金属管道服役寿命预测方法、装置、电子设备及存储介质与流程

1.本发明涉及管道测试技术领域，尤其涉及一种金属管道服役寿命预测方法、装置、电子设备及存储介质。


背景技术：

2.目前，对金属管道尤其是球墨铸铁管道寿命研究的公开资料较少，而埋地球墨铸铁管道随着使用年限的增加，其外壁涂层及管壁会发生腐蚀现象，轻微的腐蚀对管道使用没有影响，而严重腐蚀对管道影响较大，经常引起管道穿孔甚至破裂，造成巨大经济损失和社会影响。因此，系统研究球墨铸铁管在不同土壤条件下的耐蚀性能并进行预期使用寿命评估就显得尤为重要。
3.另一方面，球铁管道用户需要根据具体的土壤腐蚀环境，选用符合工程设计寿命要求的球墨铸铁管级别，因此，对球墨铸铁管道系统预期使用寿命进行研究与评估显得迫切而重要。
4.在现有的管道腐蚀及寿命研究中，大部分是集中在钢管寿命研究，研究钢管在实际服役腐蚀环境中运行数年后，根据监测的腐蚀速率计算评估管道的剩余使用寿命，或者根据钢管外壁的腐蚀坑的几何尺寸形状利用有限元软件计算分析应力后计算管道的剩余使用寿命，而球铁管道的服役寿命研究几乎为空白。这主要是因为球铁管与钢管成分不同，腐蚀规律也不一样。
5.由于影响土壤腐蚀性的因素众多，包括土壤质地、含氧量、土壤电阻率、cl-、so
42-、含水量、ph值、含盐量等因素，所以有必要系统研究球墨铸铁管道在土壤环境的腐蚀行为，计算评估在给定土壤理化性质参数条件下球墨铸铁管道的预期服役寿命。
6.基于此，需要开发设计出一种金属管道服役寿命预测方法。


技术实现要素：

7.本发明实施方式提供了一种金属管道服役寿命预测方法、装置、电子设备及存储介质，用于解决现有技术中金属管道服役寿命不容易确定的问题。
8.第一方面，本发明实施方式提供了一种金属管道服役寿命预测方法，包括：
9.获取多个土壤腐蚀因素，其中，所述土壤腐蚀因素表征所述管道铺设地影响所述管道腐蚀速率的因素；
10.将所述多个土壤腐蚀因素输入至腐蚀速率预测模型，获取预期长期的平均腐蚀速率；
11.根据所述管道的多个参数特征，确定管道的腐蚀余量，其中，参数特征表征影响所述管道腐蚀余量的管道参数；
12.根据所述腐蚀裕量以及所述预期长期的平均腐蚀速率确定预期服役寿命，和/或根据所述预期长期的平均腐蚀速率确定预定年限的允许工作压力。
13.在一种可能实现的方式中，所述腐蚀速率预测模型的构建包括：
14.基于elman神经网络模型构建获得初始模型；
15.通过训练所述初始模型获得所述腐蚀速率预测模型，所述训练过程包括：
16.获取多个腐蚀数据，其中，腐蚀数据包括长期的平均腐蚀速率以及多个土壤腐蚀因素；
17.将所述多个腐蚀数据按照预定的比例进行拆分，获得训练数据集和测试数据集；
18.训练步骤：将所述训练数据集中的多个腐蚀数据输入至所述初始模型，通过所述初始模型的多个输出以及对应所述训练数据集中的多个腐蚀数据的多个长期腐蚀速率，调整所述初始模型的参数，直至所述初始模型的输出误差低于阈值；
19.固定所述初始模型的参数，将所述测试数据集中的多个腐蚀数据输入至所述初始模型，通过所述初始模型的多个输出以及对应所述测试数据集中的多个腐蚀数据的多个长期腐蚀速率，确定测试的误差；
20.若所述测试误差高于阈值，则增加所述初始模型中隐层的节点数，并跳转至所述训练步骤。
21.在一种可能实现的方式中，所述多个腐蚀数据基于典型腐蚀土壤地区的实验数据以及实际埋设的管道的腐蚀数据获取，其中，从实际埋设的管道的腐蚀数据中获取多个腐蚀数据的方法包括：
22.在典型腐蚀土壤地区埋设多个试样；
23.按照顺序，在多个不同的时间节点挖出所述多个试样；
24.对所述多个试样分别进行分析，获得多个最大腐蚀坑深度，其中，所述多个最大腐蚀坑深度与所述多个不同的时间节点相对应，最大腐蚀坑深度为试样上最大的腐蚀坑深度；
25.根据所述多个不同的时间节点和所述多个最大腐蚀坑深度确定多个最大腐蚀速率，其中，所述多个最大腐蚀速率与所述多个不同的时间节点相对应；
26.根据所述多个不同的时间节点以及所述多个最大腐蚀速率，建立腐蚀速率预期函数；
27.根据所述腐蚀速率预期函数以及实际埋设的管道的腐蚀速率进行归一化，获得实际埋设的管道的腐蚀速率；
28.获取实际埋设的管道的土壤的多个腐蚀因素；
29.将实际埋设的管道的腐蚀速率以及实际埋设的管道的土壤的多个腐蚀因素作为所述多个腐蚀数据。
30.在一种可能实现的方式中，所述根据所述多个不同的时间节点以及所述多个最大腐蚀速率，建立腐蚀速率预期函数，包括：
31.根据所述多个不同的时间节点以及所述多个最大腐蚀速率，建立腐蚀速率预期函数，所述腐蚀速率预期函数为：
32.v＝a
·
tb33.式中，v为典型腐蚀土壤地区的腐蚀速率，a为前置常数，b为后置常数，t为时间；
