俞樹榮 王 超

(蘭州理工大學(xué)石油化工學(xué)院)

海洋立管是海洋平臺(tái)與海底井口間的主要連接件，是海洋油氣資源運(yùn)輸中的薄弱環(huán)節(jié)，在內(nèi)部輸送介質(zhì)和外部環(huán)境的共同作用下，極易發(fā)生腐蝕損傷。海洋立管發(fā)生腐蝕后，其剩余強(qiáng)度和承載能力下降，檢測(cè)和維修費(fèi)用上升，維修和更換周期縮短，投資和運(yùn)行費(fèi)用增加，整個(gè)輸送系統(tǒng)的正常運(yùn)行將受到干擾[1]。因此，必須對(duì)在役的海洋立管進(jìn)行合理的剩余強(qiáng)度評(píng)估以保證其安全運(yùn)行。

20世紀(jì)70年代以來(lái)，國(guó)際上逐步發(fā)展形成了具有安全可靠性和經(jīng)濟(jì)性的剩余強(qiáng)度評(píng)價(jià)方法，其中美國(guó)的ASME B31G[2]和API579[3]、英國(guó)的BS7910[4]、挪威的DNV-RP-F101[5]與加拿大的CAS-Z184-M86[6]相對(duì)具有代表性，但這些方法是各國(guó)在特定的試驗(yàn)環(huán)境中得到的，因此都有一定的使用條件和應(yīng)用范圍。近年來(lái)，關(guān)于人工神經(jīng)網(wǎng)絡(luò)在腐蝕管道剩余強(qiáng)度評(píng)價(jià)方面的應(yīng)用得到了廣泛關(guān)注。筆者將遺傳算法與人工神經(jīng)網(wǎng)絡(luò)相結(jié)合，有效地解決了人工神經(jīng)網(wǎng)絡(luò)自身的局限性，從而能更加科學(xué)、有效地對(duì)在役腐蝕海洋立管的剩余強(qiáng)度進(jìn)行預(yù)測(cè)。

1 DNV-RP-F101評(píng)價(jià)標(biāo)準(zhǔn)

DNV-RP-F101標(biāo)準(zhǔn)是由英國(guó)燃?xì)夤?BG)和挪威船級(jí)社(DNV)于1999年聯(lián)合頒布的管道腐蝕標(biāo)準(zhǔn)[6]。該標(biāo)準(zhǔn)提供了兩種安全準(zhǔn)則不同的腐蝕缺陷評(píng)價(jià)方法，即分項(xiàng)安全系數(shù)法和許用應(yīng)力法。分項(xiàng)安全系數(shù)法的計(jì)算過程和測(cè)定要相對(duì)復(fù)雜，而許用應(yīng)力法主要側(cè)重于現(xiàn)場(chǎng)應(yīng)用，相對(duì)簡(jiǎn)明、便捷。因此，筆者采用許用應(yīng)力法對(duì)含單個(gè)腐蝕缺陷海洋立管的剩余強(qiáng)度進(jìn)行計(jì)算。

許用應(yīng)力法需要先計(jì)算出具有腐蝕缺陷管道的失效壓力(即剩余強(qiáng)度)，然后再將該失效壓力乘以一個(gè)基于初始設(shè)計(jì)參數(shù)的單一安全系數(shù)而得到最終的安全工作壓力。

