级隶属度进行信息融合处理，得到玻璃钢套管的故障检测结果，使得玻璃钢套管的故障检测结果具备多项故障类型、多个劣化套管检测指标的分析结果，从而提高了玻璃钢套管的故障检测结果的全面性和准确性。

为了更清晰阐明本公开实施例提供的玻璃钢套管故障检测方法，以下以一个具体的实施例对上述玻璃钢套管故障检测方法进行具体说明。提供了又一种玻璃钢套管故障检测方法，如图4所示，具体包括如下内容：

步骤S401，搭建玻璃钢套管的数字孪生体，获取玻璃钢套管的基本指标信息。

步骤S402，指标参量劣化，计算故障等级隶属度：对指标信息进行劣化处理，将各个指标信息输入至基于高斯正态等级云构建的隶属度预测模型，得到各指标信息的故障等级隶属度。

步骤S403，基于层次分析法和熵权法确定综合权重：结合层次分析法和熵权法对指标信息进行综合赋权，得到各缺陷因素下对应指标信息的目标权重。

步骤S404，基于DSmT的指标的故障等级隶属度融合：运用DSmT模型融合各指标信息的故障等级隶属度，得到玻璃钢套管在各故障类型下的故障等级隶属度，从而判别玻璃钢套管的故障检测结果，例如，故障检测结果可以是玻璃钢套管绝缘劣化，还可以是玻璃钢套管放电，也可以是玻璃钢套管过热，更可以是正常。

在本实施例中，通过数字孪生体对玻璃钢套管进行精细化数学建模，能够实时监测得到玻璃钢套管的套管检测指标，并利用套管检测指标分析得到玻璃钢套管的故障情况，而无需人工去现场对玻璃钢套管进行故障确认，从而提高了玻璃钢套管的故障检测效率。

应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的玻璃钢套管故障检测方法的玻璃钢套管故障检测装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个玻璃钢套管故障检测装置实施例中的具体限定可以参见上文中对于玻璃钢套管故障检测方法的限定，在此不再赘述。

在一个实施例中，如图5所示，提供了一种玻璃钢套管故障检测装置500，包括：指标获取模块501、劣化处理模块502、隶属度预测模块503和信息融合模块504，其中：

指标获取模块501，用于获取玻璃钢套管的数字孪生体中的套管检测指标。

劣化处理模块502，用于对套管检测指标进行劣化处理，得到套管检测指标对应的劣化套管检测指标。

隶属度预测模块503，用于将劣化套管检测指标输入隶属度预测模型，得到劣化套管检测指标对应的故障等级隶属度。

信息融合模块504，用于对故障等级隶属度进行信息融合处理，得到玻璃钢套管的故障检测结果，并将故障检测结果展示在数字孪生体上。

在一个实施例中，隶属度预测模块503，还用于获取所述劣化套管检测指标在各个预设故障等级下的期望信息、熵信息和超熵信息；分别根据所述各个预设故障等级下的熵信息和超熵信息，得到所述各个预设故障等级下的高斯信息；分别将所述各个预设故障等级下的所述劣化套管检测指标、所述高斯信息和所述期望信息，输入隶属度预测模型，得到所述劣化套管检测指标在所述各个预设故障等级下的故障等级隶属度。

在一个实施例中，玻璃钢套管故障检测装置500还包括孪生体构建模块，用于根据所述玻璃钢套管的物理结构和套管数据，对所述玻璃钢套管进行数字孪生建模，得到所述玻璃钢套管的数字孪生体；根据所述数字孪生体，对所述玻璃钢套管进行故障树分析，得到所述玻璃钢套管的多个故障类型，以及各个所述故障类型对应的套管检测指标；采集所述缺陷检测指标，并根据所述套管检测指标更新所述数字孪生体。

在一个实施例中，信息融合模块504，还用于对所述劣化套管检测指标进行层次分析处理和熵权处理，得到所述劣化套管检测指标的目标权重；将所述劣化套管检测指标对应的故障等级隶属度和所述劣化套管检测指标的目标权重进行融合，得到所述劣化套管检测指标对应的目标故障等级隶属度；对所述目标故障等级隶属度进行信息融合处理，得到所述玻璃钢套管的故障检测结果。

在一个实施例中，玻璃钢套管故障检测装置500还包括融合处理模块，用于从所述目标故障等级隶属度中，筛选出属于同一故障类型的目标故障等级隶属度，作为待融合故障等级隶属度；对所述待融合故障等级隶属度进行隶属度融合处理，得到所述待融合故障等级隶属度对应的故障类型的检测结果；根据所有故障类型的检测结果，确定所述玻璃钢套管的故障检测结果。