34.所述根据所述腐蚀速率预期函数、第一公式以及实际埋设的管道的腐蚀速率进行归一化，获得实际埋设的管道的腐蚀速率，所述第一公式为：
[0035][0036]
式中，为归一化后的实际埋设的管道的腐蚀速率，t1为实际埋设的管道取样时的时间节点，v0为强腐蚀土壤地区对应最长时间节点的腐蚀速率，v1为实际埋设的管道在t1时间节点的腐蚀速率。
[0037]
在一种可能实现的方式中，所述根据所述管道的多个参数特征，确定管道的腐蚀余量，包括：
[0038]
根据所述管道的最小壁厚、实际允许工作压力、安全系数、外径、管道材料的抗拉强度以及第二公式，确定所述管道的腐蚀余量，其中，所述第二公式为：
[0039][0040]
式中，h为管道的腐蚀裕量，e
min
为管道的最小壁厚，pfa
实际
为实际允许工作压力，sf为实际允许工作压力的安全系数，de为管道的外径，rm为管道材料的抗拉强度。
[0041]
在一种可能实现的方式中，所述根据所述腐蚀裕量以及所述预期长期的平均腐蚀速率，确定预期服役寿命，包括：
[0042]
根据第三公式、所述腐蚀裕量以及所述预期长期的平均腐蚀速率，确定预期服役寿命，所述第三公式为：
[0043][0044]
式中，l为预期服役寿命，h为管道的腐蚀裕量，v3为预期长期的平均腐蚀速率。
[0045]
在一种可能实现的方式中，所述根据所述预期长期的平均腐蚀速率确定预定年限的允许工作压力，包括
[0046]
根据所述预期长期的平均腐蚀速率、管道的最小壁厚、管道材料的抗拉强度、管道的外径以及第四公式，确定预定年限的允许工作压力，所述第四公式为：
[0047][0048]
式中，p为t0年限的允许工作压力，e
min
为管道的最小壁厚，v3为预期长期的平均腐蚀速率，rm为管道材料的抗拉强度，de为管道的外径。
[0049]
第二方面，本发明实施方式提供了一种金属管道服役寿命预测装置，包括：
[0050]
腐蚀因素获取模块，用于获取多个土壤腐蚀因素，其中，所述土壤腐蚀因素表征所述管道铺设地影响所述管道腐蚀速率的因素；
[0051]
长期的平均腐蚀速率预测模块，用于将所述多个土壤腐蚀因素输入至腐蚀速率预测模型，获取预期长期的平均腐蚀速率；
[0052]
腐蚀裕量确定模块，用于根据所述管道的多个参数特征，确定管道的腐蚀余量，其中，参数特征表征影响所述管道腐蚀余量的管道参数；
[0053]
以及，
[0054]
服役寿命预测模块，用于根据所述腐蚀裕量以及所述预期长期的平均腐蚀速率确
定预期服役寿命，和/或根据所述预期长期的平均腐蚀速率确定预定年限的允许工作压力。
[0055]
第三方面，本发明实施方式提供了一种电子设备，包括存储器以及处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上第一方面或第一方面的任一种可能的实现方式所述方法的步骤。
[0056]
第四方面，本发明实施方式提供了一种计算机可读存储介质，所述计算机可读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如上第一方面或第一方面的任一种可能的实现方式所述方法的步骤。
[0057]
本发明实施方式与现有技术相比存在的有益效果是：
[0058]
本发明实施方式公开了的一种金属管道服役寿命预测方法，其首先获取多个土壤腐蚀因素，其中，所述土壤腐蚀因素表征所述管道铺设地影响所述管道腐蚀速率的因素；然后，将所述多个土壤腐蚀因素输入至腐蚀速率预测模型，获取预期长期的平均腐蚀速率；接着，根据所述管道的多个参数特征，确定管道的腐蚀余量，其中，参数特征表征影响所述管道腐蚀余量的管道参数；最后，根据所述腐蚀裕量以及所述预期长期的平均腐蚀速率确定预期服役寿命和/或根据所述预期长期的平均腐蚀速率确定预定年限的允许工作压力。本发明实施方式通过将影响因素输入到预测模型，获取长期腐蚀速率，根据管道的参数，确定腐蚀裕量，根据腐蚀速率和腐蚀裕量可以较为准确的评估金属管道服役寿命，因此，可以根据土壤性质，设计出符合用户需求的管道，满足客户的需求。
[0059]
1、当提供确定的土壤理化性质后，可以科学合理的计算评估球墨铸铁管道的预期服役寿命，满足用户需求。
[0060]
2、根据管道具体设计寿命年限要求，可以科学合理的选择球墨铸铁管道的壁厚级别，节约金属材料，降低成本，创造巨大经济效益；同时提高了材料利用率，绿色低成本，低碳环保，大幅减少碳排放量，为行业树立标杆效应，带动球墨铸铁管道行业的绿色健康发展。
[0061]
3、利用该方法计算评估球铁管道的预期服役寿命并进行科学选材，可以避免因管道选材不合理而导致在服役期内发生漏水事故，可以大幅度减少市政地下水管开挖和维护成本，减少因管道漏水造成的水资源浪费，能够起到良好保护环境的效果。
