CN116773645B - 一种合金管道渗碳损伤程度确定方法、系统及电子设备 - Google Patents
一种合金管道渗碳损伤程度确定方法、系统及电子设备 Download PDFInfo
- Publication number
- CN116773645B CN116773645B CN202311068330.XA CN202311068330A CN116773645B CN 116773645 B CN116773645 B CN 116773645B CN 202311068330 A CN202311068330 A CN 202311068330A CN 116773645 B CN116773645 B CN 116773645B
- Authority
- CN
- China
- Prior art keywords
- alloy pipeline
- damage degree
- determining
- carburization
- microstructure
- 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
Links
- 229910045601 alloy Inorganic materials 0.000 title claims abstract description 145
- 239000000956 alloy Substances 0.000 title claims abstract description 145
- 230000006378 damage Effects 0.000 title claims abstract description 71
- 238000000034 method Methods 0.000 title claims abstract description 34
- VYZAMTAEIAYCRO-UHFFFAOYSA-N Chromium Chemical compound [Cr] VYZAMTAEIAYCRO-UHFFFAOYSA-N 0.000 claims abstract description 13
- 229910052804 chromium Inorganic materials 0.000 claims abstract description 13
- 239000011651 chromium Substances 0.000 claims abstract description 13
- 238000010801 machine learning Methods 0.000 claims abstract description 12
- 229910001567 cementite Inorganic materials 0.000 claims abstract description 11
- KSOKAHYVTMZFBJ-UHFFFAOYSA-N iron;methane Chemical group C.[Fe].[Fe].[Fe] KSOKAHYVTMZFBJ-UHFFFAOYSA-N 0.000 claims abstract description 11
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 9
- 230000005330 Barkhausen effect Effects 0.000 claims abstract description 8
- 238000010219 correlation analysis Methods 0.000 claims description 17
- 238000010587 phase diagram Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 8
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 claims description 6
- 239000010931 gold Substances 0.000 claims description 6
- 229910052737 gold Inorganic materials 0.000 claims description 6
- 238000010586 diagram Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 238000011156 evaluation Methods 0.000 abstract description 5
- 239000010410 layer Substances 0.000 description 76
- 150000001247 metal acetylides Chemical class 0.000 description 11
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 8
- 239000011159 matrix material Substances 0.000 description 8
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 5
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 5
