Моделирование процессов коррозионных повреждений магистральных трубопроводов для оценки технического и техногенного рисков

• Автор: Бесхлебнова, Галина Александровна
• Шифр специальности: 05.13.18
• Научная степень: Кандидатская
• Год защиты: 2007
• Место защиты: Уфа
• Количество страниц: 152 с. : ил.

ОГЛАВЛЕНИЕ

Список принятых сокращений

Введение

Глава 1.ПОСТАНОВКА ЗАДАЧ И АНАЛИЗ ОСОБЕННОСТЕЙ МОДЕЛИРОВАНИЯ

1.1. Определение остаточного ресурса трубопроводов задача

ирот позирования

1.2. Оценка опасности коррозионных дефектов.

1.3. Постановка задачи построения про1 но зной нейросегевой модели

коррозионных разрушений магистральных трубопроводов

1.4. Формализованная посгановка задачи нейросетево1 о моделирования .

1.5. Анализ особенностей моделирования .

1.6. Постановка многокритериальной задачи ранжирования участков с учетом
технического и техногенною рисков корро зионных повреждений.
1.7. Основные результаты и выводы по главе 1.
Глава 2.ПРЕДЛАГАЕМЫЕ МЕ ГОДЫ ПО РЕШЕНИЮ I ЮС 1АВЛЕ1II1ЫХ ЗАДАЧ
2.1. Системный подход.
2.2. Описание теоретической основы построения нейросетевой прогнозной многофакторной модели.
2.3. Решение многокритериальных задач методом ЛПХ поиска.
2.4. Структурнофункциональная схема информационной системы диагностики коррозионных повреждений
2.5. Метод нейросетевою моделирования.
2.6. Алгоритмы нечегкой логики
2.7. Основные результаты и выводы по главе 2
Глава З.ВЫЧИСЛИ IЕЛЫ1ЫЕ ЭКСПЕРИМЕНIЫ 0 АХОЖДЕНИЮ ПРОГНОЗНОГО РАЗМЕРА КОРРОЗИОННОГО ДЕФЕКТА
3.1. Сравнение данных натурных жеиерименов о расчетами но регрессионной модели.
3.2. Этапы нейросетевого моделирования коррозионных процессов
3.3. Рабочий алг ори м формирования русел .
3.4. Вычислительные эксперименты по апробации концепции формирования русел
3.5. Метод модифицированною обобщенного перекрестного подтверждения нейросегевых моделей
3.6. Получение пропюшых оценок глубины коррозионных повреждении на основе нейросегевой модели
3.7. Синтез комплексной модели ранжирования участков трубопроводов с
учетом технического и техногенного рисков .
3.7 1. Математическая модель прогноза глубины коррозии для участков магистральных трубопроводов.
3.7.2. Очистка кластера от аномальных точек.
3.7.3. Определение риска аварии в условиях неопределенности
3.7.4. Задача ранжирования
3.8. Основные результаты и выводы по лаве 3
Г л а в а 4. МЕ1ОДИКА ВЫВОДА В РЕМ У ЧАС 1 КОВ ТРУБОПРОВОДОВ.
4.1. Решение задачи многокритериальной оптимизации с применением процедуры ЛПХ поиска
4.2. Постановка и подходы к решению задачи выбора.
4.3. Алгоритм построения комплексной модели ранжирования участков магистральных трубопроводов по техническому и техногенному рискам
4.4. Оценка техническою риска коррозионного разрушения магисгральных трубопроводов.
4.5. Составление оптимально о плана ремонта .
4.6. Основные результаты и выводы по главе 4
Заключение.
Список литературы


При решении поставленных в работе задач использовались: теория вероятностей и математическая аатистика, методы нейросаевого моделирования, методы системного анализа, методы нечеткой логики, методы прогнозирования, методы корреляционного и регрессионного анализа, методы имитационного моделирования, методы оптимизации. Апробация работы Работа апробировалась в процессе выполнения прикладной научно-исследовательской работы на тему «Меіодики ирове гения флкюрною лил шзл коррозионных повреждений магистральных нефтепроводов, выявление причин возникновения и развития коррозии и выработка рекомендаций по ее предотвращению», которая была выполнена с участием автора в Башкирском государственном университете в г. Заказчик - Всероссийский научно-исследовательский институт строительства трубопроводов, г. Москва) Технический отчет принят и одобрен Заказчиком (см. НИР). XIV Международная конференция но нейрокибернегике, і. Ростов-на-Дону, . Международная учебно-научно-пракшческая конференция «Ірубопро-водный транспорт - », і. Уфа, . VIII Всероссийская научно-техническая конференция «Нейроинформатика - », г. Диссертационная работа включает в себя Введение, четыре главы, Заключение, список литературы и Приложение и содержит 2 сіраницьі сквозной нумерации, из которых 9 стр. Приложении. В первой главе содержится обзор литературы по методам оценки остаточного ресурса участков трубопроводов, выработавших нормативный срок, но определению прочности конструкции сетей магистральных трубопроводов. Осуществляется содержательная и формализованная постановка задачи нейро-сетевого моделирования коррозиционных процессов участков магистральных трубопроводов. Проведена декомпозиция общего риска аварии участка на технический и техногенный риски, рассмотрена возможность числовой оценки обоих видов риска. Оценка техногенною риска аварии на участке трубопровода производится на основе мнений экспертов. Сформулирована задача по ранжированию участков магистральных трубопроводов с учетом техническою и техногенною рисков коррозионных повреждения учасіков магистральных трубопроводов. Вюраи глава посвящена разработке методики определения протнозною размера коррозионных дефектов на основе нейросегевой моделирования. Пре цо/ксна ирумур-но-функциональная схема информационной системы диагностики коррозионных повреждений. Излагаются основные принципы методики нейросетевою моделирования. Для обоснования адекватности нейросегевой модели разработан метод обобщенного перекрестною подтверждения модели Рассматриваются алгоритмы нечеткой логики. В третьей 1лавс содержатся результаты проведенных автором вычислительных экспериментов по проверке правильности предложенного подхода по структурированию модели. Специально разработанные процедуры пред- и постобработки данных являются эффективными и позволяют достичь приемлемых результатов по поставленным задачам. На основе разрабатываемой модели возможно с достаточной точностью оценить глубину коррозионных дефектов в зависимости глубины залегания грубы, характеристик т рун га, марки счали и др Отмечены особенности поставленной задачи моделирования I) Большая размерность вектора независимых переменных; 2) Необходимость учета качественных переменных; 3) Зашумленность данных, связанная с тем, что результаты измерений получены двумя способами; 4) Малое количество временных отсчетов, расположенных к тому же неравномерно в области эксперимента; 5) Большой объем выборки данных, на основе которой осуществляется моделирование; 6) Невозможность введения так называемых лаговых переменных; 7) Требование высокой точности моделирования. На этапе предобработки данных проведена их кластеризация по естественному морфолот ическому признаку (тип грунта, марка стали труб). I Доведены эксперименты, подтверждающие правильное! Получена итоговая прогнозная нейросеть для определения глубины коррозии на конкретном участке трубопровода. В четвертой 1лаве рассмотрена меюдика по составлению планов выборочного ремонт участков трубопроводов. В настоящей работе предложено строить тибридную модель, состоящую из двух блоков.