附图说明
[0062]
为了更清楚地说明本发明实施方式中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0063]
图1是本发明实施方式提供的金属管道服役寿命预测方法的流程图；
[0064]
图2是本发明实施方式提供的elman网络模型的基本结构图；
[0065]
图3是本发明实施方式提供的金属管道服役寿命预测装置功能框图；
[0066]
图4是本发明实施方式提供的电子设备功能框图。
具体实施方式
[0067]
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具
体细节，以便透彻理解本发明实施方式。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施方式中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
[0068]
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图通过具体实施方式来进行说明。
[0069]
下面对本发明的实施例作详细说明，本实例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
[0070]
图1为本发明实施方式提供的金属管道服役寿命预测方法的流程图。
[0071]
如图1所示，其示出了本发明实施方式提供的金属管道服役寿命预测方法的实现流程图，详述如下：
[0072]
在步骤101中，获取多个土壤腐蚀因素，其中，所述土壤腐蚀因素表征所述管道铺设地影响所述管道腐蚀速率的因素。
[0073]
在步骤102中，将所述多个土壤腐蚀因素输入至腐蚀速率预测模型，获取预期长期的平均腐蚀速率。
[0074]
在一些实施方式中，所述腐蚀速率预测模型的构建包括：
[0075]
基于elman神经网络模型构建获得初始模型；
[0076]
通过训练所述初始模型获得所述腐蚀速率预测模型，所述训练过程包括：
[0077]
获取多个腐蚀数据，其中，腐蚀数据包括长期的平均腐蚀速率以及多个土壤腐蚀因素；
[0078]
将所述多个腐蚀数据按照预定的比例进行拆分，获得训练数据集和测试数据集；
[0079]
训练步骤：将所述训练数据集中的多个腐蚀数据输入至所述初始模型，通过所述初始模型的多个输出以及对应所述训练数据集中的多个腐蚀数据的多个长期腐蚀速率，调整所述初始模型的参数，直至所述初始模型的输出误差低于阈值；
[0080]
固定所述初始模型的参数，将所述测试数据集中的多个腐蚀数据输入至所述初始模型，通过所述初始模型的多个输出以及对应所述测试数据集中的多个腐蚀数据的多个长期腐蚀速率，确定测试的误差；
[0081]
若所述测试误差高于阈值，则增加所述初始模型中隐层的节点数，并跳转至所述训练步骤。
[0082]
在一些实施方式中，所述多个腐蚀数据基于典型腐蚀土壤地区的实验数据以及实际埋设的管道的腐蚀数据获取，其中，从实际埋设的管道的腐蚀数据中获取多个腐蚀数据的方法包括：
[0083]
在典型腐蚀土壤地区埋设多个试样；
[0084]
按照顺序，在多个不同的时间节点挖出所述多个试样；
[0085]
对所述多个试样分别进行分析，获得多个最大腐蚀坑深度，其中，所述多个最大腐蚀坑深度与所述多个不同的时间节点相对应，最大腐蚀坑深度为试样上最大的腐蚀坑深度；
[0086]
根据所述多个不同的时间节点和所述多个最大腐蚀坑深度确定多个最大腐蚀速率，其中，所述多个最大腐蚀速率与所述多个不同的时间节点相对应；
[0087]
根据所述多个不同的时间节点以及所述多个最大腐蚀速率，建立腐蚀速率预期函
数；
[0088]
根据所述腐蚀速率预期函数以及实际埋设的管道的腐蚀速率进行归一化，获得实际埋设的管道的腐蚀速率；
[0089]
获取实际埋设的管道的土壤的多个腐蚀因素；
[0090]
将实际埋设的管道的腐蚀速率以及实际埋设的管道的土壤的多个腐蚀因素作为所述多个腐蚀数据。
[0091]
在一些实施方式中，所述根据所述多个不同的时间节点以及所述多个最大腐蚀速率，建立腐蚀速率预期函数，包括：
[0092]
根据所述多个不同的时间节点以及所述多个最大腐蚀速率，建立腐蚀速率预期函数，所述腐蚀速率预期函数为：
[0093]
v＝a
·
tb[0094]
式中，v为典型腐蚀土壤地区的腐蚀速率，a为前置常数，b为后置常数，t为时间；
[0095]
所述根据所述腐蚀速率预期函数、第一公式以及实际埋设的管道的腐蚀速率进行归一化，获得实际埋设的管道的腐蚀速率，所述第一公式为：
[0096][0097]
