评估管道地磁暴灾害的大地构造分界面算法

大地电性结构的分界处容易加剧管道腐蚀, 穿过大地分界面的管道在分界点处受到的地磁暴致灾风险比较大, 提出一种可用于评估输油气管道的地磁暴灾害风险自评价描述的算法。改进算法的帕金森矢量在定位大地分界面时比传统算法的帕金森矢量更加准确; 在可以识别大地分界面的前提下, 改进算法的帕金森矢量方位角会在分界面附近完成±180°到0°或0°到±180°的过渡变化, 距离分界面越近, 方位角越能够反映大地分界面的倾向, 改进算法的帕金森矢量长度在分界点处达到最小值; 相邻地块电导率差值、空中电流源频率以及大地分界面与测线方向的夹角等因素会影响改进算法帕金森矢量的分布特性; 利用帕金森矢量的方位角图和长度图两个判据可以定位穿过分界面位置的管道, 相邻大地分界面之间存在虚拟界面, 需要分析排除。仿真结果表明了这些结论的正确性, 对管道防护具有重要的指导意义。     

氢氧爆轰波在变截面扩张管道中传播的数值模拟

采用二阶精度频散控制耗散格式(DCD)和8组分20个方程的基元反应模型,对轴对称变截面管道中氢氧爆轰波传播进行数值模拟。结果表明,爆轰波传播至突变截面扩张管道时,由于稀疏波的作用可能会使爆轰波局部熄爆甚至完全熄爆,对于某些敏感度高的反应气体爆轰波可以二次起爆。而在渐变截面扩张管道爆轰波相对不易熄爆。     

可燃气体非稳定爆轰波通过90°圆弯管传播特性的实验研究

对丙烷-氧气-空气的混合气体非稳定爆轰波通过90°圆弯管传播特性的变化进行了初步的实验研究.同时实验研究了预混气体的初始浓度和初始压力对非稳定爆轰波经过弯管前后传播特性的影响.实验结果表明,可燃气体非稳定爆轰波经过90°圆弯管后传播速度和压力与直管中相比有了显著地提高.这一研究结果对于工业上安全使用管道阻火器具有重要的实际意义.     

基于PFDHA的X80管道应变失效可靠度计算方法

地质断层是长输油气管道的主要地质灾害威胁,断层灾害条件下管道会由于过大的应变而失效。现有基于应变设计的确定性分析方法相对保守,无法考虑管道结构、管周土壤和地震断层位移的多重不确定性。为此,提出了一种综合考虑管道几何尺寸、管土相互作用,以及断层位移不确定性的可靠性分析方法。采用管道设计应变数据库,建立管道设计应变与各影响参数间的神经网络预测模型,获得基于应变的断层错位下管道极限状态方程。通过Monte-Carlo模拟,计算得到特定断层位移下考虑管道尺寸参数、管土作用参数、内压等参数不确定性的管道失效概率。基于断层位移概率危险性分析流程(PFDHA),对断层位移的不确定性进行考量,得到各断层位移在不同服役期下的发生概率。结合既得的管道条件失效概率,基于全概率计算公式可得管道在该服役期内的失效概率。以管道穿越博罗科努-阿其克库都克断裂的新粤浙X80管道为例开展分析,获取了该管道在服役10年、20年、30年的失效概率。结果表明:新粤浙X80管道服役20年内满足CSA Z662规定的目标可靠性要求;服役年限大于20年后,该穿越段管道失效概率将超越最大允许的失效概率,需采取必要的抗震措施。     

传统解剖学特征与深度学习相结合的肺叶分割算法

CT图像中肺叶位置的确定对于肺部疾病的准确定位以及定性定量分析具有重要意义。为了提高肺叶自动分割准确率,提出了一种结合气管,血管等传统解剖学特征以及深度学习的肺叶分割算法。对原始图像进行预处理,获取肺实质、气管、血管以及基于深度学习网络的肺裂分割结果;整合来自多个解剖结构的信息生成分水岭分割所需成本图像;通过基于深度学习网络的肺叶粗分割结果,获取肺叶标记区域;执行基于标记的分水岭分割,实现肺叶的自动分割。选取了来自上海市肺科医院的20例含有肺部疾病患者的CT图像对该方法进行验证,最终的Jaccard相似性系数为92.4%。实验结果表明方法具有较高的肺叶分割精度,并且具有较强的鲁棒性。     

离心力场中管道内油液压力分布特征研究

在离心力场中，液压系统能否正常工作取决于离心力液压系统的影响，通过从离心力场中管道内油分布特征入手，研究了离心液压随管道安放方向的不同所具有性质，对离心力场中液压系统的进一步设计具有指导意义。     

基于低频吸声超构材料的复合消声器研究*

针对管道内低频噪声难以抑制的问题，本文基于亥姆霍兹共振腔（HR）阵列吸声板和穿孔管消声器组合，设计了一种复合式宽带消声器。首先利用有限元法仿真分析传统穿孔管消声器，发现中低频消声能力较差，通过嵌入HR阵列吸声板吸收中低频噪声。采用仿真与实验的方式研究吸声板的声学性能：在400-1000 Hz频段内的平均吸声系数达到了0.88。然后对复合式消声器进行数值模拟及3D打印阻抗管实验测试对比：复合式消声器在400-1718Hz频率范围内的平均传递损失为18.15 dB ，最终实现了管道内全频带噪声有效控制。     

Identification of Pipeline Inner Wall Geometry Based on the POD⁃RBF Method北大核心CSCD

Based on the proper orthogonal decomposition⁃radial basis function (POD⁃RBF), a geometric identification method for pipeline inner wall was proposed to solve the internal corrosion detection problem of natural gas and oil pipelines. In view of the static magnetic field, the simplified finite element model for the pipelines was established, and the variable⁃geometry sample library was constructed, to realize the response prediction of arbitrary geometry by the POD⁃RBF. The proposed method achieves reduced⁃order analysis and avoids repeated solution of the stiffness matrix due to the geometrical change during the identification process. Hence, it can significantly improve the computation efficiency. Finally, the grey wolf optimization (GWO) algorithm was used to optimize the objective function and avoid the calculation of the sensitivity in the process of geometry change. The numerical examples show that, the proposed method has high efficiency and accuracy in the geometric identification of the pipeline inner wall, with good stability even under introduced noises. © 2023 Editorial Office of Applied Mathematics and Mechanics. All rights reserved.     

基于粗糙集和BP神经网络的石化管道外腐蚀程度预测应用

研究管道外腐蚀程度预测问题。传统预测方法有专家评分系统等,而造成管道腐蚀的原因众多,专家对各个因素的偏好不一样,因此这类方法个人主观因素较强,预测的结果不够客观、准确。为了克服个人主观影响,提高预测精度,提出粗糙集理论-BP神经网络预测模型。该预测模型首先利用粗糙集理论消除管道腐蚀影响因素中的冗余因素,然后利用BP神经网络依据处理后的数据进行学习建模,并测试。仿真结果表明了该模型简洁性、快速性和有效性。