【技术实现步骤摘要】
本申请涉及智能预警领域，且更为具体地，涉及一种连续管疲劳寿命实时预警系统及方法。
技术介绍
1、连续油管(coiled tubing)是用低碳合金钢制作的管材，有很好的挠性，又称挠性油管，一卷连续油管长几千米。可以代替常规油管进行很多作业，连续油管作业设备具有带压作业、连续起下的特点，设备体积小，作业周期快，成本低。
2、然而，连续管在运行过程中会受到内压、拉伸载荷、弯曲载荷等多种作用力的影响，长期受到这些作用力的影响会导致管道材料发生疲劳损伤。而连续管在受到疲劳损伤影响后可能发生裂纹、断裂等情况，导致输送泄漏、安全事故甚至人员伤亡，因此对管道疲劳寿命的检测可以确保管道的安全运行。
3、传统的疲劳寿命预测方法往往基于经验公式和静态载荷条件下的试验数据，无法实现对实时运行状态下管道疲劳寿命的准确预测。因此，期待一种优化的连续管疲劳寿命实时预警系统及方法。
技术实现思路
1、为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种连续管疲劳寿命实时预警系统及方法，其通过综合利用连续管在工作过程中的内压数据、拉伸载荷数据和弯曲载荷数据，通过深度学习算法将这些多模态的参数时序波动模式进行推理式交互融合，以综合表征连续管的疲劳状态，从而基于此来进行连续管的疲劳寿命预测和预警。
2、根据本申请的一个方面，提供了一种连续管疲劳寿命实时预警系统，其包括：连续管参数获取模块，用于获取内压的时间序列、拉伸载荷的时间序列和弯曲载荷的时间序列；参数排列模块，用于将所
3、根据本申请的另一个方面，提供了一种连续管疲劳寿命实时预警方法，其包括：获取内压的时间序列、拉伸载荷的时间序列和弯曲载荷的时间序列；将所述内压的时间序列、所述拉伸载荷的时间序列和所述弯曲载荷的时间序列分别按照时间维度排列为内压时序输入向量、拉伸载荷时序输入向量和弯曲载荷时序输入向量；使用局部时域注意力显化器对所述内压时序输入向量、所述拉伸载荷时序输入向量和所述弯曲载荷时序输入向量进行处理以得到内压显著化时序特征向量、拉伸载荷显著化时序特征向量和弯曲载荷显著化时序特征向量；使用疲劳状态推理器对所述内压显著化时序特征向量、所述拉伸载荷显著化时序特征向量和所述弯曲载荷显著化时序特征向量进行处理以得到疲劳状态多模态推理表征特征向量；以及基于所述疲劳状态多模态推理表征特征向量来确定疲劳寿命预测值。
4、与现有技术相比，本申请提供的一种连续管疲劳寿命实时预警系统及方法，其通过综合利用连续管在工作过程中的内压数据、拉伸载荷数据和弯曲载荷数据，通过深度学习算法将这些多模态的参数时序波动模式进行推理式交互融合，以综合表征连续管的疲劳状态，从而基于此来进行连续管的疲劳寿命预测和预警。
本文档来自技高网...【技术保护点】
1.一种连续管疲劳寿命实时预警系统，其特征在于，包括：连续管参数获取模块，用于获取内压的时间序列、拉伸载荷的时间序列和弯曲载荷的时间序列；参数排列模块，用于将所述内压的时间序列、所述拉伸载荷的时间序列和所述弯曲载荷的时间序列分别按照时间维度排列为内压时序输入向量、拉伸载荷时序输入向量和弯曲载荷时序输入向量；局部时域注意力显化模块，用于使用局部时域注意力显化器对所述内压时序输入向量、所述拉伸载荷时序输入向量和所述弯曲载荷时序输入向量进行处理以得到内压显著化时序特征向量、拉伸载荷显著化时序特征向量和弯曲载荷显著化时序特征向量；疲劳状态推理模块，用于使用疲劳状态推理器对所述内压显著化时序特征向量、所述拉伸载荷显著化时序特征向量和所述弯曲载荷显著化时序特征向量进行处理以得到疲劳状态多模态推理表征特征向量；以及疲劳寿命预测模块，用于基于所述疲劳状态多模态推理表征特征向量来确定疲劳寿命预测值。
2.根据权利要求1所述的连续管疲劳寿命实时预警系统，其特征在于，所述局部时域注意力显化模块，包括：向量切分单元，用于对所述内压时序输入向量、所述拉伸载荷时序输入向量和所述弯曲载荷时序输入向
3.根据权利要求2所述的连续管疲劳寿命实时预警系统，其特征在于，所述注意力显化单元，用于：计算所述内压局部时序输入向量的序列中的各个内压局部时序输入向量的自相关注意力权重以得到自相关注意力权重的序列；对所述自相关注意力权重的序列进行归一化以得到自相关注意力权重系数的序列；以及以所述自相关注意力权重系数的序列作为权重，计算所述内压局部时序输入向量的序列的逐向量加权和以得到所述内压显著化时序特征向量。
4.根据权利要求3所述的连续管疲劳寿命实时预警系统，其特征在于，所述疲劳状态推理模块，包括：特征分布优化单元，用于对所述内压显著化时序特征向量、所述拉伸载荷显著化时序特征向量和所述弯曲载荷显著化时序特征向量进行特征分布优化以得到优化后内压显著化时序特征向量、优化后拉伸载荷显著化时序特征向量和优化后弯曲载荷显著化时序特征向量；以及贝叶斯概率推理单元，用于将所述优化后内压显著化时序特征向量、所述优化后拉伸载荷显著化时序特征向量和所述优化后弯曲载荷显著化时序特征向量通过基于贝叶斯概率网络的疲劳强度推理器以得到所述疲劳状态多模态推理表征特征向量。
