(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202110251390.X (22)申请日 2021.03.08 (71)申请人 中国石油化工股份有限公司 地址 100728 北京市朝阳区朝阳门北 大街 22号 申请人 中国石油化工股份有限公司大连石 油化工研究院 (72)发明人 崔凯燕　王晓霖　李明　于子浩　 翁子文　 (51)Int.Cl. G06F 30/13(2020.01) G06F 30/27(2020.01) G06F 119/20(2020.01) (54)发明名称 埋地管道完整性综合检维修决策方法及装 置 (57)摘要 本发明公开了一种埋地管道完整性综合检 维修决策方法及装置， 方法包括： 确定炼厂、 集输 管网或站场内埋地管道的管径和埋深； 根据所述 管径和所述埋深确定所述埋地管道的信号检测 方法； 根据所述信号检测方法对 所述埋地管道进 行信号检测， 得到信号检测结果； 将所述信号检 测结果输入至基于深度学习算法训练得到的管 道异常等级识别模型中， 得到管道异常等级识别 结果； 根据管道异常等级识别结果， 对所述埋地 管道进行维修决策。 本发明根据管道特点确定合 适的信号检测方法， 然后根据相应的信号检测结 果采用机器学习的方式确定管道异常等级识别 结果， 最后根据管道异常等级识别结果， 对所述 埋地管道进行 维修决策， 从而能够制定出更为合 理和准确的检维修决策。 权利要求书3页 说明书11页 附图2页 CN 115048686 A 2022.09.13 CN 115048686 A 1.一种埋 地管道完整性综合检维修决策 方法， 其特 征在于， 包括： 确定炼厂、 集输管网或站场内埋 地管道的管径和埋深； 根据所述管径和所述 埋深确定所述 埋地管道的信号检测方法； 根据所述信号检测方法对所述 埋地管道进行信号检测， 得到信号检测结果； 将所述信号检测结果输入至基于深度 学习算法训练得到的管道异常等级识别模型中， 得到管道 异常等级识别结果； 根据管道 异常等级识别结果， 对所述 埋地管道进行维修决策。 2.根据权利要求1所述的埋地管道完整性综合检维修决策方法， 其特征在于， 根据 所述 管径和所述 埋深确定所述 埋地管道的信号检测方法， 包括： 根据所述管径和所述埋深， 判断是否满足磁应力检测条件和超声导波检测条件， 若均 满足， 则确定所述埋地管道的信号检测方法包括磁应力检测和超声导波检测； 相应地， 对所 述埋地管道进 行磁应力检测和超声导波检测， 得到磁应力信号检测结果和超声导波信号检 测结果； 若只满足磁应力检测条件， 则确定所述埋地管道的信号检测方法包括磁应力检测； 相 应地， 对所述 埋地管道进行磁 应力检测， 得到磁 应力信号检测结果； 若只满足超声导波检测条件， 则确定所述埋地管道的信号检测方法包括超声导波检 测； 相应地， 对所述 埋地管道进行超声导波检测， 得到超声导波信号检测结果。 3.根据权利要求2所述的埋地管道完整性综合检维修决策方法， 其特征在于， 还包括： 针对检测信号， 排 查检测异常点是否有干扰物影响， 并去除干扰物影响的信号异常。 4.根据权利要求2所述的埋地管道完整性综合检维修决策方法， 其特征在于， 将所述信 号检测结果输入至基于深度学习算法训练得到的管道异常等级识别模型中， 得到管道异常 等级识别结果， 包括： 将磁应力信号检测结果输入至第 一管道异常等级识别模型中， 得到管道上的缺陷位置 和异常等级识别结果； 其中， 所述第 一管道异常等级识别模型为将预先已确定管道异常等级的样本管道的磁 应力信号检测结果作为模型的输入， 将所述样本管道上的缺陷位置和对应的异常等级作为 模型的输出， 对神经网络模型进行训练和 测试后得到的； 或， 将超声导波信号检测结果输入至第 二管道异常等级识别模型中， 得到管道上的缺陷位 置和异常等级识别结果； 其中， 所述第二管道异常等级识别模型为将预先已确定管道异常 等级的样本管道的超声导波信号检测结果作为模型的输入， 将所述样本管道上的缺陷位置 和对应的异常等级作为模型的输出， 对神经网络模型进行训练和 测试后得到的； 或， 将上述两种检测结果均输入第 一和第二管道异常等级识别模型中， 分别得到管道上的 缺陷位置和异常等级识别结果后， 对两种检测的识别结果进行合并。 