張 杰，張佩穎，虞維超，刁 逢，王圣潔，宮 敬

(1.中國石油大學(xué)(北京) 油氣管道輸送安全國家工程實(shí)驗(yàn)室,北京 102249;2.中國石油天然氣股份有限公司北京油氣調(diào)控中心，北京 100007)

管道輸送是油氣資源輸送最有效的方式，管道失效數(shù)據(jù)統(tǒng)計(jì)結(jié)果表明，管道腐蝕失效占管道失效總量的近30%，是造成管道失效的主要原因之一[1]。為了提高管道的安全運(yùn)行能力，國內(nèi)外學(xué)者對腐蝕管道的結(jié)構(gòu)可靠性進(jìn)行了大量研究[2-4]。腐蝕管道結(jié)構(gòu)可靠性評價(jià)是評估腐蝕對管道完整性破壞程度的一種有效方法，生產(chǎn)和運(yùn)行過程中所涉及的不確定性都通過概率方法納入其中[5-7]。腐蝕管道結(jié)構(gòu)可靠性分析通?；诤g缺陷管道的極限狀態(tài)函數(shù)，通過建立管道腐蝕缺陷生長模型，采用蒙特卡羅等方法計(jì)算管道的失效概率，進(jìn)而評價(jià)管道在全生命周期內(nèi)的可靠性[8-10]。

建立適當(dāng)?shù)墓艿栏g缺陷生長模型對腐蝕管道結(jié)構(gòu)可靠性評價(jià)的準(zhǔn)確性和有效性至關(guān)重要：一方面，過高估計(jì)管道腐蝕速率會(huì)導(dǎo)致對管道進(jìn)行不必要的檢測和維護(hù)，造成管道管理成本過高；另一方面，過低估計(jì)管道腐蝕速率則會(huì)由于未能及時(shí)對管道進(jìn)行預(yù)防性維護(hù)而導(dǎo)致管道失效，造成嚴(yán)重的后果[11]。管道腐蝕缺陷的生長過程本質(zhì)上是隨機(jī)的，包括時(shí)間和空間的變異性。時(shí)間變異性意味著管道腐蝕缺陷的增長速率會(huì)隨時(shí)間變化，空間變異性意味著不同管道腐蝕缺陷的增長速率不同。文獻(xiàn)[12]采用隨機(jī)過程的方法建立了管道腐蝕缺陷的概率增長模型。

由于設(shè)計(jì)、制造和運(yùn)行工況的原因，管道的結(jié)構(gòu)參數(shù)、缺陷的尺寸參數(shù)之間相互關(guān)聯(lián)，多個(gè)腐蝕缺陷的增長相互依賴，在統(tǒng)計(jì)意義上均表現(xiàn)出一定程度的相關(guān)性[13-16]。張鵬等[14]研究了單個(gè)缺陷的尺寸參數(shù)之間的相關(guān)性對腐蝕管道結(jié)構(gòu)可靠性的影響，但未考慮多個(gè)腐蝕缺陷生長過程的相關(guān)性；Li等[15]將缺陷之間的相關(guān)性視為概率交集進(jìn)行研究，提出了一種管道腐蝕缺陷的概率增長計(jì)算方法，但沒有模擬多個(gè)腐蝕缺陷相互依賴生長的物理過程。此外，管道失效數(shù)據(jù)是管道結(jié)構(gòu)退化到臨界值的直接體現(xiàn)，蘊(yùn)含了寶貴的管道完整性信息。為了準(zhǔn)確地反映腐蝕管道的安全水平，腐蝕管道結(jié)構(gòu)可靠性評價(jià)中涉及的參數(shù)不確定性、隨機(jī)變量之間的相關(guān)性以及失效數(shù)據(jù)均需要加以考慮。然而，在現(xiàn)有的腐蝕天然氣管道結(jié)構(gòu)可靠性評價(jià)中，鮮有研究全面考慮隨機(jī)變量之間相關(guān)性的影響，更沒有涉及到管道失效數(shù)據(jù)對腐蝕管道結(jié)構(gòu)可靠性評價(jià)結(jié)果的更新和校正?；诖?，本文建立了考慮失效數(shù)據(jù)和隨機(jī)變量之間相關(guān)性的腐蝕管道可靠性評價(jià)方法，以完善目前的研究，為提高腐蝕管道的安全管理提供理論基礎(chǔ)。

