1、dustry,2023,39(11):33-37.LI Na.Fatigue lifepredictionpetrochemical pressure pipelines based on FCM clusteringlJupervisioninPetroleum In-李娜.基于FCM聚类的石油化工压力管道疲劳寿命预测 J.石油工业技术监督,2 0 2 3,39 11):33-37.计量Technologyin Petroleum Industrysion1Vol.39 No.11第39 卷第11期Nov.20232023年11月石油工业技术监督基于FCM聚类的石油化工压力管道疲劳寿命预测李
2、娜中海油能源发展装备技术有限公司(天津30 0 452)摘要由于传统寿命预测方法依赖于失效数据信息,而大多数产品的失效数据非常有限,导致寿命预测准确性差。为此,研究了基于模糊c-均值聚类(fuzzyc-means clustering,FCM)的石油化工压力管道疲劳寿命预测方法,采用小波支持向量回归机建立退化轨迹模型,利用遗传算法优化模型参数;通过压力管道疲劳缺陷扩展计算模型,确定压力管道存在疲劳缺陷区域;使用FCM算法监测数据聚类过程,实现拐点估计与寿命预测。测试结果表明:利用FCM聚类算法监测不同聚类中心拐点的隶属度后,疲劳寿命预测结果与实际结果误差低于1.0 m/s,说明该方法具有较高的
3、寿命预测准确性。关键词FCM聚类;石油化工;压力管道;疲劳寿命预测D01:10.20029/j.issn.10041346.2023.11.007Fatigue Life Prediction of Petrochemical Pressure Pipelines basedonFCMClusteringLINaEnergy Development Equipment Technology Co.Ltd.,China National Offshore Oil Corporation(Tianjin 300452,China)Abstract Due to the limited failur
4、e data available for most products,traditional life prediction methods that rely on failure data informa-tion often yield poor accuracy.Therefore,the fatigue life prediction method of petrochemical pressure pipelines is studied based onFuzzy clustering(FCM).A degradation trajectory model was establi
5、shed using wavelet support vector regression,and the model parame-ters were optimized using a genetic algorithm.The calculation model for fatigue defect extension in pressure pipelines was employed todetermine the areas of fatigue defects.The FCM algorithm was used for monitoring the data clustering
6、 process to achieve inflection pointestimation and life prediction.The test results show that by using the FCM clustering algorithm to monitor the membership of differentcluster centers inflection points,the error between the fatigue life prediction results and the actual results was less than 1.0 m
