详情

原文传递一种埋地管道土壤腐蚀特性的评价方法

专利名称：	一种埋地管道土壤腐蚀特性的评价方法
摘要：	本发明公开了一种埋地管道土壤腐蚀特性的评价方法，包括土壤腐蚀性因素测试、埋地试片/管段腐蚀特征分析和腐蚀速率计算、土壤腐蚀性关键因素分析、土壤理化性质与腐蚀速率关系模型建立、管道安全评价和剩余寿命预测。其有益效果为：在管道无法进行开挖外检测以及内检测的条件下，在已知管道防腐层破损状态的条件下，结合土壤理化性质测试，确定管道防腐层破损点处的腐蚀速率，确定最危险截面和高后果区，预测管道剩余寿命，对管道开展安全评价和完整性管理有着十分重要的现实意义。
专利类型：	发明专利
国家地区组织代码：	北京;11
申请人：	中国石油化工股份有限公司
发明人：	陈健飞
专利状态：	有效
申请日期：	2018-04-19T00:00:00+0800
发布日期：	2019-10-29T00:00:00+0800
申请号：	CN201810353652.1
公开号：	CN110389209A
代理机构：	济南智圆行方专利代理事务所(普通合伙企业)
代理人：	张玉琳
分类号：	G01N33/24(2006.01);G;G01;G01N;G01N33
申请人地址：	100728 北京市朝阳区朝阳门北大街22号
主权项：	1.一种埋地管道土壤腐蚀特性的评价方法，其特征在于： S1、确定土壤腐蚀性因素； S2、通过埋地测试素材和现场测试对相关因素进行采集； S3、对S2测试获得的埋地试片及管段腐蚀特征进行分析，及腐蚀速率计算； S4、通过S3获得的结果，进行土壤腐蚀性关键因素分析； S5、结合S4得到的数据建立土壤理化性质与腐蚀速率关系模型； S6、根据S5建立的模型对管道安全性进行评价，及管道剩余寿命进行预测。 2.根据权利要求1所述的埋地管道土壤腐蚀特性的评价方法，其特征在于：所述S1中土壤腐蚀性因素包括：现场测试土壤电阻率、氧化还原电位和管道自然腐蚀电位，取样分析土壤pH值、土壤质地、土壤含水量、土壤含盐量和土壤Cl-含量，通过GB/T 19285对土壤腐蚀性进行土壤腐蚀性等级评价。 3.根据权利要求1所述的埋地管道土壤腐蚀特性的评价方法，其特征在于：所述S2，埋地测试素材包括在土壤中埋设试片、不同防腐层的管段、和不同防腐层破损面积的管段；一年后取出埋设的测试素材并进行采样。 4.根据权利要求1所述的埋地管道土壤腐蚀特性的评价方法，其特征在于：所述S3中，对S2取回的埋地测试素材进行分析，明确其腐蚀特征，包括全面腐蚀及点蚀，并计算全面腐蚀速率及点蚀速率。 5.根据权利要求1所述的埋地管道土壤腐蚀特性的评价方法，其特征在于：所述S4中的土壤腐蚀性关键因素分析为，通过灰关联和层次分析法以土壤腐蚀性因素为变量，以全面腐蚀速率及点蚀速率为目标函数，计算不同因素对全面腐蚀速率及点蚀速率的权重，明确的对不同腐蚀特征的关键因素。 6.根据权利要求1所述的埋地管道土壤腐蚀特性的评价方法，其特征在于：所述S5中的土壤理化性质与腐蚀速率关系模型建立为：以土壤腐蚀性关键因素为变量，以腐蚀速率为目标函数，通过BP人工神经网络建立土壤理化性质与腐蚀速率关系模型，实现对腐蚀速率的预测。 7.根据权利要求1所述的埋地管道土壤腐蚀特性的评价方法，其特征在于：所述S6对管道腐蚀安全进行评价为，通过对待测管段进行相关腐蚀参数测量，明确该土壤环境下的管段的安全等级，并对其剩余寿命进行预测，确定检测周期，包括最小剩余壁厚评价、危险截面评价和残余强度评价。 8.根据权利要求6所述的埋地管道土壤腐蚀特性的评价方法，其特征在于：采用BP神经网络预测腐蚀速率的训练过程包括：步骤一：网络初始化；将土壤理化性质作为神经网络的输入序列X，即自变量，将腐蚀速率作为输出序列Y，即因变量；根据自变量的个数确定网络的输入节点数n，输出层为腐蚀速率，节点数m；初始化输入层、隐含层和输出层神经元之间的连接权值ωij，ωjk，初始化隐含层阈值a，输出层阈值b，给定学习速率和神经元激励函数；将输出层的传递函数选为pruelin，隐含层的传递函数选为logsig，训练函数选为trainlm；步骤二：隐含层输出计算；根据输入向量X、输入层和隐含层间连接权值ωij以及隐含层阈值a，计算隐含层输出H；式中： l为隐含层节点个数，对用于模式识别/分类的BP网络，根据公式：计算隐含层的节点数；其中，n为输入层节点个数，m为输出层节点个数，b为1～10之间的常数；隐含层激励函数f，公式为步骤三：输出层输出计算；根据隐含层输出H、连接权值ωjk和阈值b，计算网络预测腐蚀速率0：即输出层的个数；步骤四：误差计算；根据网络预测输出0和期望输出Y，计算网络预测误差e： ek＝Yk-Ok k＝1，2，…，m 步骤五：权值更新；根据网络预测误差e更新网络连接权值ωij、ωjk： ωjk＝ωjk+ηHjek j＝1，2，…，l；k＝1，2…，m 式中，η为学习速率；步骤六：阈值更新；根据网络预测误差e更新网络节点阈值a、b： bk＝bk+ek k＝1，2，…，m 步骤七：通过训练误差和迭代次数判断算法迭代是否结束，若没有结束，返回步骤二；若迭代结束得到输出层的权值、输出层的阈值、输入层的权值和输入层的阈值；其基本形式为：其中y为腐蚀速率，xij为土壤理化参数，W为隐含层权值，D为隐含层阈值，V为输出层权值，δ为输出层阈值。
所属类别：	发明专利