1 腐蝕管道結(jié)構(gòu)可靠性預(yù)測

腐蝕管道結(jié)構(gòu)的可靠性評價(jià)是一個(gè)典型的預(yù)測問題，其利用管道在線檢測得到的有限數(shù)據(jù)，評估未來一段時(shí)期內(nèi)管道結(jié)構(gòu)的可靠性，并預(yù)測管道系統(tǒng)達(dá)到極限狀態(tài)的時(shí)間，從而制定相應(yīng)的預(yù)防性維修策略。

1.1 管道極限狀態(tài)方程和管道腐蝕缺陷生長模型

管道腐蝕缺陷存在兩種極限狀態(tài)：小孔泄漏失效和爆裂失效。對于一個(gè)給定的管道腐蝕缺陷，給出管道在時(shí)間t時(shí)對應(yīng)小孔泄漏失效和爆裂失效的極限狀態(tài)方程g1(t)和g2(t)分別如下[17-18]：

g1(t)=0.8wt-dmax(t)

(1)

g2(t)=pb(t)-pop(t)

(2)

(3)

式中:0.8為安全系數(shù)；wt為管道壁厚(mm)；t為上一次在線檢測后經(jīng)過的時(shí)間(a)；dmax(t)為時(shí)間t時(shí)管道腐蝕缺陷的最大深度(mm)；pop為管道運(yùn)行壓力(MPa)；pb(t)為腐蝕缺陷處的管道爆破壓力(MPa)；χ為模型誤差；σu為抗拉強(qiáng)度(MPa)；D為管道直徑(mm)；l(t)為時(shí)間t時(shí)管道腐蝕缺陷的軸向長度(mm)。

g1(t)≤0和g2(t)≤0分別代表含腐蝕缺陷管道小孔泄漏失效和爆裂失效的發(fā)生。含腐蝕缺陷管道小孔泄漏失效和爆裂失效對應(yīng)的數(shù)學(xué)表達(dá)式如下[19]：

Psl(t)=Prob[(g1(t)≤0)∩(g2(t)>0)]

(4)

Pbu(t)=Prob[(g1(t)>0)∩(g2(t)≤0)]

(5)

式中：Psl和Pbu分別為含腐蝕缺陷管道的小孔泄漏失效概率和爆裂失效概率。

在給定的管道腐蝕缺陷處發(fā)生小孔泄漏和爆裂失效被認(rèn)為是互斥事件[20]，因此含腐蝕缺陷管道的總失效概率Pf為發(fā)生小孔泄漏和爆裂失效的概率之和：

Pf(t)=Psl(t)+Pbu(t)

(6)

腐蝕缺陷深度是影響腐蝕管道結(jié)構(gòu)可靠性評估的一個(gè)關(guān)鍵參數(shù)，而腐蝕缺陷長度的增長對腐蝕管道結(jié)構(gòu)可靠性評價(jià)結(jié)果的影響很小[20]，故假設(shè)管道腐蝕缺陷長度不隨時(shí)間增長。本文采用線性隨機(jī)變量模型來描述管道腐蝕缺陷深度的生長，將多個(gè)腐蝕缺陷的年深度增量量化為具有相關(guān)性且服從特定分布的多維隨機(jī)變量：

di,max(t)=di,max(0)+Xi(t)

(7)

其中：

(8)

