一种管道缺陷模型预测方法、系统、终端设备及存储介质技术方案

本申请涉及矿业工程技术领域，尤其涉及一种管道缺陷模型预测方法、系统、终端设备及存储介质。其方法包括，若分析结果为结构性异常，则获取对应的结构异常组件，并提取异常组件对应的同族异常特征至结构性缺陷预测模型，生成结构异常组件对应的目标缺陷预测走势图作为缺陷预测结果；若分析结果为功能性异常，则结合异常功能元件对应的寿命预测模型和逻辑联动关系，生成对应的控制系统缺陷预测分布作为缺陷预测结果。本申请提供的一种管道缺陷模型预测方法、系统、终端设备及存储介质具有提升矿用乳化液输送管道的缺陷预测效果。矿用乳化液输送管道的缺陷预测效果。矿用乳化液输送管道的缺陷预测效果。

【技术实现步骤摘要】
一种管道缺陷模型预测方法、系统、终端设备及存储介质


[0001]本申请涉及矿业工程
，尤其涉及一种管道缺陷模型预测方法、系统、终端设备及存储介质。

技术介绍

[0002]矿用乳化液输送管道是用于将矿用乳化液从矿山或矿场输送到各个加工设施或储存区域的管道系统。随着矿山其他新型液压装备（如液压凿岩台车、液压装载机、液压钻机、液压操车系统、巷道液压支架等）的推广应用，它将如供电系统、压风系统一样，成为矿井又一主要动力源，其应用前景十分广阔。
[0003]矿用乳化液管道缺陷预测，是指通过分析和评估矿用乳化液管道的历史数据、运行状况和环境因素等，来预测管道未来可能出现的缺陷和故障。其目的是提前发现管道的潜在问题，并采取相应的维修和保养措施，以减少突发故障和停机时间，降低维护成本。
[0004]在实际应用中，矿用乳化液输送管道的缺陷预测，其中数据的处理和分析是至关重要的环节，其涉及大量的数据收集，包括管道的实时监测数据、历史检测数据等，然而，这些数据往往分散在不同的地方，且没有统一的数据管理平台进行整合分析，导致无法对大量数据进行快速、准确的分析，从而无法及时发现管道潜在的缺陷和故障，并对其进行准确预测。