7、/s,indicat-ing a high level of accuracy in life prediction using this method.Key words FCM clustering;petrochemical industry;penstock;fatigue life prediction由于人类经济社会的不断进步以及科学技术的日益发达,一个国家中大部分领域的系统以及零件也就显得更加复杂了,而这些领域内部的系统以及零件如果发生了问题,则极有可能导致大量灾难性的后果出现,最终会给整个社会和全人类造成重大的损失。所以,必须在整个系统甚至是零部件还没有发生严重损失以前,就要对
8、其已经产生疲劳的寿命及其残余的寿命作出正确预估,才能有效地为整个系统所实施的寿命管理或维护工作作出最优的决定。在国家现存的寿命预测方法中,大多数方法均比较依赖失效的数据信息,而在实际的工程运行过程中,相对比较可靠且寿命较长的产品其失效的数据信息均比较少,既使在实践过程中对寿命进行加速测试也无法准确获取到。最近几年来,国家对寿命的预测方法越来越重视,因此提出了很多模型来对寿命进行预收稿日期:2 0 2 3-0 3-0 2;修回日期:2 0 2 3-0 6-2 1作者简介:李娜(19 8 3一),女,工程师,研究方向为信息技术。E-mail:34石油工业技术监督测。但是,在传统的产品寿命预测方式中
9、,并不能对同一类别产品性能的退化数据中隐含着的信息加以充分利用,特别是当退化轨迹之中同时隐含着几乎一致信息,并且在差别很大的情形下出现。通过对一些特殊的个体及其退化轨迹之间所具有的相似性进行分析,就能够找到与其退化轨迹较为接近的某些个体,而如果是在类似的平台上对同一类型产品的退化轨迹进行加权的,并通过这些特殊个体的退化轨迹来对寿命做出精确预估,这就能够得出相对较为精确的产品疲劳寿命预估结论2。而复杂产品大多数的退化轨迹均为非线性的,导致产品疲劳寿命预估产生偏差。因此,为了能够更加准确地对石油化工压力管道的疲劳寿命进行预测,就需要在FCM聚类技术上研究更加准确的寿命预测方法。1建立退化轨迹模型并
10、优化参数要想对实现退化轨迹模型的建立以及内部参数的优化,就需要采用小波支持向量回归机的方法来建立退化轨迹模型,再利用所建立的模型对缺少时刻的退化性能进行测量。退化轨迹模型中参数(,V,s)的确定,是导致预测结果准确性的重要因素,因为遗传算法具有非常优秀的全局搜索能力,因此利用此算法来完成模型内部参数的优化,并将检验集合的平均估计误差作为模型内部适应程度函数,具体如式(1)所示X100%(1)式中:h为检验集合所输出的真实数据;h。为经过迭代9 次之后,对检验集合所进行的预测;j为检验集合中样本的数量;k为所选择的样本3;h为经过送代q次之后,对所选择的样本k进行的预测;hk为所选择的样本k所输
11、出的真实数据基于参数优化的退化轨迹模型建立的过程如下。步骤一:训练集合与检验集合的确立。选择所需要预测样本中的前一组数据作为训练集合,那么后一组数据则为检验集合。步骤二:当送代变化数量q=0的时候,可以设定迭代的最大数量qmx及其适应程度的最大数量emx,并设定交叉和变异的概率值,以及各个优化参数的变化范围;随机生成乙组优化参数的初步数据,将其作为遗传算法的个体基因,然后分别从每一个体的初步数据中形成退化轨迹模式,并利用公式(1)来完成对检验集合的适应程度数值进行预测4。步骤三:9=q+1,根据所得到的适应程度数值来选择最优质的个体,并按照交叉概率的原则来进行新个体的产生,由于个体采用实数编码