式中：di,max(t)為管道腐蝕缺陷i在時(shí)間t時(shí)的最大深度(mm)；di,max(0)為管道腐蝕缺陷i的初始最大深度(mm)，通過內(nèi)檢測數(shù)據(jù)來確定；Xi(t)為管道腐蝕缺陷i的總深度增量(mm)；ΔXi,j(Δt)表示管道腐蝕缺陷i在第j年的年深度增量，即深度腐蝕速率(mm/a)；Δt為模擬時(shí)間步長，取1 a；T為腐蝕管道結(jié)構(gòu)可靠性的評價(jià)周期(a)。

1.2 基于Copula函數(shù)的隨機(jī)變量之間相關(guān)性描述

腐蝕管道結(jié)構(gòu)可靠性評價(jià)涉及的隨機(jī)變量之間的相關(guān)性可分為兩個(gè)層次：第一層為管道結(jié)構(gòu)參數(shù)、缺陷尺寸參數(shù)等隨機(jī)變量之間的相關(guān)性；第二層為多個(gè)腐蝕缺陷生長過程的相關(guān)性。前者是一個(gè)二維隨機(jī)變量之間的相關(guān)性問題，而后者則是與腐蝕缺陷數(shù)量有關(guān)的多維隨機(jī)變量之間的相關(guān)性問題。具體來說，本文考慮了管徑與壁厚、腐蝕缺陷初始長度與初始深度以及多個(gè)腐蝕缺陷年深度增量之間的相關(guān)性，它們都可以采用具有特定相關(guān)系數(shù)矩陣的Copula函數(shù)來描述和解決。

Copula函數(shù)是一個(gè)包含n(n≥2)個(gè)標(biāo)準(zhǔn)均勻分布變量Ui(i=1,2,…,n)的聯(lián)合分布函數(shù)[21]。本文采用高斯Copula函數(shù)來描述本研究所涉及的隨機(jī)變量之間的相關(guān)性：

C(u1,u2,…,un)=Φn(Φ-1(u1),Φ-1(u2),…,Φ-1(un);R)

(9)

式中：C(u1,u2,…,un)表示Copula函數(shù)，其中ui是Ui的值(i=1,2,…,n);Φn(·;R)表示具有相關(guān)系數(shù)矩陣R(n×n)的n維標(biāo)準(zhǔn)正態(tài)分布函數(shù)，其中Φ-1(·)是一維標(biāo)準(zhǔn)正態(tài)分布函數(shù)的逆函數(shù);R的非對角元素rij(i,j=1,2,…,n；i≠j)代表Φ-1(ui)與Φ-1(uj)之間的線性相關(guān)系數(shù)。

利用高斯Copula函數(shù)可以非常便捷地生成具有特定相關(guān)系數(shù)的n(n≥2)維隨機(jī)變量樣本，以本研究為例，首先通過具有相關(guān)系數(shù)矩陣R的高斯Copula函數(shù)Φn(·);R)生成相關(guān)樣本ui(i=1,2,…,n)；然后利用等概率密度邊緣變換方法[見公式(10)]，可生成具有特定分布的相關(guān)隨機(jī)變量樣本xi(i=1,2,…,n)。

Fi(xi)=ui(i=1,2,…,n)

(10)

式中：Fi(·)表示累積分布函數(shù)。

1.3 腐蝕管道失效概率計(jì)算

圖1 含n個(gè)腐蝕缺陷的管段失效概率模擬計(jì)算流程圖Fig.1 Flow chart for simulating calculation of failure probability of the pipeline segment with n corrosion defects注：pi,b(t)為腐蝕缺陷i處的管道爆破壓力(MPa);Psl,pipe、Pbu,pipe和Pf,pipe分別表示含腐蝕缺陷管道的小孔泄漏失效概率、爆裂失效概率和總失效概率。

2 腐蝕管道結(jié)構(gòu)可靠性評價(jià)結(jié)果的更新和校正

2.1 腐蝕管道失效概率的最佳分布描述

貝葉斯更新的對象為概率分布的參數(shù)值，故先基于秩回歸方法確定失效概率的最佳分布，再通過貝葉斯方法更新腐蝕管段失效概率分布函數(shù)的參數(shù)。本文選取5種候選分布來描述腐蝕管段的失效概率，并從中得到最佳分布。具體步驟如下[1]：