在一个实施例中，劣化处理模块502，还用于在所述套管检测指标大于或者等于所述套管检测指标的下限值，且所述套管检测指标小于或者等于所述套管检测指标的上限值的情况下，将所述套管检测指标输入至指标劣化模型，得到所述玻璃钢套管的劣化套管检测指标；所述指标劣化模型为根据所述套管检测指标的上限值和所述套管检测指标的下限值构建得到。

上述玻璃钢套管故障检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图6所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口、显示单元和输入装置通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种玻璃钢套管故障检测方法。该计算机设备的显示单元用于形成视觉可见的画面，可以是显示屏、投影装置或虚拟现实成像装置。显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。

在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。

需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。

Claims (10)

1.一种玻璃钢套管故障检测方法，其特征在于，所述方法包括：

获取玻璃钢套管的数字孪生体中的套管检测指标；

对所述套管检测指标进行劣化处理，得到所述套管检测指标对应的劣化套管检测指标；

将所述劣化套管检测指标输入隶属度预测模型，得到所述劣化套管检测指标对应的故障等级隶属度；

对所述故障等级隶属度进行信息融合处理，得到所述玻璃钢套管的故障检测结果，并将所述故障检测结果展示在所述数字孪生体上。

2.根据权利要求1所述的方法，其特征在于，所述将所述劣化套管检测指标输入隶属度预测模型，得到所述劣化套管检测指标对应的故障等级隶属度，包括：

获取所述劣化套管检测指标在各个预设故障等级下的期望信息、熵信息和超熵信息；

分别根据所述各个预设故障等级下的熵信息和超熵信息，得到所述各个预设故障等级下的高斯信息；

分别将所述各个预设故障等级下的所述劣化套管检测指标、所述高斯信息和所述期望信息，输入隶属度预测模型，得到所述劣化套管检测指标在所述各个预设故障等级下的故障等级隶属度。

3.根据权利要求1所述的方法，其特征在于，在获取玻璃钢套管的数字孪生体中的套管检测指标之前，还包括：

根据所述玻璃钢套管的物理结构和套管数据，对所述玻璃钢套管进行数字孪生建模，得到所述玻璃钢套管的数字孪生体；

根据所述数字孪生体，对所述玻璃钢套管进行故障树分析，得到所述玻璃钢套管的多个故障类型，以及各个所述故障类型对应的套管检测指标；

采集所述缺陷检测指标，并根据所述套管检测指标更新所述数字孪生体。

4.根据权利要求1所述的方法，其特征在于，所述对所述故障等级隶属度进行信息融合处理，得到所述玻璃钢套管的故障检测结果，包括：

对所述劣化套管检测指标进行层次分析处理和熵权处理，得到所述劣化套管检测指标的目标权重；

将所述劣化套管检测指标对应的故障等级隶属度和所述劣化套管检测指标的目标权重进行融合，得到所述劣化套管检测指标对应的目标故障等级隶属度；

对所述目标故障等级隶属度进行信息融合处理，得到所述玻璃钢套管的故障检测结果。

5.根据权利要求4所述的方法，其特征在于，所述对所述目标故障等级隶属度进行信息融合处理，得到所述玻璃钢套管的故障检测结果，包括：

从所述目标故障等级隶属度中，筛选出属于同一故障类型的目标故障等级隶属度，作为待融合故障等级隶属度；

对所述待融合故障等级隶属度进行隶属度融合处理，得到所述待融合故障等级隶属度对应的故障类型的检测结果；

根据所有故障类型的检测结果，确定所述玻璃钢套管的故障检测结果。

6.根据权利要求1所述的方法，其特征在于，所述对所述套管检测指标进行劣化处理，得到所述玻璃钢套管的劣化套管检测指标，包括：

在所述套管检测指标大于或者等于所述套管检测指标的下限值，且所述套管检测指标小于或者等于所述套管检测指标的上限值的情况下，将所述套管检测指标输入至指标劣化模型，得到所述玻璃钢套管的劣化套管检测指标；所述指标劣化模型为根据所述套管检测指标的上限值和所述套管检测指标的下限值构建得到。

7.一种玻璃钢套管故障检测装置，其特征在于，所述装置包括：

指标获取模块，用于获取玻璃钢套管的数字孪生体中的套管检测指标；

劣化处理模块，用于对所述套管检测指标进行劣化处理，得到所述套管检测指标对应的劣化套管检测指标；

隶属度预测模块，用于将所述劣化套管检测指标输入隶属度预测模型，得到所述劣化套管检测指标对应的故障等级隶属度；

信息融合模块，用于对所述故障等级隶属度进行信息融合处理，得到所述玻璃钢套管的故障检测结果，并将所述故障检测结果展示在所述数字孪生体上。

8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。

10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。

Images