CN117433666B - 基于应力检测的压力容器故障预警方法及系统 - Google Patents

基于应力检测的压力容器故障预警方法及系统 Download PDF

Info

Publication number
CN117433666B
CN117433666B CN202311364569.1A CN202311364569A CN117433666B CN 117433666 B CN117433666 B CN 117433666B CN 202311364569 A CN202311364569 A CN 202311364569A CN 117433666 B CN117433666 B CN 117433666B
Authority
CN
China
Prior art keywords
abnormal
stress
early warning
pressure vessel
data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202311364569.1A
Other languages
English (en)
Other versions
CN117433666A (zh
Inventor
李学洪
陈延龙
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.)
Special Equipment Safety Supervision Inspection Institute of Jiangsu Province
Original Assignee
Special Equipment Safety Supervision Inspection Institute of Jiangsu Province
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 Special Equipment Safety Supervision Inspection Institute of Jiangsu Province filed Critical Special Equipment Safety Supervision Inspection Institute of Jiangsu Province
Priority to CN202311364569.1A priority Critical patent/CN117433666B/zh
Publication of CN117433666A publication Critical patent/CN117433666A/zh
Application granted granted Critical
Publication of CN117433666B publication Critical patent/CN117433666B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01LMEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
    • G01L1/00Measuring force or stress, in general
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01LMEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
    • G01L1/00Measuring force or stress, in general
    • G01L1/20Measuring force or stress, in general by measuring variations in ohmic resistance of solid materials or of electrically-conductive fluids; by making use of electrokinetic cells, i.e. liquid-containing cells wherein an electrical potential is produced or varied upon the application of stress
    • G01L1/22Measuring force or stress, in general by measuring variations in ohmic resistance of solid materials or of electrically-conductive fluids; by making use of electrokinetic cells, i.e. liquid-containing cells wherein an electrical potential is produced or varied upon the application of stress using resistance strain gauges
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/24Classification techniques
    • G06F18/243Classification techniques relating to the number of classes
    • G06F18/2433Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02EREDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E30/00Energy generation of nuclear origin
    • Y02E30/30Nuclear fission reactors

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

本公开提供了一种基于应力检测的压力容器故障预警方法及系统,涉及设备故障预警技术,方法包括:设置应力检测集成装置;对压力容器进行连续检测,得到应力连续变化样本;利用应力连续变化样本作为训练数据,生成异常识别模块,将实时应力检测数据输入异常识别模块,获取异常检测数据以及异常焊缝;对异常焊缝的位置进行相关性识别,得到异常相关指标;若异常相关指标大于等于预设相关指标,生成第一预警信号发送至上位机,由所述上位机上传报警信息到压力容器故障预警中心。能够解决现有的压力容器故障预警方法存在异常数据识别精度较低导致预警准确率较低的技术问题,可以提高压力容器故障预警的准确率,从而提高故障维修的效率和质量。

