基于在线检测信息的储罐底板腐蚀状态智能评价方法研究

论文摘要

储罐底板腐蚀状态的严重程度是指导储罐维修的主要指标,然而储罐底板的特殊运行环境决定了它难以检测的特点。目前国际上主要采用声发射检测技术对储罐底板腐蚀状态进行在线检测。该技术在我国已有近十年的发展历史,广泛应用于石油化工行业的常压储罐底板腐蚀状态检测上。但是目前应用声发射在线检测技术对储罐底板腐蚀状态进行评价主要依赖于检测人员的经验,成为该技术推广与发展的瓶颈。本文利用声发射在线检测信息,结合领域专家经验,确定了与储罐底板腐蚀相关的声发射因素和外观检查因素。应用多元统计理论中的相关分析计算各因素与储罐底板腐蚀状态之间的相关性,并采用双尾检验对相关性的显著性进行验证。针对传统启发式贝叶斯网络结构搜索算法的局限性,本文应用遗传算法改进贝叶斯网络结构搜索算法,并采用最优保存策略设计遗传适应性函数,应用贝叶斯参数学习算法对所建立的贝叶斯网络拓扑结构进行参数学习,利用联合树推理算法对实例进行评价分析,从而建立基于检测信息的储罐底板腐蚀状态智能评价模型。利用外观检查信息,根据相关分析结果,分别建立基于外观检查因素和基于相关显著外观检查因素的储罐底板腐蚀状态评价模型。通过对测试储罐数据的评价,模型准确率分别为84%和86%;利用声发射检测信息,根据相关标准,分别建立基于标准用声发射因素和基于声发射因素储罐底板腐蚀状态评价模型。通过对测试储罐数据的评价,模型准确率分别为70%和84%。综合前述研究成果,将显著相关的外观检查因素与声发射因素结合,建立基于在线检测信息的储罐底板腐蚀状态智能评价模型。通过对测试储罐数据的评价,该模型的评价准确率为96%。评价结果表明,该评价模型能有效的利用在线检测信息,对储罐底板腐蚀状态进行智能评价,具有一定的工程应用价值。

论文目录

• 摘要
• ABSTRACT
• 创新点摘要
• 第一章 绪论
• 1.1 研究背景与意义
• 1.2 国内外发展现状
• 1.2.1 储罐底板腐蚀声发射检测技术发展状态
• 1.2.2 腐蚀状态预测评价方法
• 1.2.3 智能评价技术及相关方法
• 1.3 本文的主要研究内容
• 第二章 储罐底板腐蚀贝叶斯网络智能评价模型的理论及算法
• 2.1 贝叶斯网络的基本理论
• 2.1.1 贝叶斯网络的定义
• 2.1.2 贝叶斯网络学习
• 2.1.3 贝叶斯网络推理算法
• 2.2 遗传算法的基本理论
• 2.2.1 遗传算法
• 2.2.2 遗传算子的设计
• 2.3 基于遗传算法储罐底板腐蚀贝叶斯网络模型设计
• 2.3.1 贝叶斯网络评价模型建立的基本流程
• 2.3.2 贝叶斯网络模型的结构学习设计
• 2.3.3 贝叶斯网络的参数学习及推理方法设计
• 2.4 本章小结
• 第三章 基于外观检查信息的储罐底板腐蚀状态贝叶斯网络评价模型
• 3.1 基于外观检查信息的储罐底板腐蚀状态评价模型建立的基本流程
• 3.2 储罐底板腐蚀状态外观检查因素的确定
• 3.3 储罐底板腐蚀数据的预处理方法
• 3.3.1 储罐底板腐蚀数据的相关性分析
• 3.3.2 储罐底板腐蚀数据的离散化方法
• 3.4 基于外观检查信息的储罐底板腐蚀贝叶斯网络评价模型的建立
• 3.4.1 储罐底板腐蚀外观检查因素的预处理
• 3.4.2 基于外观检查信息的储罐底板腐蚀状态评价模型的建立与评价
• 3.5 本章小结
• 第四章 基于声发射信息的储罐底板腐蚀状态贝叶斯网络评价模型
• 4.1 基于声发射信息储罐底板腐蚀状态评价模型建立的基本流程
• 4.2 储罐底板腐蚀声发射因素的确定
• 4.2.1 常压金属储罐底板声发射检测及评价方法
• 4.2.2 声发射信号参数
• 4.2.3 储罐底板腐蚀状态声发射因素的确定
• 4.3 基于声发射信息的储罐底板腐蚀贝叶斯网络评价模型的建立
• 4.3.1 储罐底板腐蚀声发射因素的预处理
• 4.3.2 基于声发射信息的储罐底板腐蚀状态评价模型的建立与评价
• 4.4 基于在线检测信息储罐底板腐蚀状态贝叶斯网络评价模型
• 4.4.1 建立评价模型
• 4.4.2 评价模型预测能力分析
• 4.5 本章小结
• 结论和展望
• 参考文献
• 发表文章目录
• 致谢
• 详细摘要