- 229910052799 carbon Inorganic materials 0.000 description 5
- 238000007254 oxidation reaction Methods 0.000 description 5
- 229910052760 oxygen Inorganic materials 0.000 description 5
- 239000001301 oxygen Substances 0.000 description 5
- WGLPBDUCMAPZCE-UHFFFAOYSA-N Trioxochromium Chemical compound O=[Cr](=O)=O WGLPBDUCMAPZCE-UHFFFAOYSA-N 0.000 description 4
- 208000027418 Wounds and injury Diseases 0.000 description 4
- 238000004939 coking Methods 0.000 description 4
- 208000014674 injury Diseases 0.000 description 4
- 239000000377 silicon dioxide Substances 0.000 description 4
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 3
- PXHVJJICTQNCMI-UHFFFAOYSA-N Nickel Chemical compound [Ni] PXHVJJICTQNCMI-UHFFFAOYSA-N 0.000 description 3
- 229910000423 chromium oxide Inorganic materials 0.000 description 3
- 238000005336 cracking Methods 0.000 description 3
- 230000003647 oxidation Effects 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- VGGSQFUCUMXWEO-UHFFFAOYSA-N Ethene Chemical compound C=C VGGSQFUCUMXWEO-UHFFFAOYSA-N 0.000 description 2
- 239000005977 Ethylene Substances 0.000 description 2
- 125000004432 carbon atom Chemical group C* 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 229910052742 iron Inorganic materials 0.000 description 2
- 229910052759 nickel Inorganic materials 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 1
- 231100000809 Damage Assessment Model Toxicity 0.000 description 1
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 1
- 241000288113 Gallirallus australis Species 0.000 description 1
- 229910002651 NO3 Inorganic materials 0.000 description 1
- NHNBFGGVMKEFGY-UHFFFAOYSA-N Nitrate Chemical compound [O-][N+]([O-])=O NHNBFGGVMKEFGY-UHFFFAOYSA-N 0.000 description 1
- 150000001335 aliphatic alkanes Chemical class 0.000 description 1
- 229910001566 austenite Inorganic materials 0.000 description 1
- 238000005255 carburizing Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 229940117975 chromium trioxide Drugs 0.000 description 1
- GAMDZJFZMJECOS-UHFFFAOYSA-N chromium(6+);oxygen(2-) Chemical compound [O-2].[O-2].[O-2].[Cr+6] GAMDZJFZMJECOS-UHFFFAOYSA-N 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 210000001787 dendrite Anatomy 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 239000003546 flue gas Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000000197 pyrolysis Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 235000012239 silicon dioxide Nutrition 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000002344 surface layer Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 239000002918 waste heat Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/72—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables
- G01N27/82—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables for investigating the presence of flaws
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- Investigating Or Analyzing Materials By The Use Of Magnetic Means (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Electrochemistry (AREA)
- Immunology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biochemistry (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Pathology (AREA)
- Chemical Kinetics & Catalysis (AREA)
Abstract
本发明公开了一种合金管道渗碳损伤程度确定方法、系统及电子设备，涉及合金管道渗碳损伤程度评估技术领域，方法包括：获取目标合金管道的磁参数；所述磁参数为磁巴克豪森噪声信号最大振幅的一比例处所对应的峰宽参数；所述目标合金管道为待检测的合金管道；将所述目标合金管道的磁参数输入至渗碳损伤程度模型中，得到所述目标合金管道的显微组织特征和渗碳层厚度；根据所述目标合金管道的显微组织特征和渗碳层厚度，确定所述目标合金管道的渗碳损伤程度；其中，所述渗碳损伤程度模型是采用机器学习算法确定的；所述显微组织特征包括二次渗碳物体积分数及贫铬层氧化物体积分数。本发明能够高效可靠的判断合金管道的渗碳损伤程度。
Description
技术领域
本发明涉及合金管道渗碳损伤程度评估技术领域，特别是涉及一种合金管道渗碳损伤程度确定方法、系统及电子设备。
背景技术
乙烯裂解炉作为石油化工工业中的重要设备，主要由对流段、辐射段以及余热回收系统构成。乙烯裂解炉的炉管通常指辐射段炉管，主要由高温合金铁、铬、镍制成，受限于恶劣服役环境，如管身自重、内压、高温及渗碳蠕变等，使炉管的实际使用寿命远低于设计使用寿命。其中，炉管的失效形式有弯管失效、穿孔失效和开裂失效，而渗碳、蠕变及管内结焦都是炉管失效的诱发因素。炉管失效会引起重大安全责任事故，因此对炉管的检测与评价是当前石油化工工业中亟待解决的问题。
目前炉管的渗碳损伤的评估方法仍以测量渗碳层厚度为主，缺乏基于显微结构的定量方法研究，无法全面、准确地表征管材的失效损伤情况。
发明内容
本发明的目的是提供一种合金管道渗碳损伤程度确定方法、系统及电子设备，能够高效可靠的判断合金管道的渗碳损伤程度。
为实现上述目的，本发明提供了如下方案：
第一方面，本发明提供了一种合金管道渗碳损伤程度确定方法，包括：
获取目标合金管道的磁参数；所述目标合金管道为待检测的合金管道；所述磁参数为磁巴克豪森噪声信号最大振幅的一比例处所对应的峰宽参数；
将所述目标合金管道的磁参数输入至渗碳损伤程度模型中，得到所述目标合金管道的显微组织特征和渗碳层厚度；
根据所述目标合金管道的显微组织特征和渗碳层厚度，确定所述目标合金管道的渗碳损伤程度；
其中，所述渗碳损伤程度模型是采用机器学习算法确定的；所述显微组织特征包括二次渗碳物体积分数及贫铬层氧化物体积分数。
第二方面，本发明提供了一种合金管道渗碳损伤程度确定系统，包括：
磁参数获取模块，用于获取目标合金管道的磁参数；所述目标合金管道为待检测的合金管道；所述磁参数为磁巴克豪森噪声信号最大振幅的一比例处所对应的峰宽参数；
显微组织特征和渗碳层厚度确定模块，用于将所述目标合金管道的磁参数输入至渗碳损伤程度模型中，得到所述目标合金管道的显微组织特征和渗碳层厚度；
渗碳损伤程度确定模块，用于根据所述目标合金管道的显微组织特征和渗碳层厚度，确定所述目标合金管道的渗碳损伤程度；
其中，所述渗碳损伤程度模型是采用机器学习算法确定的；所述显微组织特征包括二次渗碳物体积分数及贫铬层氧化物体积分数。
第三方面，本发明提供了一种电子设备，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行根据第一方面所述的一种合金管道渗碳损伤程度确定方法。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明通过金相组织中的显微组织特征来和渗碳层厚度共同表征合金管道的渗碳损伤程度，大大提高了合金管道渗碳损伤程度评估的可靠性。在实际使用过程中，通过合金管道的磁参数和机器学习算法预测合金管道的显微组织特征和渗碳层厚度，解决金相识别耗时长破坏管道等问题，且对一类合金管道进行检测时，只需对一批具有渗碳损伤的合金管道进行金相识别和磁参数拟合，就可在后续中通过磁参数对该类合金管道进行渗碳损伤的评定，提高评定效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的合金管道渗碳损伤程度确定方法的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例一
