CN117031930A - 不锈钢钢管的防腐蚀优化方法及系统 - Google Patents
不锈钢钢管的防腐蚀优化方法及系统 Download PDFInfo
- Publication number
- CN117031930A CN117031930A CN202311295412.8A CN202311295412A CN117031930A CN 117031930 A CN117031930 A CN 117031930A CN 202311295412 A CN202311295412 A CN 202311295412A CN 117031930 A CN117031930 A CN 117031930A
- Authority
- CN
- China
- Prior art keywords
- corrosion
- stainless steel
- data set
- special
- steel pipe
- 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
Links
- 229910001220 stainless steel Inorganic materials 0.000 title claims abstract description 162
- 239000010935 stainless steel Substances 0.000 title claims abstract description 162
- 238000000034 method Methods 0.000 title claims abstract description 70
- 238000005536 corrosion prevention Methods 0.000 title claims abstract description 42
- 238000005457 optimization Methods 0.000 title claims abstract description 28
- 238000005260 corrosion Methods 0.000 claims abstract description 225
- 230000007704 transition Effects 0.000 claims abstract description 94
- 238000012545 processing Methods 0.000 claims abstract description 26
- 230000011218 segmentation Effects 0.000 claims abstract description 25
- 229910000831 Steel Inorganic materials 0.000 claims abstract description 22
- 239000010959 steel Substances 0.000 claims abstract description 22
- 230000007797 corrosion Effects 0.000 claims description 101
- 230000007613 environmental effect Effects 0.000 claims description 82
- 238000013507 mapping Methods 0.000 claims description 30
- 230000000694 effects Effects 0.000 claims description 21
- 238000011156 evaluation Methods 0.000 claims description 20
- 238000004458 analytical method Methods 0.000 claims description 15
- 238000013461 design Methods 0.000 claims description 15
- 230000002159 abnormal effect Effects 0.000 claims description 13
- 238000012216 screening Methods 0.000 claims description 12
- 239000013257 coordination network Substances 0.000 claims description 11
- 230000003044 adaptive effect Effects 0.000 claims description 6
- 230000000737 periodic effect Effects 0.000 claims description 6
- 230000015572 biosynthetic process Effects 0.000 claims description 5
- 230000005472 transition radiation Effects 0.000 claims description 4
- 231100000069 corrosive reaction Toxicity 0.000 claims description 3
- 230000008569 process Effects 0.000 description 17
- 238000011217 control strategy Methods 0.000 description 12
- 238000001514 detection method Methods 0.000 description 12
- 230000008859 change Effects 0.000 description 11
- 238000012423 maintenance Methods 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 6
- 239000000463 material Substances 0.000 description 6
- 238000000576 coating method Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- 238000004088 simulation Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000005299 abrasion Methods 0.000 description 2
