一种荷载箱输油管接头检测电路的制作方法

本发明属于高压油管检测，涉及一种荷载箱输油管接头检测电路。

背景技术：

1、自平衡静载试验不同于传统的静载荷试验方法在桩顶施加荷载，它是在桩身或桩端埋置荷载箱，在抗压试验时，利用上段桩自重、上段桩桩侧阻力来代替堆载法中压重或锚桩法锚桩以提供反力，从而达到试验基桩承载力的目的。其中，荷载箱主要由活塞、顶盖及箱壁四部分组成，通过高压油管、相应油泵及油表和位移杆引到地面，由高压油泵在地面向荷载箱充油加压，然后荷载箱将力传递到桩身，同时通过位移杆测试上段桩身及下段桩身的位移。由此可知，在成桩后要对荷载箱加压只能通过高压油管进行加压，如若在试验时发现由于油管堵塞或油管接头不连通而不能对荷载箱进行加压时，则只能宣告试验的失败。因此，关于荷载箱输油管接头堵塞的检测对自平衡静载试验能否顺利进行至关重要。

2、然而，目前现有技术对高压油管的检测更多基于油管接头是否有流量而判定油管是否发生堵塞，而较少评估油管堵塞的程度，导致难以根据油管堵塞程度做出不同的处理措施，其检测质量较低。此外，当使用荷载箱输油管接头较多时，难以判断哪个接头及其管段发生堵塞，导致检测效率降低。

技术实现思路

1、为解决上述现有技术存在的问题，本发明提供了一种荷载箱输油管接头检测电路。

2、本发明的目的可以通过以下技术方案实现：

3、一种荷载箱输油管接头检测电路，包括包括传感器模块、数据采集模块、堵塞分析模块、决策模块和可视化模块，其中：

4、所述传感器模块，用于利用传感器监测各个输油管接头的运行状态，所述传感器包括流量传感器、流速传感器和压力传感器；

5、所述数据采集模块，连接传感器模块，用于采集各个输油管接头的流量、流速和压力数据；

6、所述堵塞分析模块，用于根据采集的输油管接头流量、流速和压力数据，分析输油管接头的堵塞程度，并将分析结果传输至决策模块；

7、所述决策模块，用于根据输油管接头的堵塞程度，输出相应的决策建议，包括清堵判定模块和溯源分析模块；所述清堵判断模块，用于根据输油管接头的堵塞程度，判断是否对输油管进行清堵；所述溯源分析模块，用于检测不同输油管接头的堵塞程度，溯源到需要清堵的输油管接头及其管段；

8、所述可视化模块，用于采用分类和回归树模型，构建输油管接头流量、流速和压力数据对于输油管接头的堵塞程度的可视化决策树，并将输油管接头的堵塞程度用可视化决策树图像展示出来。

9、进一步地，所述数据采集模块，同时记录了输油管接头未发生堵塞时的流量q0、流速v0和压力f0。

10、进一步地，所述堵塞分析模块，所述根据采集的输油管接头流量、流速和压力数据，分析输油管接头的堵塞程度，包括以下判定步骤：

11、a1、当采集的输油管接头流量q1＝q0、流速v1＝v0以及压力f1＝f0时，判定输油管接头的堵塞程度为堵塞状态0；

12、a2、当采集的输油管接头流量q1＝q0、流速v1>v0以及压力f1>f0时，判定输油管接头的堵塞程度为堵塞状态1；

13、a3、当采集的输油管接头流量q1＜q0时，判定输油管的堵塞程度为堵塞状态2。

14、进一步地，步骤a2中，所述堵塞状态1，根据以下步骤进一步对输油管接头的堵塞程度进行判定：

15、a21、当压力f1＜fs时，判定输油管接头的堵塞程度为堵塞状态11，所述fs表示输油管接头的压力安全阈值；

16、a22、当压力f1≥fs时，判定输油管接头的堵塞程度为堵塞状态12。

17、进一步地，步骤a3中，所述堵塞状态2，根据以下步骤进一步对输油管接头的堵塞程度进行判定：

18、a31、当流量q1＞qs时，判定输油管接头的堵塞程度为堵塞状态21，所述qs表示输油管接头的流量安全阈值；

19、a32、当流量q1≤qs时，判定输油管接头的堵塞程度为堵塞状态22。

20、进一步地，所述决策模块，所述清堵模块，所述根据输油管接头的堵塞程度，判断是否对输油管进行清堵，包括以下步骤：

21、b1、当输油管接头的堵塞程度为堵塞状态0、堵塞状态11和堵塞状态21时，判定输油管不需要清堵；

22、b2、当输油管接头的堵塞程度为堵塞状态12和堵塞状态22时，判定输油管需要进行清堵。

23、进一步地，所述可视化模块，所述采用分类和回归树模型，构建输油管接头流量、流速和压力数据对于输油管接头的堵塞程度的可视化决策树，包括以下步骤：

24、c1、确定模型结构：确定分类和回归树模型的解释变量和响应变量；

25、c2、生成决策树：利用基尼系数确定对数据集的合适分类，将各个分类的子集分配到对应的叶节点，生成一颗决策树；

26、c3、决策树剪枝：对生成的决策树进行剪枝，去掉多余的节点，获得最优子树；

27、c4、输出分类和回归树的模型最优子树图像，作为可视化模块的输出结果。

28、进一步地，步骤c1中，所述模型结构是以输油管接头流量、流速和压力作为解释变量，输油管接头的堵塞程度作为响应变量。

29、进一步地，步骤c2中，所述基尼系数公式为：

30、

31、式中，gini为基尼系数，用于衡量一个随机选中的样本被错误分类为其它类别的概率，gini越小则表示节点的纯度越高；k为对数据集分类的类别数；pn为第n个类别的样本量占总样本量的比例，n＝1，2，……，k。

32、进一步地，步骤c3中，所述决策树剪枝，是采用代价复杂性剪枝法计算剪枝后的表面误差增益率来衡量的，其计算公式为：

33、α＝r(t)-r(tt)/tt-1，

34、式中，α为表面误差率增益值，α越小时决策树的节点越多，剪枝时通过增大α值来减少决策树的节点数以获得最优子树；r(t)为以t为单节点的树的误差代价，在该节点树被剪枝，r(t)＝r(t)×p(t)，r(t)为节点t的误差率，p(t)为节点t上的样本数占总样本数的比例；tt为子树中包含的叶子节点个数，r(tt)则表示以t为根节点的子树t的误差代价，

35、其中m为节点数，i＝1，2，……，m。

36、本发明的有益效果：

37、(1)通过检测各输油管接头的流量、流速和压力，并与未发生堵塞时的输油管接头的流量、流速和压力进行比较，同时结合输油管接头的流量安全阈值和压力安全阈值，量化了输油管接头的堵塞程度，解决了现有技术中由于较少评估输油管接头的堵塞程度，而导致检测效果差的问题；

38、(2)通过检测不同输油管接头的堵塞程度，溯源到需要清堵的输油管接头及其管段，解决了现有技术中由于输油管接头多而导致的检测效率低的问题；

39、(3)通过构建构建输油管接头流量、流速和压力数据对于输油管接头的堵塞程度的分类和回归树模型，建立了输油管接头流量、流速和压力与堵塞程度之间的联系，生成的可视化决策树为管理决策提供了有效依据。