如图1所示，本实施例提供了一种合金管道渗碳损伤程度确定方法，包括：
步骤100：获取目标合金管道的磁参数；所述目标合金管道为待检测的合金管道；所述磁参数为磁巴克豪森噪声信号最大振幅的一比例处所对应的峰宽参数(曲线宽度)。
步骤200：将所述目标合金管道的磁参数输入至渗碳损伤程度模型中，得到所述目标合金管道的显微组织特征和渗碳层厚度。
步骤300：根据所述目标合金管道的显微组织特征和渗碳层厚度，确定所述目标合金管道的渗碳损伤程度。
其中，所述渗碳损伤程度模型是采用机器学习算法确定的；所述显微组织特征包括二次渗碳物体积分数及贫铬层氧化物体积分数。
进一步地，所述渗碳损伤程度模型的构建过程为：
首先构建样本数据集；所述样本数据集包括多个样本数据；所述样本数据包括输入数据以及对应的标签数据；所述输入数据为样本合金管道的磁参数；所述标签数据为样本合金管道的显微组织特征和渗碳层厚度；其次利用支持向量回归机器学习方法和所述样本数据集，构建渗碳损伤程度模型。
其中，样本数据集的构建过程为：首先获取多个样本合金管道的磁参数以及每个所述样本合金管道的截面金相图和渗碳层厚度；其次根据所述截面金相图，确定每个所述样本合金管道的显微组织特征。
更进一步地，根据所述截面金相图，确定每个所述样本合金管道的显微组织特征，具体包括：
步骤A：根据所述截面金相图，确定每个所述样本合金管道对应的多个显微组织特征参量。
步骤B：将标记样本合金管道对应的多个显微组织特征参量分别与所述标记样本合金管道对应的渗碳层厚度进行相关性分析，并根据相关性分析结果筛选确定出每个所述样本合金管道最终的显微组织特征；其中，所述标记样本合金管道为任一所述样本合金管道。
具体地，步骤A包括：将所述截面金相图进行灰度转换，得到截面金相灰度图，并根据所述截面金相灰度图，确定每个所述样本合金管道对应的贫铬层体积分数、氧化层体积分数、贫铬层氧化物体积分数、一次渗碳物体积分数、二次渗碳物体积分数以及网状碳化物体积分数。
具体地，步骤B包括：
步骤B1：计算所述标记样本合金管道对应的每个显微组织特征参量的离散系数，计算所述标记样本合金管道对应的每个显微组织特征参量与渗碳层厚度的皮尔逊相关系数。
步骤B2：根据所述标记样本合金管道对应的每个显微组织特征参量的离散系数和皮尔逊相关系数，确定所述标记样本合金管道对应的每个显微组织特征参量与渗碳层厚度的相关性分析结果。
步骤B3：将所述相关性分析结果由大到小进行排序，并将排序后的第一相关性分析结果对应的显微组织特征参量和排序后的第二相关性分析结果对应的显微组织特征参量确定为所述标记样本合金管道最终的显微组织特征，进而得到每个所述样本合金管道最终的显微组织特征。
实施例二
本实施例是实施例一的具体示例。
合金管道有外到内依次包括外壁氧化层、外壁贫铬层、非渗碳层、渗碳层、内壁贫铬层和内壁氧化层；合金管道在服役过程中，其外壁表面在高温氧化烟气环境中发生氧化反应，其内壁表面受高温水蒸气的影响，也发生氧化反应，具体为合金管道的基体内含有大量Ni、Cr、Fe元素，与氧元素结合构成外壁氧化层和内壁氧化层，而内壁氧化层呈现较大差异，出现不同程度损坏且分布不均匀，推测是由于内壁表面定期清理结焦不完善导致的。当氧化层的破损处出现时，氧化物进入基体内部的外壁贫铬层和内壁贫铬层，甚至渗碳层。由于氧化物进入基体内，使贫铬层（其包括外壁贫铬层和内壁贫铬层）界限模糊不清晰。
渗碳层占据管道内部大部分体积，能提供较多的研究信息。碳化物是渗碳层最明显的特征，依照产生的阶段不同，可分为一次碳化物和二次碳化物。奥氏体高温冷却时，发生共析转变前析出的碳化物，称为二次碳化物。从渗碳层到非渗碳层，一次碳化物数量逐渐减少，碳化物粗化，整体结构由链状、网状结构转变为无序状态，且越靠近内壁网状结构越清晰。二次碳化物以弥散状分布于一次碳化物周围。渗碳层的二次碳化物数量、体积，大于非渗碳层。与渗碳层不同，非渗碳区以片层状碳化物为主。经过服役过程，管道内部枝晶将碳化物发生合并、粗化，碳元素进入管内，基体内碳元素含量增加，碳化物由M23C6转变为能承载更多碳元素的M7C3型碳化物。
观察合金管道从内表面至外表面的变化，拍摄记录一组连续的显微组织金相结果。外壁氧化层和内壁氧化层主要由金属氧化物（二氧化硅、氧化铬、三氧化二铬）构成，在高温环境下固体三氧化二铬与氧气反应生成气态的三氧化铬，同时由于管内定期清理结焦，内壁氧化层不断脱落减薄。管内活性的碳原子从内壁损坏处进入管道基体，大量碳原子聚集在内壁外表面处，与合金基体内部形成碳势差，由内壁向外壁逐步蔓延，称为渗碳。内壁贫铬层为内壁氧化膜与内壁渗碳层之间的过渡层。作为亚表面层的贫铬层几乎不含有碳化物，也称贫碳化物层，但是该层存在二氧化硅等黑色氧化物，且二氧化硅在内壁贫铬层内不均匀且不周向分布，且当内壁损坏时，二氧化硅从破损处沿晶界竖直生长。
内壁的氧元素主要由裂解原料中的水蒸气与氧气提供，外壁结构直接暴露于空气中，氧元素充分。因此，外壁贫铬层及非渗碳层的氧化物明显多于内壁。但内壁接触原料中含有大量烷烃，游离碳元素更容易进入管内基体，导致相较于外壁，内壁的碳化物数量更多、尺寸更大。
综上所述，服役后的合金管道内部各显微组织存在较大差异，研究合金管道的显微组织能为渗碳损伤评定体系提供完善信息。本实施例利用不同渗碳损伤的合金管道的金相图获取显微组织特征，从而建立合金管道渗碳损伤程度判断标准，并且通过渗碳损伤程度判断标准对未知损伤程度的合金管道进行检测与评定。