Description

基于应力检测的压力容器故障预警方法及系统
技术领域
本公开涉及设备故障预警技术,并且更具体地,涉及一种基于应力检测的压力容器故障预警方法及系统。
背景技术
压力容器是一种承载一定压力的密封容器设备,主要通过焊接工艺制作而成,因此焊接质量直接关系到压力容器的使用质量,由于体积较大的压力容器存在多个焊接壳体和焊缝,现有的压力容器故障预警方法在进行故障预警时往往会出现预警精度不够的现象,导致预警位置和预警状态的精度和准确性较低,影响了故障维修的质量和效率。
现有的压力容器故障预警方法存在的不足之处在于:由于异常数据识别精度较低导致故障预警准确率较低。
发明内容
因此,为了解决上述技术问题,本公开的实施例采用的技术方案如下:
基于应力检测的压力容器故障预警方法,包括以下步骤:设置应力检测集成装置,所述应力检测集成装置包括N个应力传感器,所述N个应力传感器通过贴片式设置在压力容器的N个焊缝位置处,N为大于等于0的正整数;根据所述应力检测集成装置对所述压力容器进行连续检测,得到应力连续变化样本;利用所述应力连续变化样本作为训练数据,生成异常识别模块,将实时应力检测数据输入所述异常识别模块,获取异常检测数据,以及所述异常检测数据对应的异常焊缝;得到所述异常焊缝的位置,对所述异常焊缝的位置进行相关性识别,得到异常相关指标;若所述异常相关指标大于等于预设相关指标,根据所述异常检测数据,生成第一预警信号,将所述第一预警信号发送至上位机,由所述上位机上传报警信息到压力容器故障预警中心。
基于应力检测的压力容器故障预警系统,包括:应力检测集成装置设置模块,所述应力检测集成装置设置模块用于设置应力检测集成装置,所述应力检测集成装置包括N个应力传感器,所述N个应力传感器通过贴片式设置在压力容器的N个焊缝位置处,N为大于等于0的正整数;应力连续变化样本得到模块,所述应力连续变化样本得到模块用于根据所述应力检测集成装置对所述压力容器进行连续检测,得到应力连续变化样本;异常检测数据获取模块,所述异常检测数据获取模块用于利用所述应力连续变化样本作为训练数据,生成异常识别模块,将实时应力检测数据输入所述异常识别模块,获取异常检测数据,以及所述异常检测数据对应的异常焊缝;异常相关指标得到模块,所述异常相关指标得到模块用于得到所述异常焊缝的位置,对所述异常焊缝的位置进行相关性识别,得到异常相关指标;第一预警信号生成模块,所述第一预警信号生成模块用于若所述异常相关指标大于等于预设相关指标,根据所述异常检测数据,生成第一预警信号,将所述第一预警信号发送至上位机,由所述上位机上传报警信息到压力容器故障预警中心。
由于采用了上述技术方法,本公开相对于现有技术来说,取得的技术进步有如下几点:
(1)可以解决现有的压力容器故障预警方法存在异常数据识别精度较低导致预警准确率较低的技术问题,首先,根据压力容器的结构信息在焊缝位置设置适配数量的应力传感器,构建应力检测集成装置;然后通过所述应力检测集成装置对所述压力容器进行连续检测,得到应力连续变化样本;进一步将所述应力连续变化样本作为训练数据,构建异常识别模块,并将实时应力检测数据输入所述异常识别模块,获取异常检测数据,以及所述异常检测数据对应的异常焊缝;并对异常焊缝的位置进行相关性识别,得到异常相关指标;根据预设相关指标对所述异常相关指标进行判断,当所述异常相关指标大于等于预设相关指标时,则根据所述异常检测数据,生成第一预警信号,并将所述第一预警信号发送至上位机,由所述上位机上传报警信息到压力容器故障预警中心。通过对压力容器的焊缝位置进行持续性应力检测,并根据异常应力检测数据进行压力容器的故障预警,可以提高异常数据识别的精准度,从而提高压力容器故障预警的准确率,进一步提高故障维修的效率和质量。
(2)通过对异常焊缝的位置进行相关性识别,可以避免压力容器故障预警错报、漏报的现象发生,从而进一步提高压力容器故障预警的准确率。
附图说明
为了更清楚地说明本公开的实施例的技术方案,下面将对实施例的描述中所需要使用的附图作简单的介绍。
图1为本申请提供了一种基于应力检测的压力容器故障预警方法的流程示意图;
图2为本申请提供了一种基于应力检测的压力容器故障预警方法中得到异常相关指标的流程示意图;
图3为本申请提供了一种基于应力检测的压力容器故障预警系统的结构示意图。
附图标记说明:应力检测集成装置设置模块01、应力连续变化样本得到模块02、异常检测数据获取模块03、异常相关指标得到模块04、第一预警信号生成模块05。
具体实施方式
下面将结合本公开实施例中的附图,对本公开实施例中的技术方案进行清楚、完整的描述。基于本公开中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本公开保护的范围。