- 239000011248 coating agent Substances 0.000 description 2
- 238000009713 electroplating Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000001681 protective effect Effects 0.000 description 2
- 239000011241 protective layer Substances 0.000 description 2
- 238000012502 risk assessment Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000011247 coating layer Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003631 expected effect Effects 0.000 description 1
- 230000008713 feedback mechanism Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 239000006247 magnetic powder Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 239000011253 protective coating Substances 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16L—PIPES; JOINTS OR FITTINGS FOR PIPES; SUPPORTS FOR PIPES, CABLES OR PROTECTIVE TUBING; MEANS FOR THERMAL INSULATION IN GENERAL
- F16L58/00—Protection of pipes or pipe fittings against corrosion or incrustation
- F16L58/02—Protection of pipes or pipe fittings against corrosion or incrustation by means of internal or external coatings
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Mechanical Engineering (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Automation & Control Theory (AREA)
- Multimedia (AREA)
- Testing Resistance To Weather, Investigating Materials By Mechanical Methods (AREA)
Abstract
本发明提供了不锈钢钢管的防腐蚀优化方法及系统,涉及不锈钢钢管技术领域,包括:生成标定数据集,采集钢管布设信息,确定常规分段、过渡分段和特殊分段,建立环境数据集,通过常规分段映射的环境数据建立基础环境特征,并作为寻优目标,执行防腐蚀控制寻优生成防腐蚀控制数据,通过特殊分段映射的环境数据建立特殊环境特征,并作为寻优目标,执行防腐蚀控制数据的保护寻优生成特殊段保护数据,获取过渡分段的特征数据集,生成过渡关联因子,执行不锈钢管的防腐蚀加工,进行过渡分段和特殊分段的不锈钢管防腐蚀处理。本发明解决了现有技术无法充分考虑不同段落和特殊环境的差异性,导致防腐蚀控制缺乏个性化和精确性的技术问题。
Description
技术领域
本发明涉及不锈钢钢管技术领域,具体涉及不锈钢钢管的防腐蚀优化方法及系统。
背景技术
不锈钢钢管的防腐蚀对于延长不锈钢钢管的使用寿命具有重要意义,传统方法通常使用统一的防腐蚀控制策略,无法满足个性化需求,如特殊环境和不同部位的要求,同时,现有技术对于环境因素的考虑较为有限,未能全面评估湿度、酸碱度等环境条件对防护效果的影响。这些问题限制了传统方法在提供精确、可靠和持久的防腐蚀方案方面的能力,因此,需要开发更具个性化和环境适应性的防腐蚀方法,以满足特殊钢管特征和环境需求,进而延长不锈钢钢管的使用寿命。
发明内容
本申请通过提供了不锈钢钢管的防腐蚀优化方法及系统,旨在解决现有技术对于不锈钢管的防腐蚀控制往往采用统一的策略,无法充分考虑不同段落和特殊环境的差异性,导致防腐蚀控制缺乏个性化和精确性的技术问题。
鉴于上述问题,本申请提供了不锈钢钢管的防腐蚀优化方法及系统。
本申请公开的第一个方面,提供了不锈钢钢管的防腐蚀优化方法,所述方法包括:生成不锈钢管的标定数据集,所述标定数据集为采集不锈钢管的设计信息生成的数据集;采集不锈钢管的钢管布设信息,依据所述钢管布设信息进行分段划分,确定常规分段、过渡分段和特殊分段,其中,过渡分段和特殊分段均具有分段标识;建立环境数据集,所述环境数据集通过对不锈钢管的布设位置进行连续数据采集建立而成,且所述环境数据集与所述常规分段、所述特殊分段具有映射关系;通过常规分段映射的环境数据建立基础环境特征,并以所述基础环境特征作为防腐蚀的寻优目标,执行所述标定数据集的防腐蚀控制寻优,生成防腐蚀控制数据;通过特殊分段映射的环境数据建立特殊环境特征,并以所述特殊环境特征作为防腐蚀的寻优目标,执行所述防腐蚀控制数据的保护寻优,生成特殊段保护数据;获取所述过渡分段的特征数据集,基于所述特征数据集生成过渡关联因子;通过所述防腐蚀控制数据执行不锈钢管的防腐蚀加工,通过所述特殊段保护数据和所述过渡关联因子进行过渡分段和特殊分段的不锈钢管防腐蚀处理。
本申请公开的另一个方面,提供了不锈钢钢管的防腐蚀优化系统,所述系统用于上述方法,所述系统包括:标定数据集生成模块,所述标定数据集生成模块用于生成不锈钢管的标定数据集,所述标定数据集为采集不锈钢管的设计信息生成的数据集;布设信息采集模块,所述布设信息采集模块用于采集不锈钢管的钢管布设信息,依据所述钢管布设信息进行分段划分,确定常规分段、过渡分段和特殊分段,其中,过渡分段和特殊分段均具有分段标识;环境数据集建立模块,所述环境数据集建立模块用于建立环境数据集,所述环境数据集通过对不锈钢管的布设位置进行连续数据采集建立而成,且所述环境数据集与所述常规分段、所述特殊分段具有映射关系;防腐蚀控制寻优模块,所述防腐蚀控制寻优模块用于通过常规分段映射的环境数据建立基础环境特征,并以所述基础环境特征作为防腐蚀的寻优目标,执行所述标定数据集的防腐蚀控制寻优,生成防腐蚀控制数据;保护寻优模块,所述保护寻优模块用于通过特殊分段映射的环境数据建立特殊环境特征,并以所述特殊环境特征作为防腐蚀的寻优目标,执行所述防腐蚀控制数据的保护寻优,生成特殊段保护数据;关联因子生成模块,所述关联因子生成模块用于获取所述过渡分段的特征数据集,基于所述特征数据集生成过渡关联因子;防腐蚀处理模块,所述防腐蚀处理模块用于通过所述防腐蚀控制数据执行不锈钢管的防腐蚀加工,通过所述特殊段保护数据和所述过渡关联因子进行过渡分段和特殊分段的不锈钢管防腐蚀处理。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