12、,所以交叉操作方法采用实数交叉法,第w个染色体a.和第m个染色体am在j位的交叉操作方法如下a=am(1-b)+amb(2)am=am(1-b)+aub式中:b是 0,1 间的随机数。再根据变异概率的原则进行变异操作,将个体组成为新的种群,并对每一个种族的个体建立模型以及完成适应程度的预测。变异操作选取第i个个体的第i个基因,进行变异,变异操作方法如下:-am)f(g),r0.5(3)Amn-a,)f(g),r0.5min式中:amx为基因a,的上界;amn为基因a的下届;(g)为变异系数;r为 0,1 间的随机数。步骤四:一旦出现同时满足qem的情况,就需要转回到步骤三;否则遗传算法运行终止
13、,选择适应程度最小数值所对应的个体作为最优的参数(t,V,寸)。步骤五:所建立的最终退化轨迹模型,具体如式(4)所示。u,=f(o)=Z(:-)(y,y)+(4)式中:y为规范化时所测量的时刻;y为需要进行预测的第1个样本;L为整个样本;与.为拉格朗日乘子;亢为偏置;z为待预测样本数量。将所对应的缺少时刻y依次代人到上述公式中,所得到估计性能的退化值iu=f(y),那么(ye,uw),h=1,2.,)则为优化处理之后的模型参数5。由此通过以上步骤,遗传算法可以有效地优化石油化工压力管道退化轨迹模型的参数,提高其预测精度和预警能力,保障管道的安全运行。2确定压力管道疲劳缺陷区域图1为存在缺陷的压
14、力管道内部横截面示意图。图1中R,表示内部管道的半径,R表示整个管道的半径。35李娜:基于FCM聚类的石油化压力管道疲劳寿命预测R2R图1压力管道内部横截面示意图根据图1在对存在缺陷的压力管道疲劳寿命进行分析时,就需要使用标准的疲劳缺陷扩展公式,具体如式(5)所示d=BX.(AJ.)(5)式中:d为存在缺陷区域的深度;B为压力管道存在疲劳的次数;X。与b均为压力管道材料的常规数值;J,则为应力强度的因子 6 那么压力管道在拉弯的条件下,J的计算公式则为J=Ju+Ju,其中所代表的参数计算过程如式(6)所示。Jun=s,(元l)D,Ju=(s,+s.)(元l)D,0S,2元RNS2元R8(6)D
15、,=1.10+x0.152 4+16.772(x9/元)0.85514.944(x0/元)D,=1.10+x-0.099 67+5.005 7(x0/元)56 s0.5652.832.9(x/元)x=l/s式中:S,为均匀状态下,拉伸的应力,MPa;S,为均匀状态下,弯曲的应力,MPa;s。为热膨胀状态下产生的对应应力,MPa;D,与D,为相对应的修正系数;N为弯曲所需要的力矩,Nm;J u 为薄膜应力强度下,所产生的因子;J为弯曲应力强度下,所产生的因子;R为压力管道平均半径,mm;为压力管道壁厚度,mm;9=x/R 为半面裂纹的角度。这样就可以通过所得到的压力管道疲劳缺陷扩展计算模型,来确
16、定压力管道存在疲劳缺陷的区域7。3FCM算法拐点估计与寿命预测在实际预测的过程中,如果先进技术依靠主观的数据信息无法直接收集到压力管线退化的真实状况,这就必须首先确定几个退化状况的中心,而通过退化状况中心数据就能够确定所有要进行预测的管线退化数据。想要对管道退化阶段做出判断,并且对各个阶段间的拐点做出判断,就必须选择被标记过的一个极为不同的衰退阶段 8-9。通过FCM聚类技术,就能够获取从每一次检测得到的数据以及对不同系统聚类中心进行聚类之后的数据了。而为了可以对数据中所处的退化状况做出正确评价,就能够采用从安全检测资料到聚类分析法之间模糊隶属度经过加权后的最小距离作为目标进行测量,那么所得到
17、的目标函数则如式(7)所示。min(K,(0,B)=min(7)i=1j=1式中:0 为隶属度矩阵;B为在退化态的中心;v代表着在退化态下聚类中心的数量;m为检测数据的数量;x-b./为第个安全检测资料到第i个聚类分析法中心之间相似程度的距离。而由于每一条数据对在不同聚类分析法中的模糊隶属度总数都是1,所以在上述公式中目标函数的约束值即为o,=1,且 Vo,0。通过目标函数及其约束值就i=1可以得到下述公式(8)中的拉格朗日函数。2ollx,-ll+u2(oj-1)mF=(8)i=lj=i=1式中:为隶属度函数的因子。利用拉格朗日函数对B和O进行梯度的求取以及归零化处理,过程如式(9)所示。2