5.根据权利要求4所述的连续管疲劳寿命实时预警系统，其特征在于，所述特征分布优化单元，用于：分别计算所述内压显著化时序特征向量、所述拉伸载荷显著化时序特征向量和所述弯曲载荷显著化时序特征向量的加权系数以得到第一加权系数、第二加权系数和第三加权系数；以及以所述第一加权系数、所述第二加权系数和所述第三加权系数分别对所述内压显著化时序特征向量、所述拉伸载荷显著化时序特征向量和所述弯曲载荷显著化时序特征向量进行加权优化以得到所述优化后内压显著化时序特征向量、所述优化后拉伸载荷显著化时序特征向量和所述优化后弯曲载荷显著化时序特征向量。
6.根据权利要求5所述的连续管疲劳寿命实时预警系统，其特征在于，所述贝叶斯概率推理单元，用于：以如下贝叶斯概率疲劳强度推理公式对所述优化后内压显著化时序特征向量、所述优化后拉伸载荷显著化时序特征向量和所述优化后弯曲载荷显著化时序特征向量进行处理以得到所述疲劳状态多模态推理表征特征向量；其中，所述贝叶斯概率疲劳强度推理公式为：；其中，表示疲劳状态多模态推理表征特征向量中各个位置的特征值，表示优化后内压显著化时序特征向量中各个位置的特征值，表示优化后拉伸载荷显著化时序特征向量中各个位置的特征值，表示优化后弯曲载荷显著化时序特征向量中各个位置的特征值。
7.根据权利要求6所述的连续管疲劳寿命实时预警系统，其特征在于，所述疲劳寿命预测模块，包括：解码预测单元，用于将所述疲劳状态多模态推理表征特征向量通过基于解码器的疲劳寿命预测器以得到所述疲劳寿命预测值。
8.根据权利要求7所述的连续管疲劳寿命实时预警系统，其特征在于，所述解码预测单元，用于：使用所述解码器以如下公式将所述疲劳状态多模态推理表征特征向量进行解码回归以获得所述疲劳寿命预测值；其中，所述公式为：，其中表示所述疲劳状态多模态推理表征特征向量，是所述疲劳寿命预测值，是权重矩阵，表示矩阵相乘。
9.一种连续...
【技术特征摘要】
1.一种连续管疲劳寿命实时预警系统，其特征在于，包括：连续管参数获取模块，用于获取内压的时间序列、拉伸载荷的时间序列和弯曲载荷的时间序列；参数排列模块，用于将所述内压的时间序列、所述拉伸载荷的时间序列和所述弯曲载荷的时间序列分别按照时间维度排列为内压时序输入向量、拉伸载荷时序输入向量和弯曲载荷时序输入向量；局部时域注意力显化模块，用于使用局部时域注意力显化器对所述内压时序输入向量、所述拉伸载荷时序输入向量和所述弯曲载荷时序输入向量进行处理以得到内压显著化时序特征向量、拉伸载荷显著化时序特征向量和弯曲载荷显著化时序特征向量；疲劳状态推理模块，用于使用疲劳状态推理器对所述内压显著化时序特征向量、所述拉伸载荷显著化时序特征向量和所述弯曲载荷显著化时序特征向量进行处理以得到疲劳状态多模态推理表征特征向量；以及疲劳寿命预测模块，用于基于所述疲劳状态多模态推理表征特征向量来确定疲劳寿命预测值。
2.根据权利要求1所述的连续管疲劳寿命实时预警系统，其特征在于，所述局部时域注意力显化模块，包括：向量切分单元，用于对所述内压时序输入向量、所述拉伸载荷时序输入向量和所述弯曲载荷时序输入向量进行向量切分以得到内压局部时序输入向量的序列、拉伸载荷局部时序输入向量的序列和弯曲载荷局部时序输入向量的序列；以及注意力显化单元，用于将所述内压局部时序输入向量的序列、所述拉伸载荷局部时序输入向量的序列和所述弯曲载荷局部时序输入向量的序列通过重要内容注意力融合网络以得到所述内压显著化时序特征向量、所述拉伸载荷显著化时序特征向量和所述弯曲载荷显著化时序特征向量。
3.根据权利要求2所述的连续管疲劳寿命实时预警系统，其特征在于，所述注意力显化单元，用于：计算所述内压局部时序输入向量的序列中的各个内压局部时序输入向量的自相关注意力权重以得到自相关注意力权重的序列；对所述自相关注意力权重的序列进行归一化以得到自相关注意力权重系数的序列；以及以所述自相关注意力权重系数的序列作为权重，计算所述内压局部时序输入向量的序列的逐向量加权和以得到所述内压显著化时序特征向量。
4.根据权利要求3所述的连续管疲劳寿命实时预警系统，其特征在于，所述疲劳状态推理模块，包括：特征分布优化单元，用于对所述内压显著化时序特征向量、所述拉伸载荷显著化时序特征向量和所述弯曲载荷显著化时序特征向量进行特征分布优化以得到优化后内压显著化时序特征向量、优化后拉伸载荷显著化时序特征向量和优化后弯曲载荷显著化时序特征向量；以及贝叶斯概率推理单元，用于将所述优化后内压显著化时序特征向量、所述优化后拉伸载荷显著化时序特征向量和所述优化后弯曲载荷显著化时序特征向量通过基于贝叶斯概率网络的疲劳强度推理器以得到所述疲劳状态多模态推理表征特征向量。...
【专利技术属性】
技术研发人员：杨永福，崔鹏振，闫庆垚，丁圣奇，刘志坚，董来中，杜佳闯，
申请(专利权)人：克拉玛依宏兴石油工程技术服务股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。