通过采集不锈钢管的设计信息生成标定数据集,并根据钢管布设信息进行分段划分,包括常规分段、过渡分段和特殊分段,这样可以针对不同分段的不锈钢管使用不同的防腐蚀控制策略,实现个性化的防腐蚀管理;基于不锈钢管的布设位置进行连续数据采集,建立环境数据集,并与常规分段和特殊分段进行映射关系,这样可以将实际环境因素考虑在内,为后续的防腐蚀控制提供准确的环境数据支持;通过基础环境特征作为优化目标,执行标定数据集的防腐蚀控制寻优,这样可以根据实际环境条件和设计要求,优化防腐蚀控制策略,提高防护效果;通过特殊分段映射的环境数据建立特殊环境特征,并以该特殊环境特征为优化目标,生成特殊段的保护数据,这样可以针对特殊环境下的不锈钢管进行个性化的保护处理,进一步提高防腐蚀效果;获取过渡分段的特征数据集,并基于该特征数据集生成过渡关联因子,这样可以在不锈钢管的过渡分段上实现更平滑的防腐蚀处理,减少不锈钢管在过渡区域出现的问题;通过防腐蚀控制数据、特殊段保护数据和过渡关联因子,对不锈钢管进行综合的防腐蚀加工,这样可以实现对不锈钢管防腐蚀处理的精确控制,提高防护效果和持久性。综上所述,该不锈钢钢管的防腐蚀优化方法通过个性化的防腐蚀策略、环境数据集建立、寻优过程和特殊段保护等措施,解决了现有技术中缺乏个性化和精确性的问题,并能够根据不同情况实现更好的防腐蚀效果和持久性。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例提供了不锈钢钢管的防腐蚀优化方法流程示意图;
图2为本申请实施例提供了不锈钢钢管的防腐蚀优化系统结构示意图。
附图标记说明:标定数据集生成模块10,布设信息采集模块20,环境数据集建立模块30,防腐蚀控制寻优模块40,保护寻优模块50,关联因子生成模块60,防腐蚀处理模块70。
具体实施方式
本申请实施例通过提供不锈钢钢管的防腐蚀优化方法,解决了现有技术对于不锈钢管的防腐蚀控制往往采用统一的策略,无法充分考虑不同段落和特殊环境的差异性,导致防腐蚀控制缺乏个性化和精确性的技术问题。
在介绍了本申请基本原理后,下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示,本申请实施例提供了不锈钢钢管的防腐蚀优化方法,所述方法包括:
生成不锈钢管的标定数据集,所述标定数据集为采集不锈钢管的设计信息生成的数据集;
通过设计图纸、规范要求等,采集不锈钢管的设计信息,包括管径、壁厚、材料类型、布设方案等参数,根据设计参数,生成具有不同特征的不锈钢管实例。在不同环境条件下进行模拟,以考虑各种可能的使用场景,为每个不锈钢管实例分配适当的环境参数,包括温度、湿度、酸碱度等,根据设计信息和环境参数,确定每个不锈钢管实例的防腐蚀控制策略。将每个不锈钢管实例的设计信息、环境参数和防腐蚀控制策略记录并存储为标定数据集。
采集不锈钢管的钢管布设信息,依据所述钢管布设信息进行分段划分,确定常规分段、过渡分段和特殊分段,其中,过渡分段和特殊分段均具有分段标识;
采集不锈钢管的布设信息,包括管道位置、管道长度、管道走向、管道连接点、管道直径变化等,根据采集到的钢管布设信息,将不锈钢管划分为不同的段落,包括常规分段、过渡分段和特殊分段。
其中,常规分段是指按照一定长度或其他规定标准对不锈钢管进行均匀的分段划分,没有特殊要求或特殊标识;过渡分段是指在特定情况下需要在不锈钢管的布设中使用的分段方式,过渡分段用于连接两个不同类型或规格的管道,以实现平稳的过渡和连接,过渡分段具有特殊的分段标识,以便在布设过程中能够清楚地辨别;特殊分段是指在布设过程中需要特殊处理的不锈钢管分段,例如因为特殊需求、施工环境或其他因素而需要单独处理,特殊分段同样具有特殊的标识,以便在布设过程中能够准确地识别和操作。
建立环境数据集,所述环境数据集通过对不锈钢管的布设位置进行连续数据采集建立而成,且所述环境数据集与所述常规分段、所述特殊分段具有映射关系;
制定数据采集计划,包括确定数据采集的目标和范围、明确要采集的环境数据类型和参数,以及需要覆盖的不锈钢管布设位置范围。环境数据类型和参数选择适合采集环境数据的传感器,包括温度传感器、湿度传感器等,以获取相关的环境信息,并根据布设位置的要求进行合理的传感器布置,定期连续采集环境数据,并为每个数据点添加相应的时间戳和位置信息,建立环境数据集。
根据所述不锈钢管的布设信息和分段划分规则,将环境数据集分别与常规分段和特殊分段建立映射关系,例如根据不同分段的起始和结束位置,将对应的环境数据分配给相应的分段。
通过常规分段映射的环境数据建立基础环境特征,并以所述基础环境特征作为防腐蚀的寻优目标,执行所述标定数据集的防腐蚀控制寻优,生成防腐蚀控制数据;
利用已建立的环境数据集和常规分段映射关系,从常规分段映射的环境数据中提取基础环境特征,这些特征包括温度、湿度、酸碱度等指标,并将基础环境特征作为防腐蚀的寻优目标。
选择防腐蚀控制寻优算法,如遗传算法、粒子群算法,来寻找最佳的防腐蚀控制策略,根据所述标定数据集和所选的防腐蚀控制寻优算法,执行防腐蚀控制寻优过程,该过程通过搜索最佳的防腐蚀控制参数组合,以满足基础环境特征。通过防腐蚀控制寻优过程得到最佳参数组合,作为防腐蚀控制数据,包括建议的防腐蚀控制方案、添加金属元素的方法或设置保护层的方法等。
通过特殊分段映射的环境数据建立特殊环境特征,并以所述特殊环境特征作为防腐蚀的寻优目标,执行所述防腐蚀控制数据的保护寻优,生成特殊段保护数据;
利用已建立的环境数据集和特殊分段映射关系,从特殊分段映射的环境数据中提取特殊环境特征,这些特征包括温度、湿度、气体浓度等指标,并将特殊环境特征作为防腐蚀的寻优目标。
采用前述相同的寻优算法,执行防腐蚀控制数据的保护寻优过程,该过程通过搜索最佳的防腐蚀控制数据,以满足特殊环境特征。通过防腐蚀控制数据保护寻优过程得到最佳参数组合,作为特殊段的防腐蚀保护数据,这些数据包括推荐的特殊段防腐蚀控制方案、具体位置下的控制策略等。
获取所述过渡分段的特征数据集,基于所述特征数据集生成过渡关联因子;
进一步而言,所述方法还包括:
建立过渡分段的特征数据集,所述特征数据集通过读取相邻常规分段和相邻特殊分段数据建立,所述特征数据集包括过渡分段长度特征、相邻环境的差异特征;