基于上述描述,如图1所示,本公开提供了一种基于应力检测的压力容器故障预警方法,包括:
本申请提供的方法用于通过应力检测的技术手段对压力容器进行故障预警,来达到提高压力容器故障预警的准确率的目的,其中压力容器是一种带有一定压力的密封容器,其中包括储存压力容器、反应压力容器、换热压力容器、分离压力容器等多种类型,所述方法具体实施于一种基于应力检测的压力容器故障预警系统。
设置应力检测集成装置,所述应力检测集成装置包括N个应力传感器,所述N个应力传感器通过贴片式设置在压力容器的N个焊缝位置处,N为大于等于0的正整数;
在本申请实施例中,首先,基于所述压力容器的结构信息设置应力检测集成装置,其中所述应力检测集成装置包括N个应力传感器,N为大于等于0的正整数,N的具体取值本领域技术人员可根据所述压力容器的结构、规格等实际情况进行设置,例如:设置N为100,且所述N个应力传感器通过贴片式设置在压力容器的N个焊缝位置处,例如:应力检测片,其中应力检测原理为当外力作用于应变片时,材料会发生形变,使得应变片的电阻值发生变化,以此来对外力进行检测。
在一个实施例中,所述方法还包括:
所述压力容器的多个焊缝至少包括筒体表面的纵缝、筒体与左封头的拼缝、筒体与右封头的拼缝、封头嵌入式液位计的纵缝,筒体与人孔的焊缝以及筒体与嵌入式管口的焊缝。
在本申请实施例中,其中所述压力容器的多个焊缝至少包括筒体表面的纵缝、筒体与左封头的拼缝、筒体与右封头的拼缝、封头嵌入式液位计的纵缝、筒体与人孔的焊缝以及筒体与嵌入式管口的焊缝,本领域技术人员也可根据实际情况添加压力容器其他位置的焊缝。
在一个实施例中,所述方法还包括:
获取所述压力容器的结构信息;
根据所述压力容器的结构信息,确定所述压力容器的多个焊缝;
对所述压力容器的各个焊缝进行几何识别,输出焊缝长度;
若所述焊缝长度大于预设焊缝长度,在同一焊缝设置多个应力传感器。
在本申请实施例中,首先,获取所述压力容器的结构信息,其中所述结构信息包括压力容器的类型、拼接面积、拼接面数量、拼接面连接方式等信息。然后根据所述结构信息进行焊缝标记,确定所述压力容器的多个焊缝。利用测量工具对所述多个焊缝依次进行长度测量,其中测量工具包括卷尺、直尺等工具,可根据实际情况自行选择,输出多个焊缝的焊缝长度。
获取预设焊缝长度,所述预设焊缝长度本领域技术人员可根据应力传感器的实际有效测量范围进行设置,例如:假设应力传感器的实际有效测量范围为0.5米,则设置预设焊缝长度为0.5米。然后根据所述预设焊缝长度对多个焊缝长度依次进行判断,当所述焊缝长度小于等于所述预设焊缝长度时,则在该焊缝位置设置一个应力传感器;当所述焊缝长度大于所述预设焊缝长度时,则计算所述焊缝长度与所述预设焊缝长度的比值,并将所述比值取整作为该焊缝位置的应力传感器数量,例如:当预设焊缝长度为0.5米,A位置的焊缝长度为1.4米,则在A位置均匀布置3个应力传感器。通过基于焊缝长度设置适配数量的应力传感器,可以在保证应力检测质量的前提下减少应力传感器的资源浪费。
根据所述应力检测集成装置对所述压力容器进行连续检测,得到应力连续变化样本;
在本申请实施例中,获取预设检测时间节点,所述预设检测时间节点本领域技术人员可根据实际数据需求进行设置,其中预设检测时间节点之间的时间间隔越短,检测数据量越大,则检测精度越高。例如:设置预设检测时间节点为1分钟,即每隔1分钟通过所述应力检测集成装置对所述压力容器进行一次检测,获得预设检测时间节点的应力检测数据和压力容器的工作状态,然后将所述应力检测数据和所述工作状态按照预设检测时间节点的先后顺序进行排列,生成应力连续变化样本。通过生成应力连续变化样本,为构建异常识别模块提供了训练数据支持。
利用所述应力连续变化样本作为训练数据,生成异常识别模块,将实时应力检测数据输入所述异常识别模块,获取异常检测数据,以及所述异常检测数据对应的异常焊缝;
在本申请实施例中,构建异常识别模块,其中所述异常识别模块中内嵌有相似比对通道,将所述应力连续变化样本作为所述相似比对通道的训练数据,对所述相似比对通道进行训练,生成异常识别模块。然后将实时应力检测数据和压力容器的实时工作状态输入所述异常识别模块的相似比对通道进行相似度比对,获得相似比对结果。获取预设相似比对阈值,当所述相似比对结果小于所述相似比对阈值时,则将应力检测数据标记为异常检测数据,并获取所述异常检测数据对应的异常焊缝。
在一个实施例中,所述方法还包括:
根据所述应力检测集成装置,获取所述应力连续样本,其中,所述应力连续样本通过持续性实时监测获得;
对所述应力连续样本数据进行数据流分析,获取数据流指标;
以所述数据流指标设置相位变化参数,利用所述相位变化参数对所述应力连续样本进行相位调制,得到调制后的应力连续变化样本;
