Please activate JavaScript!
Please install Adobe Flash Player, click here for download

Pipeline Technology Journal - Chinese Edition 1/2016

Latest News, Reports and Technical Articles about Research and Development in the Global Pipeline Industry.

研究/发展/技术 近来的研究工作侧重于开发一种基于机器学习的创新跨平台技术,来可靠、自 主、近乎实时地检测危险液体管道微小泄漏。本文将就此展开讨论。该技术的目 标是提供可靠的微小泄漏( < 管道额定流量的1% )检测,并避免产生误报。 该技术同时适用于移动平台( 载人和无人飞机、全地形车等 )和固定平台 ( 如泵站和截止阀位置的固定装置 )。开发的重点在于检测液态烃泄漏,但该 技术还展示出可用于检测天然气泄漏的前景。 根据传感器的输入数据,系统采用机器学习技术来可靠地检测微小危险液体泄 漏的“指纹”。不同类型传感器的组合可提高从现有泄漏事件中检测出泄漏产品 的可能性,即使当前的泄漏情况并不活跃。此外,还可以整合和/或组合不同类 型的传感器,这让这项技术具有非常好的可扩展性。 泄漏表征通过以下方式执行:让各种不同类型的危险液体构成(例如原油、成 品油、混合各种常见成品油产品的原油等),在多种不同的环境条件下( 例如 照明、温度等 ),于各种表面上( 如草地、铺筑路面、砾石等 )成像。 多种技术的开发均旨在从多个频谱带提取各种特性,进而确定不同类型危险液 体构成在不同环境条件下的独特属性以及非泄漏事件。非泄漏事件的表征对于显 著降低误报率至关重要。分类器将接受培训,以自主检测微小泄漏和拒绝误报, 然后将执行系统性能测试。本文将对这项工作的试验结果进行讨论。 摘要 管道技术期刊 29

Pages Overview