式中，为归一化后的实际埋设的管道的腐蚀速率，t1为实际埋设的管道取样时的时间节点，v0为典型腐蚀土壤地区对应最长时间节点的腐蚀速率，v1为实际埋设的管道在t1时间节点的腐蚀速率。
[0098]
示例性地，土壤腐蚀因素通常包括一些理化因素，例如，土壤电阻率、氧化还原电位、cl-、so
42-、含水量、ph值、含盐量，将这些作为因变量，输入到模型中，就可以获取预期长期的平均腐蚀速率。
[0099]
在一些应用场景中，预测模型基于elman神经网络模型构建，elman神经网络模型一般分为四层：输入层、隐含层(中间层〉、承接层和输出层。如图2所示，输入层、隐含层、输出层的连接类似于前馈式网络，elman神经网络是一种典型的动态神经网络，它是在bp网络基本结构的基础上，通过存储内部状态使其具备映射动态特征的功能，从而使系统具有适应时变特性的能力。由于训练样本较少，预测时出现相对较大误差的情况是可能的，可以通过加大样本量、事先剔除错误数据等避免。
[0100]
本发明实施方式中利用计算机建立网络模型net，net模型层次结构包括输入层、隐层、承接层及输出层；
[0101]
在节点设置方面，先确定输入层的影响因素节点数a0，如7个土壤腐蚀因素(土壤电阻率、氧化还原电位、cl-、so
42-、含水量、ph值、含盐量)，此时a0＝7，即从土壤腐蚀因素中选取a0个相应的因素。
[0102]
然后确定输出层的节点数b0，如球墨铸铁管道长期的平均腐蚀速率数值，此时b0＝1(b0为定义值，指输出数据端口为1，固定值)。
[0103]
接着，确定隐层节点数范围，隐层节点数确定的规则为：
[0104]
s＝(a0+b0)*0.4+c
[0105]
其中，s为隐层节点数，a0为输入层节点数，b0为输出层节点数，常数c＝2～9，计算后隐层节点数范围为[m1，m2]。
[0106]
再接着，建立网络，调试训练网络，确定隐层节点数为m1，隐层函数为
[0107][0108]
或
[0109][0110]
输出层函数为：
[0111]
f(x)＝kx+d
[0112]
其中，a
′
为正实数，d、k值的确定——为模型确定参数。
[0113]
最后，设置网络学习速率0.1～0.001、网络训练次数1000～100000及误差0.1～0.0001后开始网络训练。
[0114]
当在设定好的训练次数内达到所设定的误差后网络训练完毕，经测试验证后可以保存网络参数，否则返回建立网络步骤，隐层节点数+1，重新建立网络、隐层函数和输出层函数，直至网络收敛成功并测试验证后保存网络参数，保存的网络命名为net1。
[0115]
对于训练上述预测模型的样本上，一些应用场景中，选取d1，d2，d3，
…
，dm个典型腐蚀土壤地区为金属管道埋设实验场所，其中m为4～20，在每个地区开挖埋设试样的试坑4～15个，制备所需的金属管试样。
[0116]
金属管试样材料基体为金属管如球铁管或者钢管，首先在金属管外面电弧喷涂锌涂层，锌涂层单位重量为130g/m2～200g/m2，然后在锌涂层上喷涂有机终饰涂层，终饰涂层厚度为70～150微米。(涂层的存在不是充分必要条件，仅属于因素之一)。
[0117]
然后，在加工车间将上述管道加工成所需的试样尺寸，试样大小为dn100
×
100mm管段，每种涂层每一周期制备平行样数量为3～10个，对试样进行封边处理。上述涂层试样干燥一周，使涂层完全干燥后进行包装，将包装好的试样运输到上述几个典型土壤实验站。将试样去掉包装，在试坑底部按照种类顺序轴向水平放置，用土壤固定好，并压实，试样与试样及试坑边缘的间隔大于150mm，且保证试样前后左右及上下四周土壤密实没有空隙，然后将挖掘出的土壤按原来的顺序依次回填。
[0118]
接着，按照预定的开挖年限周期顺序t1，t2，t3，
…
，tn依次开挖并检测。开挖周期n可以定为3～12周期，开挖周期遵循先密后疏的原则制定(规律：间隔周期逐步增大)可以为0.082年、0.164年、0.247年、7年。也可以为0.082年、0.164年、0.247年、0.493年、1年及7年。每周期将上述试样挖出后，仔细的清除试样上的泥土，直至完全清除干净，在泥土附着较强，难以擦拭掉时，可用塑料材质的软毛刷沾适量水轻轻涮洗泥土，将之去除。将试样放在干燥箱中干燥，试样干燥24小时后取出，然后在最大点蚀坑部位加工取样，利用sem扫描电子显微镜检测最大点蚀坑部位的最大腐蚀坑深度数据。
[0119]
再接着，将不同周期t1，t2，t3，
…
，tn试样的最大腐蚀坑深度数据转换为对应周期的最大腐蚀速率数据v1，v2，v3，
…
，vn；
[0120]
利用d1，d2，d3，
…
，dm地点不同腐蚀周期t1，t2，t3，
…
，tn时间的最大腐蚀速率数据建立起m个形如：v＝a
·