5.根据权利要求4所述的埋地管道完整性综合检维修决策方法， 其特征在于， 将上述两 种检测结果均输入第一和 第二管道异常等级识别模型中， 分别得到管道上的缺陷位置和异 常等级识别结果后， 对两种检测的识别结果进行合并， 包括： 将根据第一管道异常等级识别模型得到的缺陷位置和根据第二管道异常等级识别模权　利　要　求　书 1/3 页 2 CN 115048686 A 2型得到的缺陷位置进 行并集处理， 确定管道上的缺陷位置， 同时， 将根据第一管道异常等级 识别模型得到的异常等级和 根据第二管道异常等级识别模型得到的异常等级根据两种模 型预测准确度权 重， 将异常等级结果进行 数据融合， 确定管道上对应的异常等级； 或， 将根据第一管道异常等级识别模型得到的缺陷位置和根据第二管道异常等级识别模 型得到的缺陷位置进 行并集处理， 确定管道上的缺陷位置， 同时， 根据第一管道异常等级识 别模型得到的异常等级和 根据第二管道异常等级识别模型得到的异常等级中的最大值作 为管道上对应的异常等级。 6.根据权利要求4所述的埋地管道完整性综合检维修决策方法， 其特征在于， 所述第 一 管道异常等级识别模型的训练过程包括： 确定预设数量的样本管道， 获取所述预设数量的样本管道的磁应力信号检测结果； 其 中， 所述预设数量的样本管道需要覆盖各种缺陷位置和各种异常等级； 根据检测信号解析专家凭经验或开挖确定所述预设数量的样本管道的缺陷位置和异 常等级； 将预先已确定管道异常等级的样本管道的磁应力信号检测结果作为模型的输入， 将所 述样本管道的缺陷位置和异常等级作为模型 的输出， 对神经网络模型进行训练和测试， 得 到第一管道 异常等级识别模型； 其中， 所述第二管道 异常等级识别模型的训练过程包括： 确定预设数量的样本管道， 获取所述预设数量的样本管道的超声导波信号检测结果； 其中， 所述预设数量的样本管道需要覆盖各种缺陷位置和各种异常等级； 根据检测信号解析专家凭经验或开挖确定所述预设数量的样本管道的缺陷位置和异 常等级； 将预先已确定管道异常等级的样本管道的超声导波信号检测结果作为模型的输入， 将 所述样本管道的缺陷位置和异常等级作为模型 的输出， 对神经网络模型进行训练和测试， 得到第二管道 异常等级识别模型。 7.根据权利要求1～6任一项所述的埋地管道完整性综合检维修决策方法， 其特征在 于， 根据管道 异常等级识别结果， 对所述 埋地管道进行维修决策， 包括： 若所述管道异常等级识别结果为轻度或中度异常， 则将所述埋地管道标记为定期监测 的管道； 若所述管道异常等级识别结果为重度异常， 则对所述埋地管道进行现场勘查， 确定是 否具备开挖条件， 对于具备开挖验证条件的管道， 选择检测信号严重异常的点， 进行开挖， 并进一步采用超声测厚、 激光扫描、 TOFD 裂纹检测及人工测量手段进 行检测， 进一步量化检 测缺陷尺寸， 并收集检测结果； 其中， 对于开挖后的缺陷， 记录缺陷尺寸信息以作为模型学 习的样本进一步修正模型， 同时根据缺陷类型、 缺陷尺寸和缺陷位置信息， 进 行含缺陷管段 适用性评价， 制定缺陷维修决策， 包括 修复等级、 计划修复时间和修复方法。 8.根据权利要求2所述的埋地管道完整性综合检维修决策方法， 其特征在于， 在对管道 进行磁应力检测或超声导波检测之前， 所述方法还 包括： 采用红外泄漏检测仪， 对所述 埋地管道进行红外泄漏筛查， 确定是否存在泄漏管道。 9.一种埋 地管道完整性综合检维修决策装置， 其特 征在于， 包括：权　利　要　求　书 2/3 页 3 CN 115048686 A 3