本实施例提供的合金管道渗碳损伤程度确定方法，包括如下模块。
模块一：金相识别，具体如下：
步骤一：获取不同渗碳层厚度的合金管道的截面金相图。
步骤二：利用图像识别软件识别出截面金相图中的显微组织特征并将其量化，然后将其与对应渗碳层厚度进行相关性分析筛选，得到该渗碳层厚度对应的高匹配度的特征参量。
模块二：测定磁参数，具体如下：
测定不同渗碳层厚度的合金管道的磁参数为磁巴克豪森噪声信号最大振幅的一比例处所对应的峰宽参数(曲线宽度)，该比例可以为75%，即MBNh75磁参数。
模块三：构建合金管道渗碳损伤评定模型，具体如下：
利用支持向量回归机器学习方法将模块二中测定的MBNh75磁参数与高匹配度的特征参量进行拟合，建立合金管道渗碳损伤的评定模型，也可采用其他机器学习方法构建评定模型。
模块四：获取被检试样的MBNh75磁参数，由模块三中的评定模型评定，确定对应的渗碳损伤程度。
在本实施例中，步骤一具体包括：
将多段25Cr35NiNb合金管道进行表面氧化物去除、结焦层切割后，用硝酸酒精溶液侵蚀，得到多段预处理后的25Cr35NiNb合金管道。然后通过100倍显微镜获取每段预处理后的25Cr35NiNb合金管道对应的界面金相图。
在本实施例中，步骤一具体包括：
通过红、绿、蓝三通道表示显微组织金相结果。在计算机处理过程中，为提高处理速度及准确率，一般将RGB转换为灰度值像素点后再计算，具体为：在量化碳化物等显微结构时，先获取目标组织结构的RGB值，再使用Gamma校正算法对目标组织结构的RGB值进行校正，接着，使用Matlab软件将校正后的RGB值转换为对应的灰度值；最后将上述转换后的灰度图输入到imagej软件中进行特征参量识别。
在imajej软件中利用随机森林树识别特征参量，具体方法如下：
1.将在灰度图中某一局部找到的网状碳化物输入标记为特征1、二次碳化物输入标记为特征2，以此类推标记贫铬层内氧化物等特征参量。2.将上述标记的参量输入imagej软件自带的weka程序中进行训练得到训练模型。3.将训练模型应用到全灰度图中，即可得到该灰度图中所有的显微组织特征参量，具体为：贫铬层体积分数、氧化层体积分数、贫铬层氧化物体积分数、一次渗碳物数量、一次渗碳物体积分数、二次渗碳物数量、二次渗碳物体积分数以及网状碳化物体积分数。4.计算每个显微组织特征参量的离散系数，发现二次渗碳物体积分数、贫铬层氧化物体积分数、贫铬层体积分数、氧化层体积分数的离散程度较高，在表征损伤程度上更加明显。5.计算每个显微组织特征参量与渗碳层厚度的皮尔逊相关系数。6.根据每个显微组织特征参量的离散系数和皮尔逊相关系数，确定每个显微组织特征参量与渗碳层厚度的相关性分析结果，并根据相关性分析结果，发现二次渗碳物体积分数和贫铬层氧化物体积分数与渗碳层厚度的相关性分别为0.96和0.94，相关性强，可用这两个二次渗碳物体积分数和贫铬层氧化物体积分数对渗碳损伤进行表征。
实施例三
为了执行上述实施例一对应的方法，以实现相应的功能和技术效果，下面提供一种合金管道渗碳损伤程度确定系统。
本实施例提供的一种合金管道渗碳损伤程度确定系统，包括：
磁参数获取模块，用于获取目标合金管道的磁参数；所述目标合金管道为待检测的合金管道；所述磁参数为磁巴克豪森噪声信号最大振幅的一比例处所对应的峰宽参数。
显微组织特征和渗碳层厚度确定模块，用于将所述目标合金管道的磁参数输入至渗碳损伤程度模型中，得到所述目标合金管道的显微组织特征和渗碳层厚度。
渗碳损伤程度确定模块，用于根据所述目标合金管道的显微组织特征和渗碳层厚度，确定所述目标合金管道的渗碳损伤程度。
其中，所述渗碳损伤程度模型是采用机器学习算法确定的；所述显微组织特征包括二次渗碳物体积分数及贫铬层氧化物体积分数。
实施例四
本发明实施例提供一种电子设备包括存储器及处理器，该存储器用于存储计算机程序，该处理器运行计算机程序以使电子设备执行实施例一的合金管道渗碳损伤程度确定方法。
可选地，上述电子设备可以是服务器。
另外，本发明实施例还提供一种计算机可读存储介质，其存储有计算机程序，该计算机程序被处理器执行时实现实施例一的合金管道渗碳损伤程度确定方法。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。
Claims (7)
1.一种合金管道渗碳损伤程度确定方法，其特征在于，包括：
获取目标合金管道的磁参数；所述目标合金管道为待检测的合金管道；所述磁参数为磁巴克豪森噪声信号最大振幅的一比例处所对应的峰宽参数；
将所述目标合金管道的磁参数输入至渗碳损伤程度模型中，得到所述目标合金管道的显微组织特征和渗碳层厚度；
根据所述目标合金管道的显微组织特征和渗碳层厚度，确定所述目标合金管道的渗碳损伤程度；
其中，所述渗碳损伤程度模型是采用机器学习算法确定的；所述显微组织特征包括二次渗碳物体积分数及贫铬层氧化物体积分数；
所述渗碳损伤程度模型的构建过程为：
构建样本数据集；所述样本数据集包括多个样本数据；所述样本数据包括输入数据以及对应的标签数据；所述输入数据为样本合金管道的磁参数；所述标签数据为样本合金管道的显微组织特征和渗碳层厚度；
利用支持向量回归机器学习方法和所述样本数据集，构建渗碳损伤程度模型。
2.根据权利要求1所述的一种合金管道渗碳损伤程度确定方法，其特征在于，构建样本数据集，具体包括：
获取多个样本合金管道的磁参数以及每个所述样本合金管道的截面金相图和渗碳层厚度；
根据所述截面金相图，确定每个所述样本合金管道的显微组织特征。
3.根据权利要求2所述的一种合金管道渗碳损伤程度确定方法，其特征在于，根据所述截面金相图，确定每个所述样本合金管道的显微组织特征，具体包括：