tb的腐蚀速率预期函数关系，其中v为腐蚀速率，t为时间，a、b为常数。
[0121]
再将最长周期tn条件下各地点中腐蚀速率最大的土壤环境定义为最严重腐蚀环境，并将其腐蚀速率模型定为参比模型，如tn条件下d3地点腐蚀速率最大，将d3地点腐蚀速率模型定为参比模型，其最长周期tn条件下腐蚀速率记为v0。
[0122]
将各地如甲地t1年实际埋设不同年限管线开挖检测的腐蚀速率v1进行标准归一化到最长周期tn条件下的腐蚀速率数据。归一化的方法为：
[0123][0124]va
为归一化后的实际埋设的管道的腐蚀速率，t1为实际埋设的管道取样时的时间节点，v0为强腐蚀土壤地区对应最长时间节点的腐蚀速率，v1为实际埋设的管道在t1时间节点的腐蚀速率。
[0125]
汇总归一化后的腐蚀速率数据及对应的土壤理化性质参数，将腐蚀数据拆分为训练数据和测试数据，例如，训练数据与测试数据的比例为3～8:1。
[0126]
至此，训练数据和测试数据制作完成。
[0127]
在步骤103中，根据所述管道的多个参数特征，确定管道的腐蚀余量，其中，参数特征表征影响所述管道腐蚀余量的管道参数。
[0128]
在一些实施方式中，步骤103包括：
[0129]
根据所述管道的最小壁厚、实际允许工作压力、安全系数、外径、管道材料的抗拉强度以及第二公式，确定所述管道的腐蚀余量，其中，所述第二公式为：
[0130][0131]
式中，h为管道的腐蚀裕量，e
min
为管道的最小壁厚，pfa
实际
为实际允许工作压力，sf为实际允许工作压力的安全系数，de为管道的外径，rm为管道材料的抗拉强度。
[0132]
在步骤104中，根据所述腐蚀裕量以及所述预期长期的平均腐蚀速率确定预期服役寿命，和/或根据所述预期长期的平均腐蚀速率确定预定年限的允许工作压力。
[0133]
在一些实施方式中，步骤104包括：
[0134]
根据第三公式、所述腐蚀裕量以及所述预期长期的平均腐蚀速率，确定预期服役寿命，所述第三公式为：
[0135][0136]
式中，l为预期服役寿命，h为管道的腐蚀裕量，v3为预期长期的平均腐蚀速率。
[0137]
在一些实施方式中，步骤104包括：
[0138]
根据所述预期长期的平均腐蚀速率、管道的最小壁厚、管道材料的抗拉强度、管道的外径以及第四公式，确定预定年限的允许工作压力，所述第四公式为：
[0139][0140]
式中，p为t0年限的允许工作压力，e
min
为管道的最小壁厚，v3为预期长期的平均腐蚀速率，rm为管道材料的抗拉强度，de为管道的外径。
[0141]
示例性地，利用公式计算球铁管道的腐蚀裕量h，计算公式为：
[0142][0143]
式中，h为管道的腐蚀裕量，e
min
为管道的最小壁厚，pfa
实际
为实际允许工作压力，sf为实际允许工作压力的安全系数，de为管道的外径，rm为管道材料的抗拉强度。
[0144]
预期服役寿命为：
[0145][0146]
式中，l为预期服役寿命，h为管道的腐蚀裕量，v3为预期长期的平均腐蚀速率。
[0147]
预定年限的允许工作压力为：
[0148][0149]
式中，p为t0年限的允许工作压力，e
min
为管道的最小壁厚，v3为预期长期的平均腐蚀速率，rm为管道材料的抗拉强度，de为管道的外径。
[0150]
此外，不仅可以计算管道的预期服役寿命，还可以计算评估已使用w年管道的剩余使用寿命，计算公式为：管道剩余使用寿命＝l-w。
[0151]
下面就几种应用场景，说明具体的实施过程：
[0152]
实施例1：
[0153]
首先选取我国四个典型腐蚀土壤地区a、b、c、d为球墨铸铁管埋设实验场所，按照1个月、2个月、3个月及84个月的开挖周期进行开挖检测试样的最大点蚀坑深度数据。
[0154]
经过sem检测后发现a、b、c、d地点中d地点的腐蚀速率最大，且最大值为141.17μm/a，记为v0。故以d地点为最严重的腐蚀模型建立腐蚀速率预测模型，具体数据如表1所示
[0155]
表1 d地点土壤埋样腐蚀速率
[0156][0157]
所拟合建立的模型为：
[0158]
v＝207.289t-0.229
[0159]
而现场开挖管线e地点15年、f地点16.2年、g地点16.2年、h地点6年的腐蚀速率分别为19.80、37.60、33.13、1200.00μm/a，利用v1*v0/(a*(t1)b)公式归一化后，e地点、f地点、g地点、h地点7年的腐蚀速率分别为25.10、48.45、42.69、1231.81μm/a。
[0160]
训练数据序列如表2所示。
[0161]
表2训练数据序列表
[0162][0163]
测试数据系列如表3所示。
[0164]
表3测试数据序列表
[0165][0166]
利用计算机建立网络模型net，模型层包括输入层、隐层和输出层；