技术实现思路

[0005]为了提升矿用乳化液输送管道缺陷的预测效果，本申请提供一种管道缺陷模型预测方法、系统、终端设备及存储介质。
[0006]第一方面，本申请提供一种管道缺陷模型预测方法，包括以下步骤：获取管道系统对应功能模块的检测数据；若所述检测数据不符合对应所述功能模块的预设运行标准，则获取对应的异常检测数据；根据预设异常判定标准分析所述异常检测数据，生成对应的分析结果；若所述分析结果为结构性异常，则获取对应的结构异常组件，并匹配所述结构异常组件对应的性能属性记录；若所述性能属性记录中存在历史结构性异常数据，则从所述历史结构性异常数据中提取所述异常组件对应的同族异常特征；将所述同族异常特征导入结构性缺陷预测模型，生成所述结构异常组件对应的目标缺陷预测走势图作为所述缺陷预测结果；若所述分析结果为功能性异常，则获取对应的异常功能元件以及所述异常功能元件对应的异常数据集；根据所述异常数据集中所述异常功能元件对应的异常关联数据，确定所述异常功能元件的当前异常诱发因素，并结合所述异常功能元件的使用数据，生成所述异常功能元
件对应的寿命预测模型；结合所述寿命预测模型和所述异常功能元件的逻辑联动关系，生成对应的控制系统缺陷预测分布作为所述缺陷预测结果。
[0007]通过采用上述技术方案，针对异常检测数据中不同类型的异常进行化类分析和模型预测，即若分析结果为结构性异常，则根据结构异常组件的同族异常特征，通过结构性缺陷预测模型预测分析出其在管道系统中的目标缺陷预测走势图，若分析结果为功能性异常，则以异常功能元件为基础，结合其异常关联数据和逻辑联动关系，预测出管道系统中相应的控制系统缺陷预测分布，由于针对管道系统中不同类型且分散的异常检测数据，视具体异常情况对其进行归类并做出实质性缺陷分类解析，从而提升了矿用乳化液输送管道缺陷的预测效果。
[0008]可选的，在若所述分析结果为结构性异常，则获取对应的结构异常组件，并匹配所述异常组件对应的性能属性记录之后还包括以下步骤：若所述性能属性记录中存在所述结构异常组件对应的关联组件，则根据所述异常检测数据获取所述结构异常组件与所述关联组件之间的相关系数；若所述相关系数符合预设关联标准，则获取对应的目标关联组件，并结合所述结构异常组件，生成对应的目标关联组；结合所述异常检测数据、所述目标关联组以及所述目标关联组对应的所述相关系数，生成所述结构异常组件对应的预测缺陷走势图。
[0009]通过采用上述技术方案，计算结构异常组件与关联组件之间的相关系数，从而确定它们之间的关联程度，进一步获取相关系数符合预设关联标准的目标关联组件，以精确结构异常组件对应的关联范围，随即结合异常检测数据、目标关联组以及目标关联组对应的所述相关系数，可生成表明结构异常组件以及与结构异常组件存在关联影响组件的预测缺陷走势图，从而进一步提升乳化液管道缺陷预测的准确性和效果。
[0010]可选的，在若所述分析结果为结构性异常，则获取对应的结构异常组件，并匹配所述异常组件对应的性能属性记录之后还包括以下步骤：若所述性能属性记录中存在多个所述结构异常组件，则根据所述异常检测数据判断所述结构异常组件是否存在对应的所述关联组件；若所述结构异常组件存在对应的所述关联组件，则获取对应的目标结构异常组件；若所述目标结构异常组件为多个，则判断所述目标结构异常组件之间是否存在同一所述关联组件；若所述目标结构异常组件之间存在同一所述关联组件，则获取对应的目标关联组件；根据所述目标关联组件对应所述目标结构异常组件的数量，设定所述目标关联组件对应的预测排序优先级。
[0011]通过采用上述技术方案，若目标结构异常组件之间存在同一关联组件，则表明该目标关联组件受到多个目标结构异常组件的叠加影响，随即根据目标结构异常组件的数量，设定目标关联组件的预测排序优先级，进而可对受到叠加影响较大的目标关联组件进行优先预测分析，从而提升了关联组件中相关异常缺陷的预测分析效率。
[0012]可选的，根据所述目标关联组件对应所述目标结构异常组件的数量，设定所述目标关联组件对应的预测排序优先级包括以下步骤：若所述目标关联组件为多个，则判断多个所述目标关联组件对应所述目标结构异常组件的数量是否相同；若所述多个所述目标关联组件对应所述目标结构异常组件的数量相同，则获取各个所述目标关联组件对应所述目标结构异常组件的叠加损伤系数；结合所述叠加损伤系数和所述目标关联组件的使用属性周期，设定所述目标关联组件对应的所述预测排序优先级。
[0013]通过采用上述技术方案，若当前存在多个目标关联组件对应目标结构异常组件的数量相同，则进一步根据各个目标关联组件对应目标结构异常组件的叠加损伤系数以及使用属性周期进行重新排定，从而可进一步优化目标关联组件的预测排序优先级。