18、(/)(9)m0j=1j=1对于终止的阅值作出设定后,使y=Y或者B,-B,=8,亦即在聚类中心的温度变化低于一定的阅值时,通过迭代的方式进行就能够实现停止,从而能够获得B和O的具体值。而聚类的有效性是能够利用对类间和类间差异的研究来做出判断,则需要利用公式(10)来对FCM的性能进行评估。min Q(u)=mini=1j=1(10)i=j=l上述公式中前半部分是模糊状态下聚类内距36石油工业技术监督离的总和,而后半段即为在模糊条件下聚类之间长度的平均值,且=x。对绝大多数的压m=1力管道而言,并不能直接地观察到拐点之间的标准差,所以对这类的时间序列而言,则必须通过隶属度的矩阵才能找到拐点。在
19、考虑所要求分析的数据为在长期监测情况下自然形成的退化数据,同时也假定了每一次被长期监测的数据,只能够使用到相邻二次的情况。这就能够把绝对隶属点距离相差少于0.1的二次相邻情况下的衰退数据,看作是在二个以上相邻退化情况下的绝对拐点。而利用对拐点距离的精确预测,就能够达到通过FCM聚类技术对压力管道的疲劳寿命做出精确预报。4应用测试与分析本次测试以某炼油厂的石油化工压力管道为例,其管道直径为110 mm,所采用材质为合金钢。石油化工压力管道是承载流体和压力的重要设备之一,由于其高强度、高温高压等特点,经常处于疲劳破坏的状态。由于石油化工压力管道处于一个复杂的工作环境中,故温度设置在50 8 0,压
20、力设置为6 8 0 kPa。为验证所提方法的有效性,本次实验将对石油化工中压力管道的退化情况加以检验,并通过FCM聚类方法对退化过程中不同的拐点数据加以分析,从而进行对疲劳寿命的预估。首先,如果需要把所有在迭代期间的目标函数都用FCM进行聚类,而随着迭代时间的不同目标函数度量的变化过程如图2 所示。400300200100051015202530354045送代次数/次图2 选代过程中目标函数度量示意图从图2 可知:在聚类中心完成了2 5次迭代以后,其目标函数的度量已经减少到零,也就说明了在完成2 5次迭代以后,聚类中心并没有再做出改变。根据上述所得出的结果,便可对压力管道发生退化的情况进行了
21、检测,在具体监测后所得出的结果如图3所示。40(s/)/率302010050100150200聚类中心数据总数/个图3退化监测数据的聚类结果示意图由图3可以看出:通过聚类的过程,整个压力管道的退化过程可以被细分成3个不同的阶段,而且在各个阶段之间所形成的衰退速度也存在着显著的不同。第2 阶段与第3阶段相比,第3阶段的衰减速率明显比第2 阶段要高,将这个过程进行了分阶段处理,则以后就可分阶段地对压力管道的疲劳寿命进行预测,从而得到的结果也会更加合理。监测数据对不同聚类中心所产生的隶属度,则如图4所示。1.00.50050100150200聚类中心数据总数/个图4不同阶段目标函数隶属度结果可以发现
22、,FCM聚类方法使得样本同时具有不同的聚类中心,对于同时对拐点的预测而言,也可以比较精确地对拐点所在的隶属点加以测量。利用FCM聚类算法对3个不同阶段进行监测时,所反应出来的石油化工压力管道退化节点依次为6 5、132和18 5。对3个不同阶段均使用FCM聚类方法后,所得到的压力管道疲劳寿命进行预测结果则如图5所示。40实际监测结果寿命预测结果30(S/)/率率2010050100150200聚类中心数据总数/个图5基于FCM聚类方法寿命预测结果示意图由图5可知:聚类中心点数据总数为6 5个时,本文方法的退化速率为19.2 m/s,实际结果为2 0.8m/s;聚类中心点数据总数为132 个时,
23、本文方法的退化速率为2 4.8 m/s,实际结果为2 3.7 m/s;聚类中本文编辑:崔杰上接第32 页)本文编辑:左学敏37李娜:基于FCM聚类的石油化道疲劳寿命预测心点数据总数为18 5个时,本文方法的退化速率为37.2m/s,实际结果为36.9 m/s。由此可知,所提方法预测结果与实际结果间的误差低于1.0 m/s,使用本文所提到的方法对石油化工压力管道疲劳寿命进行预测后,得到的结果更加准确。5结束语为提高寿命预测准确性,提出一种基于FCM的石油化工压力管道疲劳寿命预测方法。采用小波支持向量回归机建立退化轨迹模型,利用遗传算法优化模型参数;通过压力管道疲劳缺陷扩展计算模型,确定压力管道存