[0167]
确定输入层的影响因素节点数为6，既6个土壤腐蚀因素(土壤电阻率、cl-、so
42-、含水量、ph值、含盐量)，此时a0＝6；
[0168]
确定输出层的节点数b0，既球墨铸铁管道长期的平均腐蚀速率数值，此时b0＝1；
[0169]
隐层节点数的确定是神经网络设计中又一非常重要环节，而这一问题的复杂性，使得至今为止尚未找到一个很好的解析式，本例根据公式：
[0170]
s＝(a0+b0)*0.4+c
[0171]
确定了隐层节点数数目为3到12个之间。然后分别对隐层节点数个数从3至12个做试验，通过网络训练结果比较，选取网络训练误差和网络训练次数组合最优所对应的隐层神经元数目，如表4所示。
[0172]
表4神经预测网络隐层不同节点数迭代训练情况表
[0173][0174]
由表1可知，随着隐层节点数的增加，网络平均迭代次数有较明显减少。但是随着节点数的进一步增加，网络平均迭代次数并没有明显改进。考虑到隐节点数越多，泛化能力越差，即对新样本的识别能力越差，并且综合考虑收敛成功次数、最大迭代次数及最小迭代次数，选择神经网络的隐层节点数s＝4。
[0175]
经过多次调试测试，确定隐层函数为
[0176][0177]
确定输出层函数为：f(x)＝4x+6
[0178]
设置网络学习速率为0.05、网络训练次数为10000次，误差为0.01后开始网络训练。
[0179]
当在10000的训练次数内达到误差0.01后网络训练完毕，经测试验证后保存网络参数为net2。
[0180]
在所建立的网络net2中输入给定u地点土壤条件下的土壤理化性质参数如土壤电阻率为44ω
·
cm、cl-含量为1.6780％、so
42-含量为0.1561％、含水量为23.95％、ph值为8.67、含盐量为2.9660％，利用net2计算球铁管道的预期腐蚀速率为15.29μm/a；
[0181]
利用第二公式计算允许工作压力10bar条件下dn100c级管道腐蚀裕量为2.58mm；
[0182]
则球铁管道的预期服役寿命l＝2.58/0.01529＝167.4年；
[0183]
计算给定100年后dn100 c级管道的允许工作压力p；利用公式第四公式计算
[0184][0185]
则最后输出dn100c级管道预期服役寿命为167.4年，给定100年后管道的允许工作压力p为35.3bar。
[0186]
实施例2：
[0187]
首先选取我国四个典型腐蚀土壤地区d1、d2、d3、d4为球墨铸铁管埋设实验场所，按照开挖周期为0.082年、0.164年、0.247年、0.493年、1年及7年的开挖周期进行开挖检测试样的最大点蚀坑深度数据。
[0188]
经过sem检测后发现d1、d2、d3、d4地点中d4地点的腐蚀速率最大，且最大值为141.17μm/a，记为v0。故以d4地点为最严重的腐蚀模型建立腐蚀速率预测模型，具体数据如下。
[0189]
表5d4地点土壤埋设球铁裸管(带麻点)试样腐蚀速度
[0190][0191]
拟合结果为：
[0192]
v＝205.731t-0.231
[0193]
而现场开挖管线d5地点15年、d6地点16.2年、d7地点16.2年、d8地点6年的腐蚀速率分别为19.80、37.60、33.13、1200.00μm/a，利用v1*v0/(a*(t1)b)公式归一化后，d5地点、d6地点、d7地点、d8地点7年的腐蚀速率分别为25.40、49.09、43.26、1245.60μm/a。
[0194]
然后再汇总整理分析其他现场开挖管线的数据，总计以25个地点的数据为训练数据，以5个地点的数据为测试数据；
[0195]
利用计算机建立网络模型net，模型层包括输入层、隐层、承接层及输出层；
[0196]
确定输入层的影响因素节点数为7，既7个土壤腐蚀因素(土壤电阻率、氧化还原电位、cl-、so
42-、含水量、ph值、含盐量)，此时a0＝7；
[0197]
确定输出层的节点数b0，既球墨铸铁管道长期的平均腐蚀速率数值，此时b0＝1；
[0198]
根据公式：
[0199]
s＝(a0+b0)*0.4+c
[0200]
确定了隐层节点数的数目为4到15个之间。然后分别对隐层节点数个数从4至15个做试验，通过网络训练结果比较，选取网络训练误差和网络训练次数组合最优所对应的12个隐层神经元数目；
[0201]
经过多次调试测试，确定隐层函数为
[0202][0203]
式中，e为自然常数，a
′
为正实数。
[0204]
确定输出层函数为：
[0205]
f(x)＝3.5x+7
[0206]
设置网络学习速率为0.03、网络训练次数为20000次，误差为0.001后开始网络训练。
[0207]