[0014]可选的，将所述同族异常特征导入结构性缺陷预测模型，生成所述结构异常组件对应的目标缺陷预测走势图作为所述缺陷预测结果包括以下步骤：将所述同族异常特征导入所述结构性缺陷预测模型，生成所述结构异常组件对应的共同特征和历史故障数据；结合所述共同特征和所述历史故障数据，生成对应的目标故障模式，并获取所述目标故障模式对应的故障数据；根据所述故障数据和所述异常检测数据，生成所述结构异常组件对应的所述目标缺陷预测走势图作为所述缺陷预测结果。
[0015]通过采用上述技术方案，根据结构性缺陷预测模型对结构异常组件的同族异常特征数据进行训练分析，可得到该结构异常组件的有关共同特征和历史故障数据，随即结合共同特征和历史故障数据进行分析，可得到结构异常组件频发的目标故障模式，然后根据目标故障模式对应的故障数据和当前结构异常组件的异常检测数据，可生成显示结构异常组件相应缺陷的动态预测信息即目标缺陷预测走势图，从而提升了结构异常组件的预测效果。
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种管道缺陷模型预测方法，其特征在于，包括以下步骤：获取管道系统对应功能模块的检测数据；若所述检测数据不符合对应所述功能模块的预设运行标准，则获取对应的异常检测数据；根据预设异常判定标准分析所述异常检测数据，生成对应的分析结果；若所述分析结果为结构性异常，则获取对应的结构异常组件，并匹配所述结构异常组件对应的性能属性记录；若所述性能属性记录中存在历史结构性异常数据，则从所述历史结构性异常数据中提取所述异常组件对应的同族异常特征；将所述同族异常特征导入结构性缺陷预测模型，生成所述结构异常组件对应的目标缺陷预测走势图作为所述缺陷预测结果；若所述分析结果为功能性异常，则获取对应的异常功能元件以及所述异常功能元件对应的异常数据集；根据所述异常数据集中所述异常功能元件对应的异常关联数据，确定所述异常功能元件的当前异常诱发因素，并结合所述异常功能元件的使用数据，生成所述异常功能元件对应的寿命预测模型；结合所述寿命预测模型和所述异常功能元件的逻辑联动关系，生成对应的控制系统缺陷预测分布作为所述缺陷预测结果。2.根据权利要求1所述的一种管道缺陷模型预测方法，其特征在于，在若所述分析结果为结构性异常，则获取对应的结构异常组件，并匹配所述异常组件对应的性能属性记录之后还包括以下步骤：若所述性能属性记录中存在所述结构异常组件对应的关联组件，则根据所述异常检测数据获取所述结构异常组件与所述关联组件之间的相关系数；若所述相关系数符合预设关联标准，则获取对应的目标关联组件，并结合所述结构异常组件，生成对应的目标关联组；结合所述异常检测数据、所述目标关联组以及所述目标关联组对应的所述相关系数，生成所述结构异常组件对应的预测缺陷走势图。3.根据权利要求1所述的一种管道缺陷模型预测方法，其特征在于，在若所述分析结果为结构性异常，则获取对应的结构异常组件，并匹配所述异常组件对应的性能属性记录之后还包括以下步骤：若所述性能属性记录中存在多个所述结构异常组件，则根据所述异常检测数据判断所述结构异常组件是否存在对应的所述关联组件；若所述结构异常组件存在对应的所述关联组件，则获取对应的目标结构异常组件；若所述目标结构异常组件为多个，则判断所述目标结构异常组件之间是否存在同一所述关联组件；若所述目标结构异常组件之间存在同一所述关联组件，则获取对应的目标关联组件；根据所述目标关联组件对应所述目标结构异常组件的数量，设定所述目标关联组件对应的预测排序优先级。4.根据权利要求3所述的一种管道缺陷模型预测方法，其特征在于，根据所述目标关联
组件对应所述目标结构异常组件的数量，设定所述目标关联组件对应的预测排序优先级包括以下步骤：若所述目标关联组件为多个，则判断多个所述目标关联组件对应所述目标结构异常组件的数量是否相同；若所述多个所述目标关联组件对应所述目标结构异常组件的数量相同，则获取各个所述目标关联组件对应所述目标结构异常组件的叠加损伤系数；结合所述叠加损伤系数和所述目标关联组件的使用属性周期，设定所述目标关联组件对应的所述预测排序优先级。5.根据权利要求1所述的一种管道缺陷模型预测方法，其特征在于，将所述同族异常特征导入结构性缺陷预测模型，生成所述结构异常组件对应的目标缺陷预测走势图作为所述缺陷预测结果包括以下步骤：将所述同族异常特征导入所述结构性缺...

【专利技术属性】
技术研发人员：朱建波，
申请(专利权)人：河南博锐流体设备有限公司，
类型：发明
国别省市：