根据所述截面金相图，确定每个所述样本合金管道对应的多个显微组织特征参量；
将标记样本合金管道对应的多个显微组织特征参量分别与所述标记样本合金管道对应的渗碳层厚度进行相关性分析，并根据相关性分析结果筛选确定出每个所述样本合金管道最终的显微组织特征；
其中，所述标记样本合金管道为任一所述样本合金管道。
4.根据权利要求3所述的一种合金管道渗碳损伤程度确定方法，其特征在于，根据所述截面金相图，确定每个所述样本合金管道对应的多个显微组织特征参量，具体包括：
将所述截面金相图进行灰度转换，得到截面金相灰度图；
根据所述截面金相灰度图，确定每个所述样本合金管道对应的贫铬层体积分数、氧化层体积分数、贫铬层氧化物体积分数、一次渗碳物体积分数、二次渗碳物体积分数以及网状碳化物体积分数。
5.根据权利要求4所述的一种合金管道渗碳损伤程度确定方法，其特征在于，将标记样本合金管道对应的多个显微组织特征参量分别与所述标记样本合金管道对应的渗碳层厚度进行相关性分析，并根据相关性分析结果筛选确定出每个所述样本合金管道最终的显微组织特征，具体包括：
计算所述标记样本合金管道对应的每个显微组织特征参量的离散系数，计算所述标记样本合金管道对应的每个显微组织特征参量与渗碳层厚度的皮尔逊相关系数；
根据所述标记样本合金管道对应的每个显微组织特征参量的离散系数和皮尔逊相关系数，确定所述标记样本合金管道对应的每个显微组织特征参量与渗碳层厚度的相关性分析结果；
将所述相关性分析结果由大到小进行排序，并将排序后的第一相关性分析结果对应的显微组织特征参量和排序后的第二相关性分析结果对应的显微组织特征参量确定为所述标记样本合金管道最终的显微组织特征，进而得到每个所述样本合金管道最终的显微组织特征。
6.一种合金管道渗碳损伤程度确定系统，其特征在于，包括：
磁参数获取模块，用于获取目标合金管道的磁参数；所述目标合金管道为待检测的合金管道；所述磁参数为磁巴克豪森噪声信号最大振幅的一比例处所对应的峰宽参数；
显微组织特征和渗碳层厚度确定模块，用于将所述目标合金管道的磁参数输入至渗碳损伤程度模型中，得到所述目标合金管道的显微组织特征和渗碳层厚度；
渗碳损伤程度确定模块，用于根据所述目标合金管道的显微组织特征和渗碳层厚度，确定所述目标合金管道的渗碳损伤程度；
其中，所述渗碳损伤程度模型是采用机器学习算法确定的；所述显微组织特征包括二次渗碳物体积分数及贫铬层氧化物体积分数。
7.一种电子设备，其特征在于，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行根据权利要求1至5中任一项所述的一种合金管道渗碳损伤程度确定方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311068330.XA CN116773645B (zh) | 2023-08-24 | 2023-08-24 | 一种合金管道渗碳损伤程度确定方法、系统及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311068330.XA CN116773645B (zh) | 2023-08-24 | 2023-08-24 | 一种合金管道渗碳损伤程度确定方法、系统及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116773645A CN116773645A (zh) | 2023-09-19 |
| CN116773645B true CN116773645B (zh) | 2023-11-10 |
Family
ID=87986355
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311068330.XA Active CN116773645B (zh) | 2023-08-24 | 2023-08-24 | 一种合金管道渗碳损伤程度确定方法、系统及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116773645B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH03218456A (ja) * | 1989-02-28 | 1991-09-26 | Sumitomo Chem Co Ltd | 浸炭厚さの測定方法および測定用プローブ |
| EP0683393A1 (de) * | 1994-05-20 | 1995-11-22 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Verfahren zur zerstörungsfreien Werkstoffprüfung |
| GB201117025D0 (en) * | 2011-10-04 | 2011-11-16 | Morozov Maxim | Method and apparatus for non-destructive evaluation of thickness of surface hardened layers of steels |
| JP2012037315A (ja) * | 2010-08-05 | 2012-02-23 | Sumitomo Kinzoku Technol Kk | Ｃｒを含有するフェライト系鋼管の炭素総量測定機及び浸炭深さ評価装置 |