对相邻特殊分段进行环境的稳态评价,生成稳态影响因子;
基于所述特征数据集进行过渡辐射衰减分析,通过稳态影响因子调整衰减分析结果,生成过渡关联因子。
获取相邻常规分段和相邻特殊分段的数据,这些数据包括与环境条件相关的各种指标,例如温度、湿度、压力等。计算过渡分段的长度特征,该特征可以提供有关过渡分段长度的信息,即相邻常规分段和相邻特殊分段的间隔距离;计算相邻常规分段和相邻特殊分段之间环境条件的差异特征,例如,计算温度差异、湿度差异、压力差异等,这些特征可以提供有关过渡分段中环境条件变化的信息。将过渡分段长度特征和相邻环境的差异特征组合,形成特征数据集,该数据集用于描述过渡分段中环境条件的变化情况。
对相邻特殊分段进行环境的稳态评价,稳态表示环境条件在一段时间内保持相对稳定,而不经历显著的变化的状态,示例性的,通过计算环境指标的统计量来评估稳态性质,例如计算平均值、方差、标准差等,较小的方差和标准差表示较为稳态的环境;绘制各个环境指标的环境数据随时间变化的曲线,根据曲线的变化趋势情况来评估稳态,如果环境数据曲线呈现较小的趋势变化,可以认为环境相对稳定。
根据环境稳态评价的结果,生成稳态影响因子,稳态影响因子用于衡量特殊分段中环境的稳态性质和变化程度,例如利用环境数据的方差、标准差等作为稳态影响因子,较小的统计特征值表示较为稳态的环境。
使用特征数据集中的过渡分段长度特征和相邻环境差异特征进行过渡辐射衰减分析,具体的,根据过渡分段长度特征和环境差异特征,构建适当的衰减模型,例如,使用指数衰减模型,该模型描述了环境条件随距离的衰减趋势,将衰减模型应用于特征数据集,对实际过渡分段中的环境数据进行拟合,以获得衰减曲线,这可以直观描述过渡期间环境条件的变化趋势,利用衰减模型,计算过渡分段内环境条件的衰减速率,衰减速率表示环境条件变化的速度和幅度,将衰减速率作为衰减分析结果。
根据稳态影响因子对衰减分析结果进行比例调整,例如进行乘积运算,其中较小的稳态影响因子意味着较小的调整,而较大的稳态影响因子则会有较大的调整,将计算结果作为过渡关联因子。得到的过渡关联因子可以提供有关过渡分段中环境条件变化的定量信息,这些信息用于精确地防腐蚀控制,因为环境的变化可能会导致材料的腐蚀程度加剧或发生突变,通过获取过渡关联因子,可以采取相应的措施来保护设备、结构或材料,降低腐蚀风险。
通过所述防腐蚀控制数据执行不锈钢管的防腐蚀加工,通过所述特殊段保护数据和所述过渡关联因子进行过渡分段和特殊分段的不锈钢管防腐蚀处理。
防腐蚀控制数据包含了针对不锈钢管进行防腐蚀处理的相关参数,特殊段保护数据针对特殊分段的不锈钢管区域,提供了特殊的防腐蚀处理方法,过渡关联因子用于确定过渡分段区域的防腐蚀处理方法。
根据所述防腐蚀控制数据,进行不锈钢管的防腐蚀加工,例如使用化学物质、涂层、电镀等方法来保护不锈钢管的表面,并延长其使用寿命;
根据所述特殊段保护数据,对特殊分段区域进行特殊的防腐蚀处理,这些特殊分段可能面临更严峻的腐蚀环境或具有特殊要求,例如高温、高压等,通过使用特定材料、涂层或其他特殊工艺,以满足特殊分段区域的防腐蚀需求;
根据所述过渡关联因子,对过渡分段区域进行相应的防腐蚀处理,过渡分段位于管道连接或其他变化区域,其化学环境和物理特性可能与其他分段不同,通过根据过渡关联因子确定适当的防腐蚀策略,以确保过渡区域具有适当的防腐蚀性能。
该步骤实现了对不锈钢管的全面防腐蚀处理,包括常规分段、过渡分段和特殊分段,通过使用防腐蚀控制数据、特殊段保护数据和过渡关联因子,实现定制化地应对不同分段的防腐蚀需求,并提高不锈钢管的耐腐蚀性能和可靠性。
进一步而言,所述方法还包括:
设置锈蚀的补偿周期,在不锈钢管铺设完成后,在所述补偿周期进行不锈钢管的环境数据采集,建立周期数据集;
以所述周期数据集进行局部环境的形成分析,建立局部环境特征,所述局部环境特征带有趋势标识;
通过所述局部环境特征进行不锈钢管的局部位置防腐蚀优化管理。
在不锈钢管铺设完成后,基于不锈钢管的使用环境、预期腐蚀速率以及维护管理的需求,确定补偿周期。在所述补偿周期内,定期进行不锈钢管的环境数据采集,包括温度、湿度、化学物质浓度等与不锈钢管腐蚀相关的参数,根据所采集的环境数据,建立周期数据集,周期数据集包含在补偿周期内所记录的环境数据,每个周期的数据可以按照时间顺序存储。
利用所述周期数据集,进行局部环境的形成分析,例如,对所述周期数据进行统计分析,识别其环境变化趋势、模式和特征,基于形成分析的结果,建立局部环境特征,局部环境特征是对不锈钢管所处位置的环境状况进行描述的指标,包括温度变化趋势、湿度波动程度、化学物质浓度变化等方面的特征。在建立局部环境特征时,为其添加趋势标识,趋势标识反映了局部环境特征的变化趋势,例如上升、下降、稳定等,这有助于判断不锈钢管所处位置的腐蚀风险及其演变情况。
基于获取的局部环境特征数据,进行局部位置的腐蚀风险分析,具体的,通过比较不同位置的环境特征,识别出潜在的腐蚀高风险区域,并确定哪些位置更容易受到腐蚀的影响。根据腐蚀风险分析的结果,针对不同的局部位置制定相应的防腐蚀措施,包括表面涂层、防护涂料、电镀处理、使用耐腐蚀材料等措施,根据局部环境特征的趋势标识,可以确定措施的优先级和调整策略。根据设计好的防腐蚀措施,实施局部位置的防腐蚀优化管理。这种管理方式可根据不同位置的腐蚀风险和特点,采取有针对性的防护措施,提高不锈钢管在局部位置的防腐蚀能力。
进一步而言,所述方法还包括:
在所述补偿周期,通过图像数据传感器执行不锈钢管的数据采集,建立图像数据集;
对所述图像数据集执行自适应锚框的异常识别,生成异常识别结果;
以所述异常识别结果作为始态数据,以所述局部环境特征作为持续影响数据,输入腐蚀策略拟合网络,生成腐蚀处理方案;
通过所述腐蚀处理方案进行不锈钢管的局部位置防腐蚀优化管理。
在所述补偿周期内,在不锈钢管的适当位置安装图像数据传感器,例如高清相机,传感器的数量和布局取决于需要监测的不锈钢管表面区域。根据预设的时间间隔,通过图像数据传感器执行不锈钢管的图像数据采集,获取连续的图像数据,建立图像数据集,图像数据集是包含了在补偿周期内所记录的不锈钢管表面图像的集合,每个图像根据时间顺序存储。
准备一个包含有标注的样本图像数据集作为训练数据,该样本数据集包括正常状态和异常状态的图像样本,并且每个图像样本都有对应的异常标注信息,基于所述样本图像数据集,构建自适应锚框模型,自适应锚框模型是能够自动调整大小、形状和位置的目标检测模型,用于在图像中定位和识别异常区域,使用样本图像数据集和自适应锚框模型,对模型进行训练,通过迭代优化算法,使得模型能够学习到图像中正常和异常区域的特征,从而实现异常识别的功能。
使用训练好的模型,对所述图像数据集中的图像进行异常识别,模型根据学习到的特征和先前训练的知识,分析图像中的每个区域,并判断其是否属于异常状态,通过执行异常识别过程,生成异常识别结果,这些异常包括腐蚀、损伤、裂纹等,这些结果可以是二进制的,表示图像中每个区域是正常或异常;或者可以是概率值,表示每个区域属于异常的可能性。