僅有內(nèi)壓荷載的單個(gè)缺陷的安全工作壓力和腐蝕管道失效壓力的計(jì)算公式為：

psw=Fpf

式中d——腐蝕缺陷深度，mm；

D——管道直徑，mm；

F——管道強(qiáng)度設(shè)計(jì)系數(shù)；

l——腐蝕缺陷長(zhǎng)度，mm；

pf——腐蝕管道失效壓力，MPa；

psw——腐蝕管道安全工作壓力，MPa；

Q——長(zhǎng)度修正因數(shù)；

t——管道壁厚，mm；

UTS——比例極限強(qiáng)度，MPa。

2 GA-BP神經(jīng)網(wǎng)絡(luò)模型

人工神經(jīng)網(wǎng)絡(luò)是指由大量人工神經(jīng)元互連而成的非線性自適應(yīng)動(dòng)力系統(tǒng)，是一種旨在模仿人腦結(jié)構(gòu)及其功能的信息處理系統(tǒng)。它具有自組織、自學(xué)習(xí)和非線性映射的能力[7]。目前，BP神經(jīng)網(wǎng)絡(luò)是研究最為成熟、應(yīng)用最為廣泛的人工神經(jīng)網(wǎng)絡(luò)模型之一。但由于BP算法屬于誤差梯度下降算法，在進(jìn)行全局搜索時(shí)，不可避免地存在收斂速度慢、易出現(xiàn)“平臺(tái)效應(yīng)”以及陷入局部極小點(diǎn)等缺點(diǎn)[8]。而遺傳算法是基于自然界中生物自然選擇和遺傳規(guī)律的并行搜索算法，是目前理論上最成熟、運(yùn)用最廣、效果最好和最有發(fā)展前景的全局搜索方法。因此，筆者利用遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)(簡(jiǎn)稱GA-BP神經(jīng)網(wǎng)絡(luò))的權(quán)值和閾值來(lái)改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的性能，以克服局部極小值，實(shí)現(xiàn)全局收斂，提高學(xué)習(xí)精度、泛化能力和網(wǎng)絡(luò)的穩(wěn)定性。

2.1 BP神經(jīng)網(wǎng)絡(luò)模型的構(gòu)建

圖1 BP神經(jīng)網(wǎng)絡(luò)模型示意圖

2.2 GA-BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值

GA-BP神經(jīng)網(wǎng)絡(luò)流程如圖2所示。

圖2 GA-BP神經(jīng)網(wǎng)絡(luò)流程

GA-BP神經(jīng)網(wǎng)絡(luò)的具體操作過程如下：

a. 編碼。為擴(kuò)大搜索空間，保證網(wǎng)絡(luò)權(quán)值和閾值的高精度，筆者采用實(shí)數(shù)編碼。將BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值級(jí)連起來(lái)，形成一個(gè)實(shí)數(shù)組，作為遺傳算法的一個(gè)染色體。編碼長(zhǎng)度即染色體的長(zhǎng)度S=n×m+m×k+m+k。

b. 確定適應(yīng)度函數(shù)。采用神經(jīng)網(wǎng)絡(luò)的目標(biāo)函數(shù)(Ei)取其倒數(shù)作為染色體的適應(yīng)度函數(shù)(Fi)。

c. 選擇操作。選擇操作是指從舊群體中以一定概率選擇個(gè)體到新群體中，個(gè)體被選中的概率跟適應(yīng)度值有關(guān)，個(gè)體適應(yīng)度值越好，被選中的概率越大。筆者采用一種回放式隨機(jī)采樣方法——輪盤賭法。

d. 交叉操作。交叉操作是指以一定交叉概率在種群中隨機(jī)選擇互相配對(duì)的兩個(gè)染色體，將其部分結(jié)構(gòu)替換重組，從而形成新的個(gè)體。由于個(gè)體采用實(shí)數(shù)編碼，所以交叉操作方法采用實(shí)數(shù)交叉法。

e. 變異操作。遺傳算法引入變異操作可以提供初始種群不含的基因，或找回選擇操作中丟失的基因，為種群提供新的內(nèi)容。變異操作一方面能使遺傳算法具有局部的隨機(jī)搜索能力，在接近最優(yōu)解的領(lǐng)域時(shí)加速向最優(yōu)解收斂；另一方面能維持種群多樣性，防止出現(xiàn)不成熟收斂。因此，筆者采用均勻變異。

f. 將新個(gè)體插入到種群中去，并計(jì)算出新個(gè)體適應(yīng)度值。

g. 用最優(yōu)的權(quán)值和閾值作為BP神經(jīng)網(wǎng)絡(luò)的初始條件，對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。