| CN104596472A (zh) * | 2015-01-04 | 2015-05-06 | 合肥通用机械研究院 | 一种乙烯裂解炉管磁记忆检测及安全评估方法 |
| CN109856039A (zh) * | 2019-04-08 | 2019-06-07 | 大连理工大学 | 基于l-m参数法的内螺槽型乙烯裂解炉管剩余寿命评估方法 |
| CN110701990A (zh) * | 2019-10-19 | 2020-01-17 | 北京工业大学 | 基于磁场扰动与磁力双检测环的炉管渗碳层厚度评价方法与系统 |
| WO2022253467A1 (en) * | 2021-06-01 | 2022-12-08 | Linde Gmbh | A method of determining a carburisation model of a coil of a steam crackung furnace |
| CN115829422A (zh) * | 2023-02-21 | 2023-03-21 | 创银科技(南通)有限公司 | 基于大数据的工业设备运行异常状态识别方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| SE0501978L (sv) * | 2005-09-05 | 2007-03-06 | Scania Cv Ab | Förfarande för hantering av en komponent anpassad för användning i ett fordon eller en motor |
| DE102012205677A1 (de) * | 2012-04-05 | 2013-10-10 | Zf Friedrichshafen Ag | Verfahren zur Prüfung eines Bauteils basierend auf Barkhausenrauschen |
-
2023
- 2023-08-24 CN CN202311068330.XA patent/CN116773645B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH03218456A (ja) * | 1989-02-28 | 1991-09-26 | Sumitomo Chem Co Ltd | 浸炭厚さの測定方法および測定用プローブ |
| EP0683393A1 (de) * | 1994-05-20 | 1995-11-22 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Verfahren zur zerstörungsfreien Werkstoffprüfung |
| JP2012037315A (ja) * | 2010-08-05 | 2012-02-23 | Sumitomo Kinzoku Technol Kk | Ｃｒを含有するフェライト系鋼管の炭素総量測定機及び浸炭深さ評価装置 |
| GB201117025D0 (en) * | 2011-10-04 | 2011-11-16 | Morozov Maxim | Method and apparatus for non-destructive evaluation of thickness of surface hardened layers of steels |
| CN104596472A (zh) * | 2015-01-04 | 2015-05-06 | 合肥通用机械研究院 | 一种乙烯裂解炉管磁记忆检测及安全评估方法 |
| CN109856039A (zh) * | 2019-04-08 | 2019-06-07 | 大连理工大学 | 基于l-m参数法的内螺槽型乙烯裂解炉管剩余寿命评估方法 |
| CN110701990A (zh) * | 2019-10-19 | 2020-01-17 | 北京工业大学 | 基于磁场扰动与磁力双检测环的炉管渗碳层厚度评价方法与系统 |
| WO2022253467A1 (en) * | 2021-06-01 | 2022-12-08 | Linde Gmbh | A method of determining a carburisation model of a coil of a steam crackung furnace |
| CN115829422A (zh) * | 2023-02-21 | 2023-03-21 | 创银科技(南通)有限公司 | 基于大数据的工业设备运行异常状态识别方法 |
Non-Patent Citations (1)
| Title |
|---|
| 一种乙烯裂解炉管高温损伤评估的新方法;徐秀清 等;机电工程技术;第49卷(第6期);第13页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116773645A (zh) | 2023-09-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN100573181C (zh) | 利用铁磁材料表面杂散磁场信号监测疲劳损伤的方法 | |
| Dahire et al. | Bayesian Network inference for probabilistic strength estimation of aging pipeline systems | |