24、在疲劳缺陷区域;使用FCM算法监测数据聚类过程,实现拐点估计与寿命预测。通过实验结果可知:所提方法的疲劳寿命预测结果与实际结果误差低于1.0 m/s,具有较高的寿命预测准确性,可为寿命管理或维护工作作提供可靠的参考,以作出最优的决定。参考文献:1刘紫微,杨晓忠.一种基于CS-FCM算法的模糊时间序列预测模型 J.应用数学学报,2 0 2 2,45(3):32 2-338.2李潇瀛,方鸽,李昌均.基于FCM-ARIMA的多阶段退化设3结论1)建立的新鲜疏松砂岩样品油-水相对渗透率实验方法,能够精准确定束缚水饱和度和残余油饱和度等关键参数,进一步提高疏松砂岩样品油-水相对渗透率测定精度,且可减少实
25、验步骤,有效缩短实验周期。2)新的企业标准Q/HSHFZC1092021中提出的基于低场核磁共振技术测定油-水相对渗透率,能够完善新鲜样油-水相渗测定方法,内容全面且方法高效。3)Q/HSHFZC1092021企业标准的发布实施,将会显著提升疏松砂岩储层水淹层及剩余油分布评价的合理性,为下一步新鲜疏松砂岩油-水相对渗透率测定(非稳态法)的行业标准编制奠定基础。参考文献:1张人雄,李玉梅,李建民,等.砂砾岩油藏油水相对渗透率曲线异常形态成因探讨 J.石油勘探与开发,19 9 6,2 3(2):备寿命预测研究 J.计算机仿真,2 0 2 1,38(8):33-36,7 4.3胡雨菌,包腾飞,朱征,
26、等.基于IABC-FCM-RVM算法的拱坝变形预测模型 J.武汉大学学报(工学版),2 0 2 0,53(12):1055-1064.4常乐,汪庆年.基于优化聚类分解与XCBOOST的超短期电力负荷预测 J.国外电子测量技术,2 0 2 2,41(5):46-51.5】吕明珠,苏晓明,刘世勋,等.基于AFCM-SVM的滚动轴承退化状态评估与剩余寿命预测 J.组合机床与自动化加工技术,2 0 2 0(3):6 5-6 9.6刘锋.基于改进FCM聚类分析的电能质量综合评估方法J.电子测试,2 0 2 2,36(17):59-6 1.7耿悦杰,张志刚.基于改进核函数的FCM聚类算法及其在高校学生成绩
27、数据挖掘中的应用 J.大学数学,2 0 2 0,36(6):23-28.8赵泉华,王春畅,李玉.基于混合邻域约束项的改进FCM算法 J.控制与决策,2 0 2 1,36(6):1457-146 4.9于倩影,李娟,戴洪德,等.基于LASSO变量选择的航空发动机相似性剩余寿命预测 J.航空动力学报,2 0 2 2,38(4):931-938.10徐志强,刘崎峰,刘佳峰,等.基于FCM聚类和漏失模拟的给水管网压力监测点布设 J.排灌机械工程学报,2 0 2 2,40(6):642-648.80-82.2王国先,谢建勇,李建良,等.储集层相对渗透率曲线形态及开采特征 J.新疆石油地质,2 0 0 4
28、,2 5(3):30 1-30 4.3缪飞飞,刘小鸿,张宏友,等.相对渗透率曲线标准化方法评价 J.断块油气田,2 0 13,2 0(6):7 59-7 6 2.4何建民.油水相对渗透率曲线异常影响因素探讨 .油气地质与采收率,2 0 0 9,16(2):7 4-7 6,8 0.5易敏,郭平,孙良田.非稳态法水驱气相对渗透率曲线实验J.天然气工业,2 0 0 7(10):9 2-9 4,142.6】王东琪,殷代印.水驱油藏相对渗透率曲线经验公式研究J.岩性油气藏,2 0 17,2 9(3):159-16 4.7白松涛,万金彬,徐风,等.利用核磁共振T2谱计算相对渗透率曲线方法研究 J.测井技术,2 0 15,39(6):6 8 9-6 9 2.8庞启强.相对渗透率计算方法研究 D.成都:西南石油大学,2 0 11.9张宏友,邓琪,牟春荣,等.水驱砂岩油藏理论含水上升率计算新方法:对分流量方程法的校正 .中国海上油气,2015,27(3):79-83.10张宏友,邓琪,王美楠,等.含水率与采出程度关系理论曲线建立新方法 J.断块油气田,2 0 18,2 5(3):345-349.