(1) 選擇指數(shù)分布、正態(tài)分布、對數(shù)正態(tài)分布、威布爾分布和耿貝爾分布作為腐蝕管道失效概率的候選分布，每種候選分布的累積分布函數(shù)和處理后的線性方程列于表1。

表1 描述腐蝕管道失效概率候選分布的累積分布函數(shù)和線性方程Table 1 Cumulative distribution functions and linear equations of candidate distributions describing the failure probability of corroded pipelines

(2) 將腐蝕管段逐年的失效概率{t,P(t)}代入各累積分布函數(shù)的線性方程中，采用秩回歸方法獲得線性方程系數(shù)A和B的值，進(jìn)一步計(jì)算得到各累積分布函數(shù)的相應(yīng)參數(shù)值。

(3) 采用下式計(jì)算各線性方程的相關(guān)系數(shù)，相關(guān)系數(shù)絕對值最大的分布則為描述腐蝕管道失效概率的最佳分布。采用其累積分布函數(shù)F(t|θ)表示腐蝕管段的失效概率，其中θ為上述步驟(2)得到的該累積分布函數(shù)的相應(yīng)參數(shù)值。線性方程相關(guān)系數(shù)ρ的計(jì)算公式為

(11)

2.2 腐蝕管道失效概率分布函數(shù)的參數(shù)更新

在貝葉斯方法中，失效概率分布函數(shù)的參數(shù)θ被視為隨機(jī)變量，并具有先驗(yàn)分布函數(shù)p(θ)。更新后的參數(shù)θ的分布稱為后驗(yàn)分布，其概率密度函數(shù)可根據(jù)Bayes定理[23]計(jì)算如下：

L(tf1,tf2,…,tfn|θ)p(θ)

(12)

其中：

(13)

(14)

式中：∝表示正比關(guān)系；tfi(i=1,2,…,n)為管道失效數(shù)據(jù)，即管道由于腐蝕缺陷而失效的時(shí)間；L(tf1,tf2,…,tfi|θ)為管道失效數(shù)據(jù)的抽樣密度函數(shù)；m(tf1,tf2,…,tfi)為管道失效數(shù)據(jù)的邊緣密度函數(shù)，其不依賴于參數(shù)θ；p(θ|tf1,tf2,…,tfi)為參數(shù)θ的后驗(yàn)分布函數(shù)。

為了便于描述，將參數(shù)θ設(shè)為q維實(shí)向量，同時(shí)為了得到每個(gè)未知參數(shù)θi的概率特性，推導(dǎo)得出θi的邊緣密度函數(shù)如下：

p(θi|tf1,tf2,…,tfi)

(15)

式中：θ(-i)表示在θ中除去參數(shù)θi的剩余參數(shù)向量。

馬爾科夫蒙特卡洛模擬技術(shù)是一種解決上述復(fù)雜高維函數(shù)積分問題的有效方法。該方法通過迭代得到參數(shù)向量θ的一個(gè)仿真序列θ(j)(j=1,2,…,),如果j足夠大，θ(j)將收斂于一個(gè)由后驗(yàn)分布中生成的隨機(jī)序列。因此，執(zhí)行大量迭代后，算法產(chǎn)生的仿真序列θ(m),θ(m+1),…,θ(m+k),可認(rèn)為是來自后驗(yàn)分布的樣本；相反，θ(1)，θ(2)，…，θ(m-1)被認(rèn)為是算法的老煉期，不能作為代表后驗(yàn)分布的樣本。圖2展示了馬爾科夫蒙特卡洛模擬技術(shù)的原理。

圖2 馬爾科夫蒙特卡洛模擬技術(shù)的原理圖Fig.2 Principle diagram of Markov Monte Carlo simulation technology