将调制后的应力连续变化样本作为训练数据,生成异常识别模块,利用所述异常识别模块对所述实时应力检测数据进行近邻局部密度偏差识别,获取所述异常检测数据。
在本申请实施例中,首先,根据所述应力检测集成装置对所述压力容器进行持续性实时监测,获得持续性实时监测应力数据和持续性实时压力容器工作状态,其中实时监测应力数据和实时压力容器工作状态具有对应关系,并根据所述持续性实时监测应力数据和所述持续性实时压力容器工作状态构建应力连续样本。
对所述应力连续样本数据进行数据流分析,其中数据流是指一组有序的带有起点和终点的数据序列,生成数据流指标,所述数据流指标是指数据流中数据量的大小,本领域技术人员可根据数据量的实际大小进行设置,例如:设置数据流指标为数据量1GB。然后根据所述数据流指标设置相位变化参数,所述相位变化参数为一个数据流指标内的相位变化幅度,可自行基于实际情况设置,例如:设置相位变化参数为20%。然后根据所述相位变化参数对所述应力连续样本进行相位调制,其中相位调制是指将所述应力连续样本中相位变化幅度小于等于所述相位变化参数的应力连续样本数据聚为一类,即按照应力连续样本数据的变化情况将变化幅度较小的应力连续样本数据进行缩小,获得调制后的应力连续变化样本。通过根据相位变化参数对应力连续样本进行相位调制,可以对变化幅度较小的应力连续样本数据进行缩小,从而更能掌握应力连续样本数据的全局连续变化情况。
将调制后的应力连续变化样本按照压力容器工作状态进行聚类,获得多个压力容器工作状态对应的多个应力变化样本数据集合,然后在多个压力容器工作状态中随机选取第一压力容器工作状态,并获取所述第一压力容器工作状态对应的第一应力变化样本数据集合,根据所述第一应力变化样本数据集合依次计算多个焊缝位置的应力平均值,获得所述第一压力容器工作状态对应的第一平均应力变化样本数据,依次计算获得多个压力容器工作状态对应的多个平均应力变化样本数据。并基于压力容器工作状态与平均应力变化样本数据的对应关系构建应力监测数据库,并将所述应力监测数据库添加进相似比对通道,并将所述相似比对通道嵌入所述异常识别模块,获得异常识别模块。
获得实时应力检测数据和压力容器的实时工作状态,并将所述实时应力检测数据和所述实时工作状态输入所述异常识别模块的相似比对通道进行相似性分析,首先,根据所述实时工作状态匹配对应的平均应力变化样本数据,并根据平均应力变化样本数据对所述实时应力检测数据进行相似性分析,其中所述相似性分析根据相同焊缝位置的实时应力检测数据与平均应力变化样本数据的误差计算获得,其中误差越大,则两者之间的相似性越低;误差越小,则两者之间的相似性越高,获得多个相似性分析结果,其中所述相似性分析结果和所述焊缝具有对应关系。获取预设相似比对阈值,所述预设相似比对阈值本领域技术人员可根据实际情况进行设置,然后根据所述预设相似比对阈值对所述多个相似性分析结果进行判断,当所述相似性分析结果小于所述预设相似比对阈值时,则将所述相似性分析结果对应的应力检测数据标记为异常检测数据,获得异常检测数据。并根据所述异常检测数据获得对应的异常焊缝。通过获得异常检测数据和异常焊缝,为下一步进行压力容器的故障预警提供了数据支持。
得到所述异常焊缝的位置,对所述异常焊缝的位置进行相关性识别,得到异常相关指标;
在本申请实施例中,获取多个所述异常焊缝的多个焊缝位置,并对所述多个焊缝位置进行相关性分析,生成异常相关指标。
如图2所示,在一个实施例中,所述方法还包括:
根据所述异常焊缝的位置进行位置间距识别,输出间距相关指标;
确定各个异常焊缝对应的第一连接壳体和第二连接壳体,其中,所述第一连接壳体和所述第二连接壳体为对应异常焊缝周围连接的壳体;
通过对各个异常焊缝对应的所述第一连接壳体和所述第二连接壳体进行识别,得到位置相关指标;
在本申请实施例中,首先,对所述多个异常焊缝的焊缝位置依次进行位置间距识别,所述位置间距识别是指获取每个异常焊缝与另一个异常焊缝之间的最短距离,并将所述最短距离作为该异常焊缝位置的间距相关指标,其中距离越短,则间距相关指标越大。
确定每个异常焊缝对应的第一连接壳体和第二连接壳体,其中所述第一连接壳体和所述第二连接壳体为对应异常焊缝周围连接的壳体。然后依次对每个焊缝对应的所述第一连接壳体和所述第二连接壳体进行识别,生成位置相关指标。
在一个实施例中,所述方法还包括:
根据所述第一连接壳体和所述第二连接壳体对所述各个异常焊缝的位置进行识别;
通过对所述压力容器进行壳体表面编码,生成壳体编码库;
基于所述壳体编码库,对各个异常焊缝进行两两比对,若两个异常焊缝对应的所述第一连接壳体和所述第二连接壳体的编码匹配成功时,标识对应的异常焊缝;