| Rodrigues et al. | Carburization level identification in industrial HP pipes using ultrasonic evaluation and machine learning | |
| Yuzevych et al. | Improving the diagnostics of underground pipelines at oil-and-gas enterprises based on determining hydrogen exponent (PH) of the soil media applying neural networks | |
| Khan et al. | Cross-country pipeline inspection data analysis and testing of probabilistic degradation models | |
| CN114638164B (zh) | 一种预测电站压力管道高温蠕变寿命的方法 | |
| CN116773645B (zh) | 一种合金管道渗碳损伤程度确定方法、系统及电子设备 | |
| Qu et al. | Pitting judgment model based on machine learning and feature optimization methods | |
| CN104504274B (zh) | 一种管道指标确定方法及装置 | |
| Hou et al. | Use of electrochemical current noise method to monitor carbon steel corrosion under mineral wool insulation | |
| Tian et al. | Signal processing schemes for Eddy Current Testing of steam generator tubes of nuclear power plants | |
| CN117235433A (zh) | 一种基于交流电磁场的金属表面裂纹定量评估方法 | |
| WU et al. | Development status and improvement strategy of inline inspection technology and management | |
| Roy et al. | Effect of heterogeneities on pitting potential of line pipe steels: An adaptive neuro-fuzzy approach | |
| CN115689312A (zh) | 一种基于损伤的承压设备检验策略智能生成系统及方法 | |
| Psuj | Fusion of multiple parameters of magnetic testing results for damage assessment of loaded steel structures | |
| CN112649354A (zh) | 一种多传感器测量金属管道腐蚀的综合评价方法 | |
| Lu et al. | Extracting defect signal from the MFL signal of seamless pipeline | |
| Dobrzański et al. | Computer aided classification of internal damages the chromium-molybdenum steels after creep service | |
| Smart et al. | Material characterization of pipeline steels: Inspection techniques review and potential property relationships | |
| Krivorotov et al. | Application of the method of coercimetry for assessing the level of residual stresses arising during the heat treatment of railway wheels | |
| da Silva et al. | Non-destructive ultrasonic testing and machine learning-assisted early detection of carburizing damage in HP steel pyrolysis furnace tubes | |
| CN113706516B (zh) | 一种金相组织识别方法、系统、设备和存储介质 | |
| Boufkhed et al. | Statistical analysis for reliability assessment of corroded structures: A pipeline case study | |
| Wang et al. | Irregular Defect Size Estimation for the Magnetic Flux Leakage Detection System via Expertise-Informed Collaborative Network |
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 |