将识别出的异常作为始态数据,将局部环境特征数据表示的环境变化用来描述环境的持续影响,将异常识别结果和局部环境特征数据输入到腐蚀策略拟合网络中,这个网络被设计用于学习不同异常情况下的最佳腐蚀处理方案,它可以是一个深度学习模型,如神经网络。腐蚀策略拟合网络根据输入的异常识别结果和局部环境特征数据,输出相应的腐蚀处理方案,这个方案包括修复措施、防腐蚀涂层的选择、保护措施等,生成的腐蚀处理方案综合考虑异常情况和环境因素,并具有个性化和针对性。
根据生成的腐蚀处理方案,实施针对不锈钢管局部位置的防腐蚀措施,这样可以提高不锈钢管的防腐蚀效果,并根据不同的异常情况和环境条件进行个性化的处理。
进一步而言,所述方法还包括:
对所述不锈钢管进行价值度评价,生成价值度关联系数;
基于标定腐蚀应对速度作为寻优输出结果,执行所述标定数据集的防腐蚀控制寻优,生成防腐蚀控制数据集合;
通过所述价值度关联系数执行所述防腐蚀控制数据集合的成本-防腐蚀效果的平衡筛选;
根据平衡筛选结果确定防腐蚀控制数据。
确定用于评估不锈钢管价值度的评价指标,包括不锈钢管的使用寿命、成本效益、性能指标(如强度、耐腐蚀性等)、可维修性等。基于选定的评价指标,进行定量测量和定性分析,通过实验、测试、模拟等方式,获取关于不锈钢管在每个评价指标上的数据,将收集到的数据进行加权求和,计算得到不锈钢管的价值度关联系数,这个关联系数表示不锈钢管在整体上的价值度,反映了其重要性和优先级。
根据已知条件和参数,通过实验、模拟等方法来确定在特定条件下不同腐蚀应对措施的效果和速度,获取标定腐蚀应对速度,腐蚀应对速度可以表示为针对不同防腐蚀控制方案的腐蚀程度减缓速率。将标定腐蚀应对速度作为寻优输出结果,设计防腐蚀控制寻优方法,以寻找最佳的防腐蚀控制方案。
具体的,定义目标函数,用于衡量防腐蚀控制方案的优劣,这个目标函数包括多个指标,如腐蚀速度、成本、可行性、安全性等,根据需要进行权衡和设置各个指标的权重。执行防腐蚀控制寻优过程,基于所述标定数据集进行多种方案的尝试,并根据目标函数进行方案的评估,以找到较优的多个防腐蚀控制方案,这些方案代表了在给定条件下经过优化的防腐蚀控制措施。根据寻优过程的结果,生成防腐蚀控制数据集合,这个数据集合包括不同防腐蚀控制方案的具体参数设置,每个方案具有不同的效果和特点,形成多样化的防腐蚀控制数据集合。
根据需求和权衡考虑,在成本和防腐蚀效果之间确定一个平衡筛选标准,这个标准可以是成本最低且防腐蚀效果达到一定要求,或是在给定成本限制下追求最大的防腐蚀效果等。基于价值度关联系数和平衡筛选标准,对防腐蚀控制数据集合进行平衡筛选,根据防腐蚀控制方案的成本和防腐蚀效果,计算每个方案的成本-防腐蚀效果综合指标,并与平衡筛选标准进行比较。根据平衡筛选的结果,确定符合要求的防腐蚀控制方案,这些方案既具有合理的成本,又可以达到或超过预设的防腐蚀效果要求。
根据筛选结果,确定最终的防腐蚀控制数据,这些数据涵盖了选择的防腐蚀控制方案所需的具体参数设置,代表经过平衡考虑后的最佳防腐蚀控制方案。
进一步而言,所述方法还包括:
依据所述钢管布设信息进行不锈钢管的检测和更换分析,生成与不锈钢管位置具有映射关系的难度因子;
通过所述难度因子进行防腐蚀控制数据、特殊段保护数据的保护补偿。
基于钢管布设信息,确定进行检测需求,根据不同位置的不锈钢管特征和使用环境,判断是否存在潜在的腐蚀、磨损、机械损伤等问题,以此判断是否需要进行相应的检测。
使用非破坏性检测技术,如超声波检测、涡流检测、磁粉检测等,或者材料测试、视觉检查等手段,对不锈钢管进行检测,根据检测结果,评估不锈钢管的腐蚀程度、磨损程度、机械强度等关键指标,将检测数据与事先确定的阈值进行比较,确定是否需要进行更换或采取其他维护措施。
根据不锈钢管位置和检测分析结果,生成与不锈钢管位置具有映射关系的难度因子,这个难度因子可以基于检测结果的严重程度、更换操作的复杂性、维护工作的耗时等因素进行量化评估,对于要进行更换的不锈钢管,难度因子可表示为相应位置上的工作难度或执行风险。
根据生成的难度因子,对防腐蚀控制数据、特殊段的特殊段保护数据进行保护补偿,这意味着根据不同位置上的难度因子调整相应位置的防腐蚀控制方案,例如,对于难度较小的位置,可以维持原有的防腐蚀控制措施或标准操作,因为更换或维修的难度较低;对于难度较大的位置,需要采取更严格的防腐蚀控制措施,例如增加涂层厚度、增加防护层等,这样可以提高该位置的防腐蚀能力,以弥补更换或维修的困难度。
其中,特殊段是指不锈钢管之间的过渡分段或其他需要特殊保护的特殊分段,过渡分段本质上也会受到难度因子的影响,并自然进行调整,这样可以保证不同位置之间的过渡段在防腐蚀控制上具有一定的连续性和一致性。
这个过程能够根据不同位置的难度程度,调整相应的防腐蚀控制措施和特殊段保护方案,以实现针对不同位置的优化防腐蚀管理。
进一步而言,所述方法还包括:
设定综合协调网络,所述综合协调网络通过采集不锈钢管防腐蚀处理结果构建;
通过所述综合协调网络执行处理结果与预期结果的偏离评价,并根据偏离评价生成约束反馈;
通过所述约束反馈进行下一任务的策略补偿。
根据不锈钢管的维护记录、检测数据、更换记录等,采集不锈钢管防腐蚀处理结果,构建综合协调网络,该网络用于收集、存储和整合不锈钢管防腐蚀处理结果的数据。
从综合协调网络中获取不锈钢管防腐蚀处理的实际结果和预期结果,实际结果是通过数据采集系统获得的不锈钢管防腐蚀处理的数据,而预期结果是事先设定的期望效果。对比实际结果和预期结果,基于事先设定的性能指标、阈值,评估二者之间的偏离程度,根据偏离评价生成约束反馈,约束反馈包括建议、警示或调整方案,以解决处理结果与预期结果之间的偏离问题,约束反馈是根据偏离评价结果提供的一种指导性反馈机制,用于调整和改进防腐蚀控制策略。
根据当前任务和已实施的防腐蚀控制策略,评估其与约束反馈中提供的指导性信息之间的一致性和差异性,基于约束反馈,对当前任务的防腐蚀控制策略进行调整,根据约束反馈中提供的建议调整方案,包括优化防腐蚀方法、防腐蚀控制参数调整、改进维护计划等,将调整后的策略应用于下一任务的防腐蚀控制过程中。这样可以根据生成的约束反馈提供的指导性信息,优化防腐蚀管理策略,以实现更好的防护效果和预期结果。
综上所述,本申请实施例所提供的不锈钢钢管的防腐蚀优化方法及系统具有如下技术效果:
1.通过采集不锈钢管的设计信息生成标定数据集,并根据钢管布设信息进行分段划分,包括常规分段、过渡分段和特殊分段,这样可以针对不同分段的不锈钢管使用不同的防腐蚀控制策略,实现个性化的防腐蚀管理;
2.基于不锈钢管的布设位置进行连续数据采集,建立环境数据集,并与常规分段和特殊分段进行映射关系,这样可以将实际环境因素考虑在内,为后续的防腐蚀控制提供准确的环境数据支持;