創(chuàng)刊于1946年的《文聯(lián)》，共發(fā)表了121篇文章，文類體裁多樣，主題豐富，在不同程度反映了社會(huì)的整體面貌：有歌頌戰(zhàn)爭(zhēng)期間兵民的團(tuán)結(jié)一心、眾志成城；有揭露站前戰(zhàn)后黑暗腐敗的現(xiàn)實(shí)和專制獨(dú)裁的野心；有批判具有劣根性的國(guó)民；有鞭撻帝國(guó)主義的狼子野心；也有謳歌光明的贊歌等，具有強(qiáng)烈的時(shí)代感。由于年代的限定，《文聯(lián)》是存在缺陷的，像存在對(duì)文化市場(chǎng)的迎合，滿足底層市民的消極趣味。但不可否認(rèn)《文聯(lián)》對(duì)于先進(jìn)思想的傳播，對(duì)于先進(jìn)文化的弘揚(yáng)以及對(duì)于文藝創(chuàng)作的繁榮，都產(chǎn)生了積極深遠(yuǎn)的影響，在現(xiàn)代文學(xué)報(bào)刊史上留下了濃墨重彩的畫卷。

適應(yīng)度函數(shù)的表達(dá)式為：

式中Ei——誤差平方和；

Fi——i的適應(yīng)度值；

m——輸出層節(jié)點(diǎn)數(shù)；

oj——期望值；

tj——輸出層輸出值。

3 預(yù)測(cè)實(shí)例

3.1 BP神經(jīng)網(wǎng)絡(luò)和GA-BP神經(jīng)網(wǎng)絡(luò)的建立

3.2 BP神經(jīng)網(wǎng)絡(luò)和GA-BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練

采用BP神經(jīng)網(wǎng)絡(luò)和GA-BP神經(jīng)網(wǎng)絡(luò)模型，對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，其誤差隨訓(xùn)練次數(shù)變化曲線如圖3所示，目標(biāo)誤差設(shè)定為0.000 1，BP神經(jīng)網(wǎng)絡(luò)經(jīng)過194次訓(xùn)練后可以達(dá)到訓(xùn)練目標(biāo)，而GA-BP神經(jīng)網(wǎng)絡(luò)只需要17次就能達(dá)到訓(xùn)練目標(biāo)。由此看見，GA-BP神經(jīng)網(wǎng)絡(luò)模型可有效地提高網(wǎng)絡(luò)的收斂速度。

圖3 訓(xùn)練后誤差變化曲線

3.3 BP神經(jīng)網(wǎng)絡(luò)和GA-BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)

應(yīng)用上述兩種訓(xùn)練好的網(wǎng)絡(luò)對(duì)測(cè)試集樣本進(jìn)行測(cè)試。為能說(shuō)明網(wǎng)絡(luò)預(yù)測(cè)的準(zhǔn)確性，選取測(cè)試集樣本進(jìn)行測(cè)試并與DNV-RP-F101標(biāo)準(zhǔn)計(jì)算結(jié)果進(jìn)行比較，預(yù)測(cè)結(jié)果如圖4所示。

從圖4a可以看出，兩種神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)值曲線都與DNV-RP-F101計(jì)算值曲線很好地吻合。但經(jīng)放大后比較可以發(fā)現(xiàn)，圖4b、c中GA-BP神經(jīng)網(wǎng)絡(luò)模型具有更好的預(yù)測(cè)效果，可以更好地預(yù)測(cè)腐蝕海洋立管的剩余強(qiáng)度。

在圖4a中，A、B處分別是BP神經(jīng)網(wǎng)絡(luò)和GA-BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)相對(duì)誤差的最大值點(diǎn)，圖4b、c是兩處的放大?？梢钥闯觯捎肂P神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)其相對(duì)誤差的最大值發(fā)生在17點(diǎn)處，最大相對(duì)誤差為5.38%，而采用GA-BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)其相對(duì)誤差的最大值發(fā)生在12點(diǎn)，最大相對(duì)誤差為1.99%。通過最大相對(duì)誤差比較可知，GA-BP神經(jīng)網(wǎng)絡(luò)具有較高的預(yù)測(cè)精度。

圖4 不同神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)值曲線與DNV-RP-F101計(jì)算值曲線比較