当在20000的训练次数内达到误差0.001后网络训练完毕，经测试验证后保存网络参数为net3。
[0208]
在所建立的网络中输入给定v’地点土壤条件下的土壤理化性质参数，如土壤电阻率为59660ω
·
cm、氧化还原电位为558.0mv、cl-含量为0.0014％、so
42-含量为0.0010％、含水量为11.3％、ph值为6.9、含盐量为0.02％，利用net3计算球铁管道的预期腐蚀速率27.73μm/a；
[0209]
利用第二公式计算允许工作压力16bar条件下dn600 k9级管道腐蚀裕量为4.39mm；
[0210]
则球铁管道的预期服役寿命l＝4.39/0.02773＝158.3年；
[0211]
计算给定60年后dn600 k9级管道的允许工作压力；利用第四公式计算后得到dn600 k9级管道工作60年后的允许工作压力为2.81mpa，即28.1bar。
[0212]
实施例3
[0213]
x自来水公司客户提供的xx地区土壤环境下的土壤理化性质参数如下所示：土壤电阻率为16980ω
·
cm、氧化还原电位为156.8mv、cl-含量为0.325％、so
42-含量为0.782％、含水量为8.6％、ph值为8.3、含盐量为0.916％，且输送水的允许工作压力为10bar，选用dn100球铁管道，预期工作年限为100年，请为客户选择合适的管材。
[0214]
利用本发明方法建立了计算腐蚀速率预测模型net4，利用计算球铁管道的预期腐蚀速率21.87μm/a；
[0215]
利用第二公式计算允许工作压力10bar条件下dn100 c级管道腐蚀裕量为2.58mm；则球铁管道的预期服役寿命l＝2.58/0.02187＝117.9年。
[0216]
由上述计算评估表明，选用dn100 c级管道即可满足使用要求，而不必使用更厚的k9级管道，即节约了金属资源，节能降碳，又满足了用户的要求。
[0217]
本发明金属管道服役寿命预测方法实施方式，其首先获取多个土壤腐蚀因素，其中，所述土壤腐蚀因素表征所述管道铺设地影响所述管道腐蚀速率的因素；然后，将所述多个土壤腐蚀因素输入至腐蚀速率预测模型，获取预期长期的平均腐蚀速率；接着，根据所述管道的多个参数特征，确定管道的腐蚀余量，其中，参数特征表征影响所述管道腐蚀余量的管道参数；最后，根据所述腐蚀裕量以及所述预期长期的平均腐蚀速率确定预期服役寿命和/或根据所述预期长期的平均腐蚀速率确定预定年限的允许工作压力。本发明实施方式通过将影响因素输入到预测模型，获取长期腐蚀速率，根据管道的参数，确定腐蚀裕量，根据腐蚀速率和腐蚀裕量可以较为准确的评估金属管道服役寿命，因此，可以根据土壤性质，设计出符合用户需求的管道，满足客户的需求。
[0218]
1、当提供确定的土壤理化性质后，可以科学合理的计算评估球墨铸铁管道的预期服役寿命，满足用户需求。
[0219]
2、根据管道具体设计寿命年限要求，可以科学合理的选择球墨铸铁管道的壁厚级别，节约金属材料，降低成本，创造巨大经济效益；同时提高了材料利用率，绿色低成本，低碳环保，大幅减少碳排放量，为行业树立标杆效应，带动球墨铸铁管道行业的绿色健康发展。
[0220]
3、利用该方法计算评估球铁管道的预期服役寿命并进行科学选材，可以避免因管道选材不合理而导致在服役期内发生漏水事故，可以大幅度减少市政地下水管开挖和维护成本，减少因管道漏水造成的水资源浪费，能够起到良好保护环境的效果。
[0221]
应理解，上述实施方式中各步骤的序号的大小并不意味着执行顺序的先后，各过
程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施方式的实施过程构成任何限定。
[0222]
以下为本发明的装置实施方式，对于其中未详尽描述的细节，可以参考上述对应的方法实施方式。
[0223]
图3是本发明实施方式提供的金属管道服役寿命预测装置功能框图，参照图3，金属管道服役寿命预测装置3包括：第一状态获取模块301、线损获取模块302、第二状态获取模块303、异常确定模块304以及输出模块303。
[0224]
第一状态获取模块301，用于获取第一计量设备的状态，所述第一计量设备为母线的电力计量设备；
[0225]
线损获取模块302，用于在所述第一计量设备状态为良好时，获取当前线损，所述线损为各个馈线线路计量数据总和与所述母线计量数据的偏差，所述馈线线路为与所述母线相连的馈线线路；
[0226]
第二状态获取模块303，用于根据所述当前线损确定第二计量设备集的状态，第二计量设备为与所述母线相连的馈线线路的电力计量设备，所述第二计量设备集包括各个所述第二计量设备；
[0227]
异常确定模块304，用于当所述第二计量设备集的状态为异常时，确定产生异常的第二计量设备；以及，