根据标识异常焊缝的数量,输出位置相关指标。
在本申请实施例中,首先,获取每个异常焊缝对应的第一连接壳体和第二连接壳体。然后对所述压力容器进行壳体表面编码,即对每个壳体都进行数字编码,且每个壳体表面的数字编码各不相同,构建壳体编码库。然后在多个异常焊缝中随机选取两个异常焊缝,并获取两个异常焊缝对应的第一连接壳体和第二连接壳体,然后将两个异常焊缝对应的所述第一连接壳体和所述第二连接壳体输入所述壳体编码库,获得两个第一连接壳体的表面编码和两个第二连接壳体的表面编码,当所述第一连接壳体的表面编码相同且所述二连接壳体的表面编码相同时,则编码匹配成功,即表征这两个异常焊缝属于同一条焊缝,并将这两个异常焊缝做为标识异常焊缝。统计标识异常焊缝的数量,即相同焊缝的出现次数,并根据标识异常焊缝的数量生成位置相关指标,其中标识异常焊缝的数量越大,则位置相关指标越大。
基于所述间距相关指标和所述位置相关指标进行计算,输出所述异常相关指标。
在本申请实施例中,获取所述间距相关指标和所述位置相关指标的权重值,所述权重值可根据间距相关指标和位置相关指标对压力容器故障的损害程度进行设置,其中损害程度越大,则对应的权重值越大,可通过现有的变异系数法进行权重值设置,其中变异系数法为本领域技术人员常用的赋权方法,在此不进行展开说明。然后根据所述权重值对每个异常焊缝位置的所述间距相关指标和所述位置相关指标进行加权计算,并将加权计算结果作为异常焊缝位置的异常相关指标。其中异常相关指标越大,表征该异常焊缝位置的故障越严重。通过对异常焊缝的位置进行相关性识别,生成异常相关指标,可以避免压力容器故障预警错报、漏报、重报的现象发生,从而进一步提高压力容器故障预警的准确率。
若所述异常相关指标大于等于预设相关指标,根据所述异常检测数据,生成第一预警信号,将所述第一预警信号发送至上位机,由所述上位机上传报警信息到压力容器故障预警中心。
在本申请实施例中,首先,获取预设相关指标,所述预设相关指标本领域技术人员可根据实际故障检测需求进行设置,其中故障检测需求精度越高,则预设相关指标越小。然后根据所述预设相关指标对所述异常相关指标进行判断,当所述异常相关指标大于等于预设相关指标时,则根据所述异常检测数据,生成第一预警信号,并将所述第一预警信号发送至上位机,由所述上位机上传报警信息到压力容器故障预警中心。其中现有的压力容器故障预警系统主要包括下位机、上位机、故障预警中心这三部分,其中下位机用于采集现场数据,且与上位机通过短距离通信的方式连接;故障预警中心为远程监控压力容器工作状态的工作室或设备,上位机通过互联网通信的方式与故障预警中心连接。
通过上述方法可以解决现有的压力容器故障预警方法存在异常数据识别精度较低导致预警准确率较低的技术问题,通过生成第一预警信号进行故障预警,可以提高异常数据识别的精准度,从而提高压力容器故障预警的准确率,进一步提高故障维修的效率和质量。
在一个实施例中,所述方法还包括:
若所述异常相关指标大于等于所述预设相关指标,根据所述异常检测数据得到各个异常焊缝的应力异常偏离度;
基于所述应力异常偏离度对所述异常焊缝进行节点信息熵标识,根据信息熵标识结果,得到故障等级,根据所述故障等级生成所述第一预警信号。
在本申请实施例中,当所述异常相关指标大于等于所述预设相关指标时,则根据所述异常检测数据计算获得各个异常焊缝的应力异常偏离度,其中所述异常偏离度通过计算每个异常焊缝的实时应力检测数据与平均应力变化样本数据的差值得出,其中差值越大,则异常偏离度越大。然后根据所述应力异常偏离度依次对每个异常焊缝进行节点信息熵标识,并根据信息熵标识结果,得到故障等级,其中异常偏离度越大,则故障等级越高,最后根据所述故障等级生成所述第一预警信号,其中所述第一预警信号中包括多个异常焊缝位置和对应的故障等级。通过根据应力异常偏离度进行异常焊缝位置的故障等级标识,可以进一步提高故障预警的准确性。
在一个实施例中,如图3所示提供了一种基于应力检测的压力容器故障预警系统,包括:应力检测集成装置设置模块01、应力连续变化样本得到模块02、异常检测数据获取模块03、异常相关指标得到模块04、第一预警信号生成模块05、其中:
应力检测集成装置设置模块01,所述应力检测集成装置设置模块01用于设置应力检测集成装置,所述应力检测集成装置包括N个应力传感器,所述N个应力传感器通过贴片式设置在压力容器的N个焊缝位置处,N为大于等于0的正整数;
应力连续变化样本得到模块02,所述应力连续变化样本得到模块02用于根据所述应力检测集成装置对所述压力容器进行连续检测,得到应力连续变化样本;
异常检测数据获取模块03,所述异常检测数据获取模块03用于利用所述应力连续变化样本作为训练数据,生成异常识别模块,将实时应力检测数据输入所述异常识别模块,获取异常检测数据,以及所述异常检测数据对应的异常焊缝;