神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)束后，為了檢驗(yàn)網(wǎng)絡(luò)的泛化性，引用了文獻(xiàn)[10]中的試驗(yàn)數(shù)據(jù)，分別在訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)模型和GA-BP神經(jīng)網(wǎng)絡(luò)模型上進(jìn)行預(yù)測(cè)，預(yù)測(cè)結(jié)果的對(duì)比值見表1。其中Δ1、Δ2、Δ3分別為DNV-RP-F101標(biāo)準(zhǔn)計(jì)算值、BP神經(jīng)網(wǎng)絡(luò)和GA-BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)值與試驗(yàn)值間的相對(duì)誤差?？梢钥闯?，相對(duì)于DNV-RP-F101計(jì)算值，人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)值更加接近試驗(yàn)值。經(jīng)過最大相對(duì)誤差比較可知，GA-BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)最大相對(duì)誤差為4.86%，其誤差要低于DNV-RP-F101計(jì)算最大相對(duì)誤差為12%和BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)最大相對(duì)誤差為7.91%。因此，利用人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)腐蝕管道剩余強(qiáng)度的方法是可行的，且GA-BP神經(jīng)網(wǎng)絡(luò)可以更好地滿足工程需要。

表1 DNV-RP-F101計(jì)算值和不同神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)值與試驗(yàn)結(jié)果比較

(續(xù)表1)

4 結(jié)束語(yǔ)

依據(jù)BP神經(jīng)網(wǎng)絡(luò)所具有的非線性和較強(qiáng)的泛化能力，建立了管徑、壁厚、腐蝕缺陷長(zhǎng)度、腐蝕缺陷深度以及管材極限抗拉強(qiáng)度等影響因素與腐蝕海洋立管剩余強(qiáng)度之間的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，在BP神經(jīng)網(wǎng)絡(luò)模型的基礎(chǔ)上，利用遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值，構(gòu)建GA-BP神經(jīng)網(wǎng)絡(luò)模型。在25組測(cè)試樣本中，BP神經(jīng)網(wǎng)絡(luò)和GA-BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的相對(duì)誤差分別控制在5.384%和1.995%以內(nèi)。結(jié)果表明，利用人工神經(jīng)網(wǎng)絡(luò)來(lái)預(yù)測(cè)腐蝕海洋立管的剩余強(qiáng)度是可行的。此外，在對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練時(shí)，BP神經(jīng)網(wǎng)絡(luò)需要經(jīng)過194次訓(xùn)練達(dá)到訓(xùn)練目標(biāo)，而GA-BP神經(jīng)網(wǎng)絡(luò)只需要17次就能達(dá)到訓(xùn)練目標(biāo)。由此可見，利用遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)模型不僅可以有效地提高網(wǎng)絡(luò)的訓(xùn)練精度，而且還可提高其收斂速度，是一種更加科學(xué)、有效的預(yù)測(cè)模型。

[1] 高照杰, 粟京. 帶損傷海底石油管線的安全評(píng)估[J]. 海洋工程, 2003, 21(1): 53～59.

[2] ASME B31G，Manual of Determining the Remaining Strength of Corroded Pipelines-A Supplement to ANSI/ASME B31G Code for Pressure Piping[S]. NewYork: American Society of Mechanical Engineers, 1991.

[3] API RP579, Recommended Practice for Fitness-For-Service[S]. America: American Petroleum Institute, 2000.

[4] BS 7910, Guidance on the Method for Assessing the Acceptability for Flaws in Fusion Welded Structure[S]. London: British Standard Institute, 1999.

[5] DNV. Recommend Practice, RP-F101, Corroded Pipelines[S]. Norway: Det Norske Veritas, 2004.

[6] CAN / CSA-Z184-M86, Gas Pipeline System[S]. Canada: Canadian Standards Association, 1886.

[7] 劉亞莉,張強(qiáng),趙麗麗，等. 基于MATLAB的螺旋槽干氣密封性能分析[J]. 化工機(jī)械, 2012, 39(1): 41～43.

[8] SilvaR C C, Guerreiro J N C, Loula A F D. A Study of Pipe Interacting Corrosion Defects Using the FEM and Neural Networks[J]. Advances in Engineering Software, 2007, 38 (11/12):868～875.

[9] 周毅, 徐伯齡. 神經(jīng)網(wǎng)絡(luò)中的正交設(shè)計(jì)法研究[J]. 南京大學(xué)學(xué)報(bào)(自然學(xué)科版,) 2001, 37(1) : 72～78.

[10] Freire J L F, Vieira R D, Castro J T P. Part3: Burst Tests of Pipeline with Extensive Longitudinal Mental Loss[J]. Experimental Techniques, 2006, 30(6): 60～65.