基于数据驱动的海洋管道缺陷故障诊断与三轴向重构方法研究

The goal of this application is to achieve the detection and reconstruction of defects of sea pipeline. The problem of fault diagnosis is researched for sea pipeline non-destructive testing. The main line of the research based on data driven is as follows: building the relationship model for metal loss defects and characteristic of non-destructive testing data - decoupling and restoring the uncertainty and coupling data - pattern classification of metal loss defects - three-axial reconstruction of metal loss defects. The basic theory of non-destructive testing that using one axial sensor to detect and reconstruct the metal loss defect is solved. The main contents are as follows: 1) According to combine finite element analysis and measured data, the relationship model of metal loss defects and characteristic of non-destructive testing data is built. 2) A blind source decoupling algorithm based on non-destructive testing data is proposed for decoupling and restoring the noise data. 3) The fuzzy min-max neural network based the gravity of data is proposed for improving the accuracy of pattern classification. 4) A defect reconstruction algorithm is proposed, which is based on data characteristic fusion and support vector machine, to achieve three-axial reconstruction of metal loss defects based on one axial sensor. The fault diagnosis and reconstruction theory of sea pipeline metal loss defects is achieved based on above methods and this theory can provide support for the safe operation and life prediction of China's sea pipeline.

本申请以实现海洋管道缺陷的故障诊断与重构为目标，研究海洋管道无损检测的故障诊断问题。拟采用数据驱动的方法，按照金属损失缺陷与无损检测数据特征关系建模-不确定及耦合数据的解耦与还原-金属损失缺陷类型分类-金属损失缺陷三轴向重构的主线进行研究，解决采用单轴向传感器进行无损检测识别金属损失缺陷与重构的理论基础问题。主要研究内容如下：1）通过有限元仿真分析与实测数据相结合的方法，建立金属缺陷损失与无损检测数据特征的关系模型2）提出无损检测数据盲源解耦算法，实现数据的有效解耦与信息还原；3）提出基于数据重心的模糊最小-最大神经网络分类算法，提高故障分类的准确度；4）提出基于数据特征融合的支持向量机缺陷重构算法，实现在单轴传感器下对金属损失缺陷的三轴向重构。最后应用上述方法，实现对海洋管道金属损失缺陷的故障诊断与重构，为我国海洋管道安全运行与寿命预测提供支撑。

我们承担的国家自然科学基金项目“基于数据驱动的海洋管道缺陷的故障诊断与三轴向重构方法研究”（61203086）按照原定计划顺利完成。没有对原计划做出调整，已经取得了预期的研究成果,圆满完成了所制定的研究计划。在本项目完成过程中，发表论文16篇，其中 SCI检索论文5篇，EI期刊论文10篇。同时，我们将获得的理论成果应用于工业生产实际，取得了很好的经济效益和社会效益。申请发明专利29项，其中授权12项，获得第42届日内瓦国际发明金奖1项，特别奖1项，第67届德国纽伦堡国际发明金奖1项。参加国际会议四次。在此基金的资助下，项目组成员作为导师或副导师指导毕业博士生1人，硕士生6。目前在读博士生1人，硕士生2人。. 本申请按照金属损失缺陷与无损测数据特征关系建模-不确定及耦合数据的解耦与还原-金属损失缺陷类型分类-金属损失缺陷的三轴向重构的主线进行研究，完成原申请预计的通过有限元仿真分析与实测数据验证修改的方法，建立金属缺陷损失与无损检测数据特征的关系模型；提出无损检测数据预处理算法，有效滤除生产过程存在的噪声，实现数据的有效解耦与信息还原；提出基于数据特征的模糊最小-最大神经网络分类算法，提高故障分类的精度；提出基于数据特征融合的支持向量机缺陷重构算法，实现在单轴传感器下金属损失缺陷的三轴向重构的研究内容，形成基于数据驱动的金属损失缺陷故障诊断方法体系。目前正在深入的研究缺陷评估结果以及根据对应的分析结果和使用情况对管道进行使用寿命预测制定检修计划等一系列的延续研究内容。同时也在将所取得的数据采集与处理的相关理论应用的其他的工业领域，如电力系统，也取得了一定的研究成果。该项研究内容的深入突破，将有助于从本质上揭示广泛开展的管道使用寿命变化过程及故障的演化进程，在此基础上进行有针对性的预警，防止事故的发生。同时相关成果也有助于工业4.0的发展，为目前被广泛研究的能源互联网的多时空故障诊断奠定基础。