[發明專利]基于影響網絡的石油管道泄漏檢測方法及系統

有效

• 申請號: 201910583665.2
• 申請日: 2019-07-01
• 公開（公告）號: CN110348094B
• 公開（公告）日: 2023-01-06
• 發明（設計）人: 孫建彬;趙丹玲;趙青松;楊克巍;姜江;葛冰峰;游雅倩;丁君怡
• 申請（專利權）人: 中國人民解放軍國防科技大學
• 主分類號: G06F18/2415
• 分類號: G06F18/2415;G06F18/214;G06F18/2433;F17D5/02
• 代理公司: 長沙國科天河知識產權代理有限公司 43225
• 代理人: 董惠文

1.一種基于影響網絡的石油管道泄漏檢測方法，其特征在于，包括以下步驟：

步驟1：根據石油管道檢測變量X₁、X₂...X_i...X_I和石油管道設備異常檢測結果Y構建影響網絡；

步驟2：基于所構建的影響網絡，構建用于獲得檢測變量和異常檢測結果之間的影響強度參數學習模型；

s.t.

Y₁≤Y_n≤Y_N

其中f(V)表示檢測變量通過影響強度參數模型計算得到的訓練結果和實際檢測結果的差異，L表示測量得到的實際泄漏量，表示通過模型估計得到的預測泄漏量，表示第i個檢測變量X_i處于檢測狀態m_i時的狀態值，表示第i個檢測變量X_i處于檢測狀態m_i時，其檢測結果為Y_n時的影響強度，I為檢測變量的總數，M_i為第i個檢測變量的狀態值數量，表示檢測結果Y處于狀態n時的先驗概率，N表示檢測結果的狀態數量，所述狀態是指將檢測變量或檢測結果在其最大最小值區間劃分出多個等級值，各等級值表示各檢測變量或檢測結果的各狀態值；

步驟3：獲取石油管道基于檢測變量在不同時刻檢測結果的歷史數據集；

步驟4：根據所獲取的歷史數據集對影響強度參數學習模型進行訓練求解，得到影響強度模型中各參數的取值，所述參數包括影響強度參數各檢測變量的狀態值檢測結果處于狀態Y_n的先驗概率檢測結果的各狀態值Y_n；

步驟5：采集石油管道檢測變量X₁,X₂,…,X_I在某一時刻的檢測值，根據影響強度模型中各參數的取值，求取石油管道異常檢測結果Y處于Y_n狀態的概率；

步驟6：根據異常檢測結果Y處于Y_n狀態的概率求取石油管道的泄漏量，當泄漏量大于一定閾值時，則判斷該石油管道泄漏。

2.根據權利要求1所述的基于影響網絡的石油管道泄漏檢測方法，其特征在于：步驟5中求取石油管道異常檢測結果Y處于Y_n狀態的概率的方法是：

步驟5.1：根據步驟4所求取的影響強度參數中各檢測變量的的狀態值i＝1,2,…,I；m_i＝1,2,…,M_i，計算石油管道檢測變量在某一時刻的檢測值X₁,X₂,…,X_I與各檢測變量狀態值之間的匹配度設各檢測變量的狀態值單調遞增，其中表示第i個檢測變量處于檢測狀態m_i時所對應的狀態值；

步驟5.2：將所有檢測變量的某種可能檢測狀態的集合記為為所有檢測變量不同檢測狀態的笛卡爾積，表示所有檢測變量所有可能檢測狀態的集合，即

步驟5.3：根據步驟4所求取的影響強度參數計算檢測變量狀態分別為時，檢測結果狀態為Y_n下的影響強度集合則求得

該影響強度集合下的融合促進因果影響強度參數為：

該影響強度集合下的融合抑制因果影響強度參數為：

則I個檢測變量X₁,X₂,…,X_I的綜合因果影響強度參數為：

步驟5.4：求取所采集的檢測值X₁,X₂,…,X_I處于某一狀態的條件下，石油管道檢測結果狀態為Y_n的條件概率為：

其中，石油管道檢測結果處于狀態Y_n的先驗概率，由步驟4所求取的結果得到；

步驟5.5：遍歷狀態集合A，得到各檢測值處于不同的狀態組合下的條件概率值則檢測值X₁,X₂,…,X_I所對應的檢測結果處于狀態Y_n的概率為：

其中，

表示各檢測變量處于狀態時的概率。