3.通过基础环境特征作为优化目标,执行标定数据集的防腐蚀控制寻优,这样可以根据实际环境条件和设计要求,优化防腐蚀控制策略,提高防护效果;
4.通过特殊分段映射的环境数据建立特殊环境特征,并以该特殊环境特征为优化目标,生成特殊段的保护数据,这样可以针对特殊环境下的不锈钢管进行个性化的保护处理,进一步提高防腐蚀效果;
5.获取过渡分段的特征数据集,并基于该特征数据集生成过渡关联因子,这样可以在不锈钢管的过渡分段上实现更平滑的防腐蚀处理,减少不锈钢管在过渡区域出现的问题;
6.通过防腐蚀控制数据、特殊段保护数据和过渡关联因子,对不锈钢管进行综合的防腐蚀加工,这样可以实现对不锈钢管防腐蚀处理的精确控制,提高防护效果和持久性。
综上所述,该不锈钢钢管的防腐蚀优化方法通过个性化的防腐蚀策略、环境数据集建立、寻优过程和特殊段保护等措施,解决了现有技术中缺乏个性化和精确性的问题,并能够根据不同情况实现更好的防腐蚀效果和持久性。
实施例二
基于与前述实施例中不锈钢钢管的防腐蚀优化方法相同的发明构思,如图2所示,本申请提供了不锈钢钢管的防腐蚀优化系统,所述系统包括:
标定数据集生成模块10,所述标定数据集生成模块10用于生成不锈钢管的标定数据集,所述标定数据集为采集不锈钢管的设计信息生成的数据集;
布设信息采集模块20,所述布设信息采集模块20用于采集不锈钢管的钢管布设信息,依据所述钢管布设信息进行分段划分,确定常规分段、过渡分段和特殊分段,其中,过渡分段和特殊分段均具有分段标识;
环境数据集建立模块30,所述环境数据集建立模块30用于建立环境数据集,所述环境数据集通过对不锈钢管的布设位置进行连续数据采集建立而成,且所述环境数据集与所述常规分段、所述特殊分段具有映射关系;
防腐蚀控制寻优模块40,所述防腐蚀控制寻优模块40用于通过常规分段映射的环境数据建立基础环境特征,并以所述基础环境特征作为防腐蚀的寻优目标,执行所述标定数据集的防腐蚀控制寻优,生成防腐蚀控制数据;
保护寻优模块50,所述保护寻优模块50用于通过特殊分段映射的环境数据建立特殊环境特征,并以所述特殊环境特征作为防腐蚀的寻优目标,执行所述防腐蚀控制数据的保护寻优,生成特殊段保护数据;
关联因子生成模块60,所述关联因子生成模块60用于获取所述过渡分段的特征数据集,基于所述特征数据集生成过渡关联因子;
防腐蚀处理模块70,所述防腐蚀处理模块70用于通过所述防腐蚀控制数据执行不锈钢管的防腐蚀加工,通过所述特殊段保护数据和所述过渡关联因子进行过渡分段和特殊分段的不锈钢管防腐蚀处理。
进一步而言,所述系统还包括局部位置防腐蚀模块,以执行如下操作步骤:
设置锈蚀的补偿周期,在不锈钢管铺设完成后,在所述补偿周期进行不锈钢管的环境数据采集,建立周期数据集;
以所述周期数据集进行局部环境的形成分析,建立局部环境特征,所述局部环境特征带有趋势标识;
通过所述局部环境特征进行不锈钢管的局部位置防腐蚀优化管理。
进一步而言,所述局部位置防腐蚀模块还包括如下操作步骤:
在所述补偿周期,通过图像数据传感器执行不锈钢管的数据采集,建立图像数据集;
对所述图像数据集执行自适应锚框的异常识别,生成异常识别结果;
以所述异常识别结果作为始态数据,以所述局部环境特征作为持续影响数据,输入腐蚀策略拟合网络,生成腐蚀处理方案;
通过所述腐蚀处理方案进行不锈钢管的局部位置防腐蚀优化管理。
进一步而言,所述系统还包括防腐蚀控制数据获取模块,以执行如下操作步骤:
对所述不锈钢管进行价值度评价,生成价值度关联系数;
基于标定腐蚀应对速度作为寻优输出结果,执行所述标定数据集的防腐蚀控制寻优,生成防腐蚀控制数据集合;
通过所述价值度关联系数执行所述防腐蚀控制数据集合的成本-防腐蚀效果的平衡筛选;
根据平衡筛选结果确定防腐蚀控制数据。
进一步而言,所述系统还包括过渡关联因子生成模块,以执行如下操作步骤:
建立过渡分段的特征数据集,所述特征数据集通过读取相邻常规分段和相邻特殊分段数据建立,所述特征数据集包括过渡分段长度特征、相邻环境的差异特征;
对相邻特殊分段进行环境的稳态评价,生成稳态影响因子;
基于所述特征数据集进行过渡辐射衰减分析,通过稳态影响因子调整衰减分析结果,生成过渡关联因子。
进一步而言,所述系统还包括保护补偿模块,以执行如下操作步骤:
依据所述钢管布设信息进行不锈钢管的检测和更换分析,生成与不锈钢管位置具有映射关系的难度因子;
通过所述难度因子进行防腐蚀控制数据、特殊段保护数据的保护补偿。
进一步而言,所述系统还包括策略补偿模块,以执行如下操作步骤:
设定综合协调网络,所述综合协调网络通过采集不锈钢管防腐蚀处理结果构建;
通过所述综合协调网络执行处理结果与预期结果的偏离评价,并根据偏离评价生成约束反馈;
通过所述约束反馈进行下一任务的策略补偿。
本说明书通过前述对不锈钢钢管的防腐蚀优化方法的详细描述,本领域技术人员可以清楚得知道本实施例中不锈钢钢管的防腐蚀优化方法及系统,对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述得比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.不锈钢钢管的防腐蚀优化方法,其特征在于,所述方法包括:
生成不锈钢管的标定数据集,所述标定数据集为采集不锈钢管的设计信息生成的数据集;
采集不锈钢管的钢管布设信息,依据所述钢管布设信息进行分段划分,确定常规分段、过渡分段和特殊分段,其中,过渡分段和特殊分段均具有分段标识;
建立环境数据集,所述环境数据集通过对不锈钢管的布设位置进行连续数据采集建立而成,且所述环境数据集与所述常规分段、所述特殊分段具有映射关系;
通过常规分段映射的环境数据建立基础环境特征,并以所述基础环境特征作为防腐蚀的寻优目标,执行所述标定数据集的防腐蚀控制寻优,生成防腐蚀控制数据;
通过特殊分段映射的环境数据建立特殊环境特征,并以所述特殊环境特征作为防腐蚀的寻优目标,执行所述防腐蚀控制数据的保护寻优,生成特殊段保护数据;
获取所述过渡分段的特征数据集,基于所述特征数据集生成过渡关联因子;
通过所述防腐蚀控制数据执行不锈钢管的防腐蚀加工,通过所述特殊段保护数据和所述过渡关联因子进行过渡分段和特殊分段的不锈钢管防腐蚀处理。
2.如权利要求1所述的方法,其特征在于,所述方法还包括:
设置锈蚀的补偿周期,在不锈钢管铺设完成后,在所述补偿周期进行不锈钢管的环境数据采集,建立周期数据集;
以所述周期数据集进行局部环境的形成分析,建立局部环境特征,所述局部环境特征带有趋势标识;
通过所述局部环境特征进行不锈钢管的局部位置防腐蚀优化管理。
3.如权利要求2所述的方法,其特征在于,所述方法还包括:
在所述补偿周期,通过图像数据传感器执行不锈钢管的数据采集,建立图像数据集;
对所述图像数据集执行自适应锚框的异常识别,生成异常识别结果;