异常相关指标得到模块04,所述异常相关指标得到模块04用于得到所述异常焊缝的位置,对所述异常焊缝的位置进行相关性识别,得到异常相关指标;
第一预警信号生成模块05,所述第一预警信号生成模块05用于若所述异常相关指标大于等于预设相关指标,根据所述异常检测数据,生成第一预警信号,将所述第一预警信号发送至上位机,由所述上位机上传报警信息到压力容器故障预警中心。
在一个实施例中,所述系统还包括:
位置间距识别模块,所述位置间距识别模块用于根据所述异常焊缝的位置进行位置间距识别,输出间距相关指标;
连接壳体确定模块,所述连接壳体确定模块用于确定各个异常焊缝对应的第一连接壳体和第二连接壳体,其中,所述第一连接壳体和所述第二连接壳体为对应异常焊缝周围连接的壳体;
位置相关指标得到模块,所述位置相关指标得到模块用于通过对各个异常焊缝对应的所述第一连接壳体和所述第二连接壳体进行识别,得到位置相关指标;
异常相关指标输出模块,所述异常相关指标输出模块用于基于所述间距相关指标和所述位置相关指标进行计算,输出所述异常相关指标。
在一个实施例中,所述系统还包括:
异常焊缝位置识别模块,所述异常焊缝位置识别模块用于根据所述第一连接壳体和所述第二连接壳体对所述各个异常焊缝的位置进行识别;
壳体表面编码模块,所述壳体表面编码模块用于通过对所述压力容器进行壳体表面编码,生成壳体编码库;
异常焊缝标识模块,所述异常焊缝标识模块用于基于所述壳体编码库,对各个异常焊缝进行两两比对,若两个异常焊缝对应的所述第一连接壳体和所述第二连接壳体的编码匹配成功时,标识对应的异常焊缝;
位置相关指标输出模块,所述位置相关指标输出模块用于根据标识异常焊缝的数量,输出位置相关指标。
在一个实施例中,所述系统还包括:
应力异常偏离度得到模块,所述应力异常偏离度得到模块用于若所述异常相关指标大于等于所述预设相关指标,根据所述异常检测数据得到各个异常焊缝的应力异常偏离度;
第一预警信号生成模块,所述第一预警信号生成模块用于基于所述应力异常偏离度对所述异常焊缝进行节点信息熵标识,根据信息熵标识结果,得到故障等级,根据所述故障等级生成所述第一预警信号。
在一个实施例中,所述系统还包括:
结构信息获取模块,所述结构信息获取模块用于获取所述压力容器的结构信息;
焊缝确定模块,所述焊缝确定模块用于根据所述压力容器的结构信息,确定所述压力容器的多个焊缝;
焊缝长度输出模块,所述焊缝长度输出模块用于对所述压力容器的各个焊缝进行几何识别,输出焊缝长度;
应力传感器设置模块,所述应力传感器设置模块用于若所述焊缝长度大于预设焊缝长度,在同一焊缝设置多个应力传感器。
在一个实施例中,所述系统还包括:
焊缝概括模块,所述焊缝概括模块是指所述压力容器的多个焊缝至少包括筒体表面的纵缝、筒体与左封头的拼缝、筒体与右封头的拼缝、封头嵌入式液位计的纵缝,筒体与人孔的焊缝以及筒体与嵌入式管口的焊缝。
在一个实施例中,所述系统还包括:
应力连续样本获取模块,所述应力连续样本获取模块用于根据所述应力检测集成装置,获取所述应力连续样本,其中,所述应力连续样本通过持续性实时监测获得;
数据流分析模块,所述数据流分析模块用于对所述应力连续样本数据进行数据流分析,获取数据流指标;
应力连续变化样本得到模块,所述应力连续变化样本得到模块用于以所述数据流指标设置相位变化参数,利用所述相位变化参数对所述应力连续样本进行相位调制,得到调制后的应力连续变化样本;
异常检测数据获取模块,所述异常检测数据获取模块用于将调制后的应力连续变化样本作为训练数据,生成异常识别模块,利用所述异常识别模块对所述实时应力检测数据进行近邻局部密度偏差识别,获取所述异常检测数据。
综上所述,与现有技术相比,本公开的实施例具有以下技术效果:
(1)通过生成第一预警信号进行压力容器的故障预警,由于所述第一预警信号中带有多个异常焊缝位置及对应的故障等级,因此可以提高异常数据识别的精准度,从而提高压力容器故障预警的准确率,进一步提高故障维修的效率和质量。
(2)通过根据相位变化参数对应力连续样本进行相位调制,可以对变化幅度较小的应力连续样本数据进行缩小,从而更能掌握应力连续样本数据的全局连续变化情况。
(3)通过对异常焊缝的位置进行相关性识别,生成异常相关指标,可以避免压力容器故障预警错报、漏报、重报的现象发生,从而进一步提高压力容器故障预警的准确率。
以上所述实施例仅表达了本公开的几种实施方式,但并不能因此而理解为对发明专利范围的限制。因此,在不脱离如由所附权利要求限定的本公开构思的范围的情况下,本领域普通技术人员可做出各种类型的替换、修改和变更,并且这些替换、修改和变更都属于本公开的保护范围。