本次研究涉及的模型和方法較多，本研究整體方法流程圖以及各個(gè)模型和方法在不同階段的應(yīng)用，見圖3。

圖3 本研究整體方法流程圖Fig.3 Overall method flow chart of this article

3 算例分析

3.1 案例描述

本文采用我國某天然氣管道的腐蝕失效數(shù)據(jù)，應(yīng)用上述方法對一長2 km且包含5個(gè)腐蝕缺陷的管段進(jìn)行了可靠性預(yù)測與更新，以驗(yàn)證本文方法的可靠性和可行性。根據(jù)2006年的在線檢測報(bào)告結(jié)果，得到該管道和腐蝕缺陷基本參數(shù)的概率特征，見表2。腐蝕管道結(jié)構(gòu)可靠性評價(jià)中所涉及的隨機(jī)變量之間相關(guān)性的相關(guān)系數(shù)取值，見表3。該管道于2016年(上一次在線檢測后的第10年)發(fā)生一起腐蝕失效事件，標(biāo)記時(shí)間tf1=10(指上一次在線檢測的時(shí)間是2006年，對應(yīng)的標(biāo)記時(shí)間為第0年)。

表2 管道和腐蝕缺陷基本參數(shù)的概率特征Table 2 Probability characteristics of basic parameters of the pipeline and the corrosion defects

表3 隨機(jī)變量之間相關(guān)性的相關(guān)系數(shù)取值Table 3 Values of correlation coefficients between random variables

3.2 隨機(jī)變量之間的相關(guān)性對腐蝕管道結(jié)構(gòu)可靠性評價(jià)的影響

圖4、圖5和圖6展示了基于Copula函數(shù)生成的隨機(jī)變量相關(guān)樣本，結(jié)果表明產(chǎn)生的隨機(jī)變量相關(guān)樣本確實(shí)具有特定的相關(guān)性，從而驗(yàn)證了Copula函數(shù)生成相關(guān)樣本的有效性。

圖4 管徑與壁厚的相關(guān)樣本Fig.4 Correlated samples of diameters and wall thickness

圖5 腐蝕缺陷初始長度與初始深度的相關(guān)樣本Fig.5 Correlated samples of defect initial lengths and initial depths

圖6 不同腐蝕缺陷深度腐蝕速率之間的相關(guān)樣本Fig.6 Correlated samples of defects depth growth rate

通過100萬次的蒙特卡洛模擬試驗(yàn)，在50 a預(yù)測周期內(nèi)分別對考慮隨機(jī)變量之間相關(guān)性和不考慮隨機(jī)變量之間相關(guān)性的腐蝕管段發(fā)生的小孔泄漏失效概率、爆裂失效概率和總失效概率進(jìn)行了計(jì)算，其計(jì)算結(jié)果見圖7。

圖7 隨機(jī)變量之間的相關(guān)性對腐蝕管道失效概率的影響Fig.7 Effect of correlations between random variables on pipeline failure probability

由圖7可見，考慮隨機(jī)變量之間的相關(guān)性會(huì)引起腐蝕管段小孔泄漏失效概率和總失效概率的降低，而對腐蝕管段爆裂失效概率的影響則顯現(xiàn)出雙向性，即在大約27 a之前，會(huì)引起腐蝕管段爆裂失效概率的降低，在27 a之后又會(huì)引起腐蝕管段爆裂失效概率的增加。這種現(xiàn)象的出現(xiàn)與失效模式對應(yīng)的管道極限狀態(tài)方程和實(shí)際管道失效數(shù)據(jù)有關(guān)，這是由于工程實(shí)際中，與管道結(jié)構(gòu)可靠性評價(jià)有關(guān)的一些參數(shù)之間確實(shí)存在相關(guān)性，所以考慮參數(shù)相關(guān)性的腐蝕管道失效概率的預(yù)測結(jié)果更為準(zhǔn)確。模擬參數(shù)相關(guān)性的關(guān)鍵在于相關(guān)系數(shù)的確定，但目前尚未有明確的數(shù)關(guān)系數(shù)取值方法，通常根據(jù)管道內(nèi)檢測數(shù)據(jù)進(jìn)行統(tǒng)計(jì)或經(jīng)驗(yàn)判定。

