基于概率模型的管道快速鉴伤方法与流程

本发明属于管道检测，尤其是涉及一种基于概率模型的管道快速鉴伤方法。

背景技术：

1、管道出厂前的鉴伤检测是保障其长期安全运行的首道关键防线，通常结合静水压试验进行。对于长管道，现有检测手段主要依赖于在压力试验中同步采用超声波技术或断层扫描技术进行整体监测，或辅以人工操作的局部无损检测方法。然而，这些方法存在明显局限：一方面，传统声发射分析在面对海量数据时效率低下，难以从混杂的噪声中快速、精准地分离出有效的早期损伤信号，且严重依赖操作人员的经验进行主观判读，容易导致漏检或误判；另一方面，点式或分段的人工检测方式耗时长、成本高，无法实现连续、实时的状态评估与风险量化，难以满足对长管道进行高效、智能化鉴伤的现代工业需求。

技术实现思路

1、有鉴于此，本发明旨在提出基于概率模型的管道快速鉴伤方法，以提升管道出厂前鉴伤试验的整体效率与准确性。

2、为达到上述目的，本发明的技术方案是这样实现的：

3、基于概率模型的管道快速鉴伤方法。

4、进一步的，在管道各处均匀放置若干声发射探头，再对管道进行快速静水压试验，分析静水压试验期间收到的声发射信号实现对管道的鉴伤；

5、鉴伤流程包括：

6、s1、在静水压试验过程中，基于贝叶斯模型实时地对声发射信号进行自适应损伤信号特征学习，并输出每个时段的管道损伤概率和损伤区域；

7、s2、完成静水压试验后，基于正态模型对s1所得出管道各区域的损伤概率进行正态拟合，根据正态分布状况输出高风险管道区域；

8、s3、单独对高风险管道区域进行定点地高精度损伤检测。

9、进一步的，在所述s1中，贝叶斯模型利用上一时刻的损伤概率来调整当前时刻的模型参数，以输出不断演化的损伤概率，实现自适应地对声发射信号实时滤波，以实时跟踪各个区域损伤声发射信号，贝叶斯模型包括：

10、；

11、式中，为区域存在需要关注的管道损伤事件；为在时间窗口内从声发射信号中提取的损伤证据特征向量，即为输入；为在观察到从第1个到当前第个时间窗口的所有证据后，区域存在损伤的后验概率，即为贝叶斯模型对声发射信号做出的实时适应性滤波输出；为似然函数；为假设区域正常，观察到证据的可能性；为当前时刻的先验概率。

12、进一步的，在所述s2中，利用正态分布模型筛查s1的输出结果，统计出存在损伤的高风险区域，正态模型均值和标准差公式包括：

13、；

14、式中，为各检测区域的贝叶斯输出损伤概率，为管道全体区域损伤概率平均水平，为该正态分布模型的离散程度，为检测区域个数。

15、进一步的，在所述s2中，根据历史管道损伤数据设定正态分布模型的高风险损伤概率阈值，根据损伤概率阈值筛查出存在高风险的管道区域，即所有都被列为高风险区域：

16、；

17、式中，为损伤概率阈值，为系数。

18、进一步的，所述声发射信号通过信号处理以适配贝叶斯模型，信号处理包括：

19、按等长度的时间窗口统计声发射信号的触发次数、信号能量均值、信号主频均值，并将这些统计量组成特征向量形成时序特征输入给所述贝叶斯模型；

20、似然函数的标定包括：对管道人为制造典型损伤，在静水压试验过程中同步采集声发射信号，将已知有损伤声发射信号作为标签训练向量机，通过向量机得出该型号管道的特征信号出现的频率，并将该频率作为所述似然函数的估计值。

21、进一步的，在初始声发射信号处理中，利用前置放大器和带通滤波器对原始声发射信号进行增强和滤波，再对处理后的信号进行短时傅立叶变换获得时频图，从时频图上提取管道损伤声发射信号特征，包括摩擦噪音特征、裂纹扩展特征、管道泄露特征、环境噪音特征，声发射信号在从频域变换到时域时增强该管道损伤声发射信号特征。

22、进一步的，在所述s3中，在通过贝叶斯模型快速检测管道全区域全时段的损伤概率和正态分布模型拟合出高风险管道区域后，利用所述高精度损伤检测定点检测高风险管道区域实现对管道的快速鉴伤，所述高精度损伤检包括超声波检测、电磁声学检测。