[0228]
输出模块303，用于向维护人员发送所述产生异常的第二计量设备的维护信息。
[0229]
图4是本发明实施方式提供的电子设备的功能框图。如图4所示，该实施方式的电子设备4包括：处理器400和存储器401，所述存储器401中存储有可在所述处理器400上运行的计算机程序402。所述处理器400执行所述计算机程序402时实现上述各个金属管道服役寿命预测方法及实施方式中的步骤，例如图1所示的步骤101至步骤105。
[0230]
示例性的，所述计算机程序402可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器401中，并由所述处理器400执行，以完成本发明。
[0231]
所述电子设备4可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述电子设备4可包括，但不仅限于，处理器400、存储器401。本领域技术人员可以理解，图4仅仅是电子设备4的示例，并不构成对电子设备4的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述电子设备还可以包括输入输出设备、网络接入设备、总线等。
[0232]
所称处理器400可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
[0233]
所述存储器401可以是所述电子设备4的内部存储单元，例如电子设备4的硬盘或内存。所述存储器401也可以是所述电子设备4的外部存储设备，例如所述电子设备4上配备的插接式硬盘，智能存储卡(smart media card，smc)，安全数字(secure digital，sd)卡，闪存卡(flash card)等。进一步地，所述存储器401还可以既包括所述电子设备4的内部存
储单元也包括外部存储设备。所述存储器401用于存储所述计算机程序以及所述电子设备所需的其他程序和数据。所述存储器401还可以用于暂时地存储已经输出或者将要输出的数据。
[0234]
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施方式中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本技术的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施方式中的对应过程，在此不再赘述。
[0235]
在上述实施方式中，对各个实施方式的描述都各有侧重，某个实施方式中没有详述或记载的部分，可以参见其它实施方式的相关描述。
[0236]
本领域普通技术人员可以意识到，结合本文中所公开的实施方式描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
[0237]
在本发明所提供的实施方式中，应该理解到，所揭露的装置/电子设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/电子设备实施方式仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
[0238]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施方式方案的目的。
[0239]
另外，在本发明各个实施方式中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0240]
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施方式方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法及装置实施方式的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(read-only memory，rom)、随机存取存储器
(random access memory，ram)、电载波信号、电信信号以及软件分发介质等。
[0241]
以上所述实施方式仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施方式对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施方式所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施方式技术方案的精神和范围，均应包含在本发明的保护范围之内。