Claims (6)

1.基于应力检测的压力容器故障预警方法,其特征在于,所述方法包括:
设置应力检测集成装置,所述应力检测集成装置包括N个应力传感器,所述N个应力传感器通过贴片式设置在压力容器的N个焊缝位置处,N为大于等于0的正整数;
根据所述应力检测集成装置对所述压力容器进行连续检测,得到应力连续变化样本;
利用所述应力连续变化样本作为训练数据,生成异常识别模块,将实时应力检测数据输入所述异常识别模块,获取异常检测数据,以及所述异常检测数据对应的异常焊缝;
得到所述异常焊缝的位置,对所述异常焊缝的位置进行相关性识别,得到异常相关指标;
若所述异常相关指标大于等于预设相关指标,根据所述异常检测数据,生成第一预警信号,将所述第一预警信号发送至上位机,由所述上位机上传报警信息到压力容器故障预警中心;
所述对所述异常焊缝的位置进行相关性识别,得到异常相关指标,方法还包括:
根据所述异常焊缝的位置进行位置间距识别,输出间距相关指标,所述位置间距识别是指获取每个异常焊缝与另一个异常焊缝之间的最短距离,并将所述最短距离作为该异常焊缝位置的间距相关指标,其中距离越短,则间距相关指标越大;
确定各个异常焊缝对应的第一连接壳体和第二连接壳体,其中,所述第一连接壳体和所述第二连接壳体为对应异常焊缝周围连接的壳体;
通过对各个异常焊缝对应的所述第一连接壳体和所述第二连接壳体进行识别,得到位置相关指标;
基于所述间距相关指标和所述位置相关指标进行计算,输出所述异常相关指标;
所述通过对各个异常焊缝对应的所述第一连接壳体和所述第二连接壳体进行识别,得到位置相关指标,方法还包括:
根据所述第一连接壳体和所述第二连接壳体对所述各个异常焊缝的位置进行识别;
通过对所述压力容器进行壳体表面编码,生成壳体编码库;
基于所述壳体编码库,对各个异常焊缝进行两两比对,若两个异常焊缝对应的所述第一连接壳体和所述第二连接壳体的编码匹配成功时,标识对应的异常焊缝;
根据标识异常焊缝的数量,输出位置相关指标。
2.如权利要求1所述的方法,其特征在于,若所述异常相关指标大于等于预设相关指标,根据所述异常检测数据,生成第一预警信号,方法还包括:
若所述异常相关指标大于等于所述预设相关指标,根据所述异常检测数据得到各个异常焊缝的应力异常偏离度;
基于所述应力异常偏离度对所述异常焊缝进行节点信息熵标识,根据信息熵标识结果,得到故障等级,根据所述故障等级生成所述第一预警信号。
3.如权利要求1所述的方法,其特征在于,所述方法还包括:
获取所述压力容器的结构信息;
根据所述压力容器的结构信息,确定所述压力容器的多个焊缝;
对所述压力容器的各个焊缝进行几何识别,输出焊缝长度;
若所述焊缝长度大于预设焊缝长度,在同一焊缝设置多个应力传感器。
4.如权利要求3所述的方法,其特征在于,所述压力容器的多个焊缝至少包括筒体表面的纵缝、筒体与左封头的拼缝、筒体与右封头的拼缝、封头嵌入式液位计的纵缝,筒体与人孔的焊缝以及筒体与嵌入式管口的焊缝。
5.如权利要求1所述的方法,其特征在于,利用所述应力连续变化样本作为训练数据,方法还包括:
根据所述应力检测集成装置,获取所述应力连续变化样本,其中,所述应力连续变化样本通过持续性实时监测获得;
对所述应力连续变化样本数据进行数据流分析,获取数据流指标;
以所述数据流指标设置相位变化参数,利用所述相位变化参数对所述应力连续变化样本进行相位调制,得到调制后的应力连续变化样本;
将调制后的应力连续变化样本作为训练数据,生成异常识别模块,利用所述异常识别模块对所述实时应力检测数据进行近邻局部密度偏差识别,获取所述异常检测数据。
6.基于应力检测的压力容器故障预警系统,其特征在于,用于执行权利要求1-5中所述的基于应力检测的压力容器故障预警方法中任意一项方法的步骤,所述方法包括:
应力检测集成装置设置模块,所述应力检测集成装置设置模块用于设置应力检测集成装置,所述应力检测集成装置包括N个应力传感器,所述N个应力传感器通过贴片式设置在压力容器的N个焊缝位置处,N为大于等于0的正整数;
应力连续变化样本得到模块,所述应力连续变化样本得到模块用于根据所述应力检测集成装置对所述压力容器进行连续检测,得到应力连续变化样本;
异常检测数据获取模块,所述异常检测数据获取模块用于利用所述应力连续变化样本作为训练数据,生成异常识别模块,将实时应力检测数据输入所述异常识别模块,获取异常检测数据,以及所述异常检测数据对应的异常焊缝;
异常相关指标得到模块,所述异常相关指标得到模块用于得到所述异常焊缝的位置,对所述异常焊缝的位置进行相关性识别,得到异常相关指标;
第一预警信号生成模块,所述第一预警信号生成模块用于若所述异常相关指标大于等于预设相关指标,根据所述异常检测数据,生成第一预警信号,将所述第一预警信号发送至上位机,由所述上位机上传报警信息到压力容器故障预警中心。
CN202311364569.1A 2023-10-20 2023-10-20 基于应力检测的压力容器故障预警方法及系统 Active CN117433666B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311364569.1A CN117433666B (zh) 2023-10-20 2023-10-20 基于应力检测的压力容器故障预警方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311364569.1A CN117433666B (zh) 2023-10-20 2023-10-20 基于应力检测的压力容器故障预警方法及系统