23、进一步的，一种电子设备，包括处理器以及与处理器通信连接，且用于存储所述处理器可执行指令的存储器，所述处理器用于执行所述的基于概率模型的管道快速鉴伤方法。

24、进一步的，一种服务器，包括至少一个处理器，以及与所述处理器通信连接的存储器，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述处理器执行，以使所述至少一个处理器执行所述的基于概率模型的管道快速鉴伤方法。

25、进一步的，一种计算机可读取存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现所述的基于概率模型的管道快速鉴伤方法。

26、相对于现有技术，本发明所述的基于概率模型的管道快速鉴伤方法具有以下有益效果：

27、（1）本发明所述的基于概率模型的管道快速鉴伤方法，过贝叶斯定理对管道各分区声发射信号进行实时动态概率更新，将模糊的波形信号转化为量化损伤风险的后验概率，随后利用正态分布模型对这些概率值进行全局统计分析，自动识别出概率显著高于整体分布的异常区段，使得在静水压试验等固定载荷下，系统能够自动、快速地将绝大部分检测注意力从漫长的全线均匀筛查，精准收敛至极少数统计学意义上的高风险区域，优化了检测资源配置并提高了整体鉴伤效率；

28、（2）本发明所述的基于概率模型的管道快速鉴伤方法，管道静水压试验过程中存在的损伤大多是裂纹扩展，裂纹扩展是一个持续过程，若一个区域出现破裂声波，那么在后一段时间该区域再次出现破裂声波的概率要远高于其它未出现过破裂声波的区域，贝叶斯模型的迭代性刚好完美地适配管道静水压试验损伤鉴定这一破裂行为的物理变化过程；

29、（3）本发明所述的基于概率模型的管道快速鉴伤方法，

1.基于概率模型的管道快速鉴伤方法，其特征在于：在管道各处均匀放置若干声发射探头，再对管道进行快速静水压试验，分析静水压试验期间收到的声发射信号实现对管道的鉴伤；

2.根据权利要求1所述的基于概率模型的管道快速鉴伤方法，其特征在于：在所述s1中，贝叶斯模型利用上一时刻的损伤概率来调整当前时刻的模型参数，以输出不断演化的损伤概率，实现自适应地对声发射信号实时滤波，以实时跟踪各个区域损伤声发射信号，贝叶斯模型包括：

3.根据权利要求2所述的基于概率模型的管道快速鉴伤方法，其特征在于：在所述s2中，利用正态分布模型筛查s1的输出结果，统计出存在损伤的高风险区域，正态模型均值和标准差公式包括：

4.根据权利要求3所述的基于概率模型的管道快速鉴伤方法，其特征在于：在所述s2中，根据历史管道损伤数据设定正态分布模型的高风险损伤概率阈值，根据损伤概率阈值筛查出存在高风险的管道区域，即所有都被列为高风险区域：

5.根据权利要求2所述的基于概率模型的管道快速鉴伤方法，其特征在于：所述声发射信号通过信号处理以适配贝叶斯模型，信号处理包括：

6.根据权利要求5所述的基于概率模型的管道快速鉴伤方法，其特征在于：在初始声发射信号处理中，利用前置放大器和带通滤波器对原始声发射信号进行增强和滤波，再对处理后的信号进行短时傅立叶变换获得时频图，从时频图上提取管道损伤声发射信号特征，包括摩擦噪音特征、裂纹扩展特征、管道泄露特征、环境噪音特征，声发射信号在从频域变换到时域时增强该管道损伤声发射信号特征。

7.根据权利要求1所述的基于概率模型的管道快速鉴伤方法，其特征在于：

8.一种电子设备，包括处理器以及与处理器通信连接，且用于存储所述处理器可执行指令的存储器，其特征在于：所述处理器用于执行上述权利要求1-7任一项所述的基于概率模型的管道快速鉴伤方法。

9.一种服务器，其特征在于：包括至少一个处理器，以及与所述处理器通信连接的存储器，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述处理器执行，以使所述至少一个处理器执行如权利要求1-7任一所项述的基于概率模型的管道快速鉴伤方法。

10.一种计算机可读取存储介质，存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现权利要求1-7任一项所述的基于概率模型的管道快速鉴伤方法。