以所述异常识别结果作为始态数据,以所述局部环境特征作为持续影响数据,输入腐蚀策略拟合网络,生成腐蚀处理方案;
通过所述腐蚀处理方案进行不锈钢管的局部位置防腐蚀优化管理。
4.如权利要求1所述的方法,其特征在于,所述方法还包括:
对所述不锈钢管进行价值度评价,生成价值度关联系数;
基于标定腐蚀应对速度作为寻优输出结果,执行所述标定数据集的防腐蚀控制寻优,生成防腐蚀控制数据集合;
通过所述价值度关联系数执行所述防腐蚀控制数据集合的成本-防腐蚀效果的平衡筛选;
根据平衡筛选结果确定防腐蚀控制数据。
5.如权利要求1所述的方法,其特征在于,所述方法还包括:
建立过渡分段的特征数据集,所述特征数据集通过读取相邻常规分段和相邻特殊分段数据建立,所述特征数据集包括过渡分段长度特征、相邻环境的差异特征;
对相邻特殊分段进行环境的稳态评价,生成稳态影响因子;
基于所述特征数据集进行过渡辐射衰减分析,通过稳态影响因子调整衰减分析结果,生成过渡关联因子。
6.如权利要求1所述的方法,其特征在于,所述方法还包括:
依据所述钢管布设信息进行不锈钢管的检测和更换分析,生成与不锈钢管位置具有映射关系的难度因子;
通过所述难度因子进行防腐蚀控制数据、特殊段保护数据的保护补偿。
7.如权利要求1所述的方法,其特征在于,所述方法还包括:
设定综合协调网络,所述综合协调网络通过采集不锈钢管防腐蚀处理结果构建;
通过所述综合协调网络执行处理结果与预期结果的偏离评价,并根据偏离评价生成约束反馈;
通过所述约束反馈进行下一任务的策略补偿。
8.不锈钢钢管的防腐蚀优化系统,其特征在于,用于实施权利要求1-7任一项所述的不锈钢钢管的防腐蚀优化方法,包括:
标定数据集生成模块,所述标定数据集生成模块用于生成不锈钢管的标定数据集,所述标定数据集为采集不锈钢管的设计信息生成的数据集;
布设信息采集模块,所述布设信息采集模块用于采集不锈钢管的钢管布设信息,依据所述钢管布设信息进行分段划分,确定常规分段、过渡分段和特殊分段,其中,过渡分段和特殊分段均具有分段标识;
环境数据集建立模块,所述环境数据集建立模块用于建立环境数据集,所述环境数据集通过对不锈钢管的布设位置进行连续数据采集建立而成,且所述环境数据集与所述常规分段、所述特殊分段具有映射关系;
防腐蚀控制寻优模块,所述防腐蚀控制寻优模块用于通过常规分段映射的环境数据建立基础环境特征,并以所述基础环境特征作为防腐蚀的寻优目标,执行所述标定数据集的防腐蚀控制寻优,生成防腐蚀控制数据;
保护寻优模块,所述保护寻优模块用于通过特殊分段映射的环境数据建立特殊环境特征,并以所述特殊环境特征作为防腐蚀的寻优目标,执行所述防腐蚀控制数据的保护寻优,生成特殊段保护数据;
关联因子生成模块,所述关联因子生成模块用于获取所述过渡分段的特征数据集,基于所述特征数据集生成过渡关联因子;
防腐蚀处理模块,所述防腐蚀处理模块用于通过所述防腐蚀控制数据执行不锈钢管的防腐蚀加工,通过所述特殊段保护数据和所述过渡关联因子进行过渡分段和特殊分段的不锈钢管防腐蚀处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311295412.8A CN117031930B (zh) | 2023-10-09 | 2023-10-09 | 不锈钢钢管的防腐蚀优化方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311295412.8A CN117031930B (zh) | 2023-10-09 | 2023-10-09 | 不锈钢钢管的防腐蚀优化方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117031930A true CN117031930A (zh) | 2023-11-10 |
CN117031930B CN117031930B (zh) | 2023-12-15 |
Family
ID=88645316
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311295412.8A Active CN117031930B (zh) | 2023-10-09 | 2023-10-09 | 不锈钢钢管的防腐蚀优化方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117031930B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117744926A (zh) * | 2023-12-20 | 2024-03-22 | 广东腾安机电安装工程有限公司 | 一种制冷机房装配式管道的施工管理方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014038687A1 (ja) * | 2012-09-10 | 2014-03-13 | 三菱電機株式会社 | 防食性能劣化検知センサーおよびそれを備えた給湯暖房システム |
CN108253211A (zh) * | 2018-01-25 | 2018-07-06 | 胜利油田金岛实业有限责任公司胜岛石油机械厂 | 一种高分子防腐内衬加长接箍 |
US20180284747A1 (en) * | 2016-05-09 | 2018-10-04 | StrongForce IoT Portfolio 2016, LLC | Methods and systems for optimization of data collection and storage using 3rd party data from a data marketplace in an industrial internet of things environment |
CN110073301A (zh) * | 2017-08-02 | 2019-07-30 | 强力物联网投资组合2016有限公司 | 工业物联网中具有大数据集的数据收集环境下的检测方法和系统 |
CN111570226A (zh) * | 2020-06-08 | 2020-08-25 | 河南冰熊专用车辆制造有限公司 | 一种不锈钢板表面防腐处理工艺 |
CN115541656A (zh) * | 2022-08-02 | 2022-12-30 | 中国大唐集团科学技术研究总院有限公司华北电力试验研究院 | 一种海洋环境钢结构防腐蚀涂层失效在线监测系统及方法 |
-
2023