Publications (2)

Publication Number Publication Date
CN117433666A CN117433666A (zh) 2024-01-23
CN117433666B true CN117433666B (zh) 2024-05-07

Family

ID=89554574

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311364569.1A Active CN117433666B (zh) 2023-10-20 2023-10-20 基于应力检测的压力容器故障预警方法及系统

Country Status (1)

Country Link
CN (1) CN117433666B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3965726A (en) * 1975-07-02 1976-06-29 Western Electric Company, Inc. Method and apparatus for the real-time evaluation of welds by emitted stress waves
WO2000012962A1 (en) * 1998-08-28 2000-03-09 Kaeppi Markku Method for strain deformation
DE102014107671A1 (de) * 2014-05-30 2015-12-03 EnBW Energie Baden-Württemberg AG Prüfsystem für ein Drucksystem mit einem Druckbehälter und Festigkeitsprüfverfahren für ein Drucksystem mit einem Druckbehälter
CN110361057A (zh) * 2019-08-27 2019-10-22 青岛越洋工程咨询有限公司 一种多指标压力容器检测装置
WO2021068983A1 (zh) * 2019-11-08 2021-04-15 南通大学 一种基于智能声信息识别的焊后焊缝冲击质量判别方法及系统
CN114267468A (zh) * 2021-12-23 2022-04-01 天津大学 一种核电站关键设备的定点检测和预警系统
CN114939860A (zh) * 2022-07-05 2022-08-26 沈阳工业大学 一种焊缝损伤弱磁检测机器人及检测方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2022190226A (ja) * 2021-06-14 2022-12-26 トヨタ自動車株式会社 圧力容器のひずみ解析装置および圧力容器の製造方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3965726A (en) * 1975-07-02 1976-06-29 Western Electric Company, Inc. Method and apparatus for the real-time evaluation of welds by emitted stress waves
WO2000012962A1 (en) * 1998-08-28 2000-03-09 Kaeppi Markku Method for strain deformation
DE102014107671A1 (de) * 2014-05-30 2015-12-03 EnBW Energie Baden-Württemberg AG Prüfsystem für ein Drucksystem mit einem Druckbehälter und Festigkeitsprüfverfahren für ein Drucksystem mit einem Druckbehälter
CN110361057A (zh) * 2019-08-27 2019-10-22 青岛越洋工程咨询有限公司 一种多指标压力容器检测装置
WO2021068983A1 (zh) * 2019-11-08 2021-04-15 南通大学 一种基于智能声信息识别的焊后焊缝冲击质量判别方法及系统
CN114267468A (zh) * 2021-12-23 2022-04-01 天津大学 一种核电站关键设备的定点检测和预警系统
CN114939860A (zh) * 2022-07-05 2022-08-26 沈阳工业大学 一种焊缝损伤弱磁检测机器人及检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
K-TIG焊在应变强化S30408不锈钢压力容器上的试验研究;陈日昱;《电焊机》;20221031(第10期);72-79 *
基于AutoEncoder的油气管道控制系统异常状态监测方法;梁凤勤 等;电子测量与仪器学报;20191215;33(12);10-18 *

Also Published As

Publication number Publication date
CN117433666A (zh) 2024-01-23

Similar Documents

Publication Publication Date Title
CN114352947B (zh) 一种燃气管道泄漏检测方法、系统、装置及存储介质
US12007251B2 (en) Methods and internet of things (IoT) systems for diagnosing accuracy of smart gas ultrasonic meters
US10884404B2 (en) Method of predicting plant data and apparatus using the same
CN109324241B (zh) 一种变电站接地网腐蚀诊断预警方法及系统
CN102539325A (zh) 基于应变监测的焦碳塔结构损伤监测方法
CN115876288B (zh) 一种基于大数据的电子仪表故障分析方法及系统
CN105388884A (zh) 一种基于由数据驱动的识别算法检测供热管网泄漏故障的报警系统及方法
CN110675367A (zh) 基于机器视觉标定二维码识别裂缝宽度的方法
CN115931246A (zh) 一种氢冷发电机的气密性检测与故障处理系统及方法
CN117433666B (zh) 基于应力检测的压力容器故障预警方法及系统
KR20230137021A (ko) 인공지능을 이용한 배관이상 탐지 방법 및 시스템
CN117628417B (zh) 一种燃气场用智能安全控制系统
US20220065405A1 (en) Methods and apparatus for concurrent digital pressure analysis
CN117827595A (zh) 一种设备故障检测模型的训练方法、设备系统
CN117078585A (zh) 一种管道的缺陷损伤检测方法、装置、设备及介质
AU2021101888A4 (en) System and method for corrosion prediction in oil and gas pipeline
CN114331128A (zh) 一种基于物联网的智慧水务管理方法、系统、设备及介质
CN114638290A (zh) 基于边缘计算和bp神经网络的环境监测仪器故障预测方法
CN109855536B (zh) 一种基于应变测量的油气管道堵塞检测方法
CN106525716A (zh) 一种钢管套管接箍连接的关键点自动检测方法
Ferreira et al. Corrosion-like defect severity estimation in pipelines using convolutional neural networks
CN115095798B (zh) 一种高压直管高压防脱及高压预警方法及系统
CN114913302B (zh) 基于多传感器融合的旋转接头寿命预测系统及方法
CN117723917B (zh) 基于光纤非本征法珀型超声波传感器的监测应用方法
CN116642957B (zh) 一种基于多声学参量的基桩超声波检测判读方法

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