3.3 失效數(shù)據(jù)對腐蝕管道結(jié)構(gòu)可靠性的更新和校正

利用管道腐蝕失效數(shù)據(jù)對腐蝕管道結(jié)構(gòu)可靠性進(jìn)行更新的前提是將管道失效概率擬合為具有一定參數(shù)的概率分布。為了選擇最優(yōu)的概率分布函數(shù)來描述腐蝕管段的總失效概率，本文采用秩回歸方法計(jì)算出了描述管道失效概率的5種候選分布函數(shù)的相關(guān)系數(shù)，見表4。

表4 描述管道失效概率的5種候選分布函數(shù)的相關(guān)系數(shù)計(jì)算結(jié)果Table 4 Calculation results of correlation coefficients of the five candidate distribution functions describing pipeline failure probability

由表4可以得到描述腐蝕管道失效概率的最佳分布及其分布函數(shù)。由于后文的主要研究目標(biāo)為通過失效數(shù)據(jù)來更新和校正腐蝕管道結(jié)構(gòu)的可靠性評價(jià)結(jié)果，而不關(guān)注管道具體的失效模式，故本文基于腐蝕管道總失效概率來說明貝葉斯推斷在本研究中的具體應(yīng)用。表4顯示正態(tài)分布是描述腐蝕管段總失效概率的最佳分布，故采用表1中的線性方程計(jì)算得到了相應(yīng)的分布函數(shù)的參數(shù)值為μ=17.003 3、σ=3.285 8，則腐蝕管段的總失效概率分布函數(shù)F(t|θ)的表達(dá)式為

(16)

采用貝葉斯方法，通過引入失效數(shù)據(jù)對公式(16)所描述的正態(tài)分布函數(shù)中的均值μ和標(biāo)準(zhǔn)差σ參數(shù)進(jìn)行更新。由于μ和σ都具有正的增量，故采用伽馬分布作為它們的先驗(yàn)分布。μ和σ在失效分布函數(shù)F(t|θ)中的先驗(yàn)信息可以用來定義它們的先驗(yàn)分布函數(shù)，采取均值和均值的10%分別作為它們的先驗(yàn)分布的均值和標(biāo)準(zhǔn)差。因此，p(μ)和p(σ)分別可表示如下：

(μ>0,α1>0,λ1>0)

(17)

(σ>0,α2>0,λ2>0)

(18)

式中：α1=170.033；λ1=10；α2=32.858；λ2=10；Γ(·)表示伽馬函數(shù)。

根據(jù)管道腐蝕失效數(shù)據(jù)(失效時(shí)間為2016年，標(biāo)記時(shí)間tf1=10)，結(jié)合貝葉斯定理，參數(shù)μ和σ的后驗(yàn)密度函數(shù)可表示為

p(μ,σ|tf1)∝fsl(tf1|μ,σ)×

(19)

式中:fsl(tf1|μ,σ)是關(guān)于參數(shù)μ和σ的似然函數(shù)；sl表示小孔泄漏事件。

采用OpenBUGS軟件對本算例進(jìn)行貝葉斯更新的模型示意圖，見圖8。由于這是一個(gè)多參數(shù)模型，因此為每個(gè)參數(shù)設(shè)置了兩條馬爾科夫鏈，每條鏈迭代50萬次產(chǎn)生后驗(yàn)樣本，認(rèn)為前5 000次迭代為老煉期。表5列出了參數(shù)μ和σ的后驗(yàn)均值和95%置信區(qū)間。

圖8 基于OpenBUGS的貝葉斯更新模型示意圖Fig.8 Diagram of OpenBUGS Bayesian updating model

表5 參數(shù)μ和σ的后驗(yàn)均值和95%置信區(qū)間Table 5 Posterior mean and 95% confidence interval of parameters μ and σ

