[发明专利]基于R6-FAD和BP-MCS的含裂纹缺陷管道的模糊随机可靠度评估方法

说明书

本发明公开了基于R6‑FAD和BP‑MCS的含裂纹缺陷管道的模糊随机可靠度评估方法，该方法基于R6规范的失效评定图，将BP神经网络和蒙特卡洛模拟结合起来应用于带裂纹缺陷管道的模糊随机可靠度评估。主要包括：步骤1：输入实际工况载荷、裂纹缺陷尺寸、材料性能的概率分布类型及参数以及最大模拟次数N，建立模糊极限状态方程；步骤2：确定基本参数，构建初始化BP神经网络；步骤3：训练神经网络，保证能够较好逼近模糊极限状态方程；步骤4：随机抽样，运用蒙特卡洛原理计算失效概率及可靠度指标。本发明可以简化模糊可靠度随机化过程并得到模拟精度较高的数值解；同时考虑了结构的模糊随机耦合不确定性，更加符合工程实际，对结构的安全评估具有指导意义。

技术领域

本发明涉及一种含裂纹缺陷管道的模糊随机可靠度评估方法。

背景技术

油气管道裂纹缺陷扩展会导致其发生断裂破坏，直接影响管道的安全运营。因此对含裂纹缺陷的管道进行可靠性分析具有重要意义。自20世纪70年代起，可靠性工程学就已逐渐应用于管道评定技术中。国内外也开始建立并逐渐完善相应的评定规范。经过不断改进和发展，目前最常用的有R6，BS7910和SINTAP。概率断裂分析只考虑参数的随机性，将一些变量视为服从某种统计规律的随机变量的断裂分析。而在实际工程设计中，变量通常同时具有随机和模糊两种不确定性因素，故在研究结构可靠性过程中应当引入模糊数学理论，研究模糊随机耦合不确定性条件下的结构可靠度。再者，目前基于R6规范的结构模糊-随机耦合可靠度的研究很少。传统的度量结构处于可靠性状态的程度的方法就是计算评定点的安全裕量。通过安全裕量的大小反应结构安全(可靠)程度或者接近失效的程度。但R6规范并没有给出安全裕量的统一取值。

发明内容

本发明目的是为了解决油气管道的断裂失效模式以及失效分析过程中存在的模糊和随机耦合不确定性问题，提供了一种基于R6规范的失效评定图，结合BP神经网络和蒙特卡洛模拟求解带裂纹缺陷管道模糊随机可靠度及其安全评估的方法。

本发明所采用的技术方案是：

本发明一种基于R6-FAD和BP-MCS的含裂纹缺陷管道的模糊随机可靠度评估方法，其特征在于，所述方法包括如下主要步骤：步骤1：输入管道内压及其他实际工况载荷、裂纹缺陷尺寸以及材料性能的概率分布类型及参数以及最大模拟次数N，建立模糊极限状态方程；步骤2：数据预处理，确定基本参数，构建初始化BP神经网络；步骤3：训练神经网络，当能够较好逼近模糊极限状态方程Z～＝0时，执行步骤4，否则，返回步骤2重新调试网络；步骤4：随机抽样，输入训练后的BP神经网络，运用蒙特卡洛原理计算出失效概率P_f以及可靠度指标β。

本发明的优点：可以简化模糊可靠度随机化过程并且得到模拟精度较高的数值解；同时考虑了结构的模糊和随机耦合不确定性，更加符合工程实际，对结构的安全评估具有指导意义。

附图说明

图1是本发明一种基于R6-FAD和BP-MCS的含裂纹缺陷管道的模糊随机可靠度计算流程图。图1中：步骤S1属于原始材料数据输入环节；步骤S2和S3属于模糊随机化数据处理过程；步骤S4和S5属于可靠度指标求解以及基于R6-FAD的结构安全性评估流程。

具体实施方式

下面结合附图对本发明做进一步说明。

如图1所示，本发明一种基于R6-FAD和BP-MCS的含裂纹缺陷管道的模糊随机可靠度评估方法，详细步骤：步骤S1：输入管道内压及其他实际工况外载荷、裂纹缺陷尺寸以及材料性能的概率分布类型及参数以及最大模拟次数N，建立模糊极限状态方程；步骤S2：数据预处理，确定基本参数，构建初始化BP神经网络；步骤S3：训练神经网络，当能够较好逼近模糊极限状态方程时，执行步骤S4，否则，返回步骤S2重新调试网络；步骤S4：计j＝1，M＝0，生成[0,1]区间均匀分布随机数F(x_ij)，由这些随机数从各给定的概率分布函数，得到一组随机数(x_1j,x_2j,…,x_nj)，并计算g(L_r,K_r)，若g(L_r,K_r)＜0，计M＝M+1；步骤S5：判断j是否达到最大模拟次数N，若是，计算失效概率P_f以及可靠度指标β。否则，返回步骤S4继续。