- 2023-10-09 CN CN202311295412.8A patent/CN117031930B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014038687A1 (ja) * | 2012-09-10 | 2014-03-13 | 三菱電機株式会社 | 防食性能劣化検知センサーおよびそれを備えた給湯暖房システム |
US20180284747A1 (en) * | 2016-05-09 | 2018-10-04 | StrongForce IoT Portfolio 2016, LLC | Methods and systems for optimization of data collection and storage using 3rd party data from a data marketplace in an industrial internet of things environment |
CN110073301A (zh) * | 2017-08-02 | 2019-07-30 | 强力物联网投资组合2016有限公司 | 工业物联网中具有大数据集的数据收集环境下的检测方法和系统 |
CN108253211A (zh) * | 2018-01-25 | 2018-07-06 | 胜利油田金岛实业有限责任公司胜岛石油机械厂 | 一种高分子防腐内衬加长接箍 |
CN111570226A (zh) * | 2020-06-08 | 2020-08-25 | 河南冰熊专用车辆制造有限公司 | 一种不锈钢板表面防腐处理工艺 |
CN115541656A (zh) * | 2022-08-02 | 2022-12-30 | 中国大唐集团科学技术研究总院有限公司华北电力试验研究院 | 一种海洋环境钢结构防腐蚀涂层失效在线监测系统及方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117744926A (zh) * | 2023-12-20 | 2024-03-22 | 广东腾安机电安装工程有限公司 | 一种制冷机房装配式管道的施工管理方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117031930B (zh) | 2023-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117031930B (zh) | 不锈钢钢管的防腐蚀优化方法及系统 | |
EP2477088B1 (en) | System and method for identifying likely geographical locations of anomalies in a water utility network | |
TWI502299B (zh) | 監視水事業體網路之資源的系統及方法 | |
AU2019409127A1 (en) | An improved method for evaluating pipe condition | |
Meyers et al. | Short-term forecasting of turbidity in trunk main networks | |
CN113614359A (zh) | 用于预测风力涡轮机齿轮箱组件中的可观察损坏的风险的方法和系统 | |
Li et al. | What makes long‐term monitoring convenient? A parametric analysis of value of information in infrastructure maintenance | |
Liu et al. | Computational intelligence for urban infrastructure condition assessment: Water transmission and distribution systems | |
CN111191855B (zh) | 一种基于管网多元水质时序数据的水质异常事件识别预警方法 | |
CN115899595A (zh) | 一种智慧燃气管道防腐优化方法、物联网系统及存储介质 | |
CN117743909A (zh) | 一种基于人工智能的供热系统故障分析方法及装置 | |
CN114781906A (zh) | 一种基于人工智能的电力电缆运行预警方法 | |
Haider et al. | Impact of pavement monitoring frequency on pavement management system decisions | |
CN117191147A (zh) | 一种泄洪大坝水位监测预警方法及系统 | |
CN116384732A (zh) | 场站管道风险智能评估方法、系统、存储介质及计算设备 | |
Tan | Statistical methods for the analysis of corrosion data for integrity assessments | |
CN113836813A (zh) | 一种基于数据分析的高炉风口漏水检测方法 | |
CN116560417B (zh) | 用于气液分离的全自动排液控制方法及系统 | |
WO2020183781A1 (ja) | 異常診断装置 | |
CN118052082B (zh) | 加热铠丝管口密封控制方法及系统 | |
Smith et al. | Intelligent Corrosion Prediction using Bayesian Networks | |
Belhaj Salem et al. | Prognostic and Classification of the Dynamic Degradation in a Mechanical System Using Variance Gamma Process. Mathematics 2021, 9, 254 | |
Timashev | Basic performance metrics of in-line inspection tools | |
Meyers | Data-driven Approaches for Near Real-time Forecasting of Discolouration Events in Pipe Networks | |
Belanger et al. | Data Fusion of Non-Destructive Evaluation and Inline Inspection for Higher Accuracy Integrity Evaluation |
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 |