圖9 失效數(shù)據(jù)對管道失效概率的更新和校正Fig.9 Update and correction of failure probability of pipeline with the failure data

由圖9可見，貝葉斯更新前，管道失效時(shí)間的均值點(diǎn)估計(jì)為17.003 3 a，管道于第10年發(fā)生了一起小孔泄漏失效，由此可知管道的腐蝕情況比預(yù)期嚴(yán)重；基于失效數(shù)據(jù)，采用貝葉斯方法更新當(dāng)前的管道失效概率評估結(jié)果，結(jié)果表明同一時(shí)間更新后的管段失效概率比更新前更高，更新后的管道失效時(shí)間均值點(diǎn)估計(jì)為16.14 a，這與前述分析相一致,即管道腐蝕情況比預(yù)期嚴(yán)重?？梢姡潞蟮墓艿朗Ц怕室肓耸?shù)據(jù)蘊(yùn)含的有效信息，能更準(zhǔn)確地反映管道的腐蝕狀態(tài)。需要說明的是，失效數(shù)據(jù)使后驗(yàn)均值低于先驗(yàn)均值，但后驗(yàn)均值不可能等于10 a，因?yàn)樨惾~斯更新的意義是在先驗(yàn)分布的基礎(chǔ)上，引入最新數(shù)據(jù)，得到后驗(yàn)分布，先驗(yàn)信息仍然是主導(dǎo)后驗(yàn)分布的主要原因。就本研究而言，管道是一個(gè)包含多個(gè)腐蝕缺陷的系統(tǒng)，先驗(yàn)分布是對管道系統(tǒng)整體的認(rèn)知，失效數(shù)據(jù)則是關(guān)于管道上某個(gè)腐蝕缺陷的信息，因此失效數(shù)據(jù)可對管道結(jié)構(gòu)可靠性評估結(jié)果起到更新和校正的作用。

4 結(jié)論與建議

為了完善目前腐蝕管道結(jié)構(gòu)可靠性評價(jià)模型和方法，本文建立了考慮失效數(shù)據(jù)和隨機(jī)變量之間相關(guān)性的腐蝕管道結(jié)構(gòu)可靠性評價(jià)方法，能夠更準(zhǔn)確地反映腐蝕管道的腐蝕狀態(tài)和安全水平，并得到如下結(jié)論：

(1) 腐蝕管道參數(shù)之間存在多種相關(guān)性，若不加以考慮，會(huì)造成腐蝕管道結(jié)構(gòu)可靠性評價(jià)結(jié)果的不準(zhǔn)確。本文研究表明：多種相關(guān)性的綜合作用會(huì)引起腐蝕管道小孔泄漏失效概率和總失效概率的降低，對腐蝕管道爆裂失效概率的影響顯現(xiàn)出雙向性。

(2) 貝葉斯方法可以結(jié)合腐蝕管道運(yùn)行期間的失效數(shù)據(jù)，實(shí)時(shí)地對腐蝕管道結(jié)構(gòu)可靠性預(yù)測結(jié)果進(jìn)行更新和校正。算例中，管道失效時(shí)間的先驗(yàn)均值估計(jì)為第17 a，引入失效數(shù)據(jù)后，其后驗(yàn)均值估計(jì)為第16 a，反映了管道的腐蝕情況較預(yù)期更為嚴(yán)重。

本文對腐蝕管道結(jié)構(gòu)可靠性評價(jià)模型和方法進(jìn)行了改進(jìn)和完善，但仍有許多其他問題需要考慮和研究，比如目前國內(nèi)管道失效相關(guān)數(shù)據(jù)的積累還不夠充分，因此需要管道運(yùn)營者注重收集和整理管道失效相關(guān)數(shù)據(jù)，并建立管道腐蝕缺陷數(shù)據(jù)庫，助力管道的安全管理。