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 指标 危险液体在草地表 危险液体在砾石表 危险液体在灰土地 危险液体在混凝土表面 准确度 0.996675 0.952678 0.999899 0.99964 精度 0.995941 0.932763 0.999922 0.999494 召回率 0.998214 0.932653 0.999895 0.999645 F1 0.997060 0.932707 0.999908 0.999493 误报率 0.000042 0.038962 0.000063 0.000402 漏检率 0.0 0.058900 0.0 0.0 未来的工作 如前所述,在不久的将来,将进行算法的开发和完善,以进一步降低 误报率。还将进行各种测试,以评估系统的性能并详细量化以下参数: • 泄漏检测率:针对各种测试场景,系统检测到的模拟泄漏的百 分比。 • 误报率:针对各种测试场景,系统触发的假警报的百分比。 • 实时性能:对于每个泄漏检测事件,从第一眼“看到”泄漏到系统 触发泄漏警报所用的时间。 因为图1中描述的处理管道可轻松适应各种传感器,可以使用不同类型 的传感器收集数据,比如LIDAR、超声波、化学传感器等。对于非成像传 感器,可从数据中提取特征,并将其用于分类。 最后,将所开发的算法迁移到适合部署在高空或地面平台( 例如载人 飞机、无人机、地面车辆 )上的原型嵌入式平台。然后,将该原型系统 用于这种全新液体泄漏检测技术在操作情境下的验证/性能测试。更具体 而言,这种技术的验证将按照下面的情况执行: 1. 在高空平台上,检查( 具有模拟泄漏的 )真实或代表性管道。 2. 在固定平台上,监控某个设施的模拟泄漏( 例如压缩机和泵站 )。 结论 当今用于监控危险液体管道的主要泄漏检测系统的设计无法检测出低 于 1% 额定流量的泄漏。所有泄漏检测系统的误报是引发业界关注的一个 重要问题,因为它们会导致警报被忽略,从而使泄漏检测系统最终失去效 力。本文介绍的技术填补了当今主要泄漏检测系统中存在的关键空白, 包括: • 近实时自主泄漏检测和报告;无需由人决策。 • 检测的重复性和可信度( 低误判率 )。 • 跨平台( 空中、地面、载人和无人 )。 • 微小泄漏检测( 低于管道流量的1% )。 • 能够将新的检测技术灵活地集成到系统中,以用于其他类型的目标 物质。 • 能够将泄漏检测警报集成到现有的管道通信基础设施中( 例如光纤 电缆 ),以便近乎实时地向远程监控设施提供地理参照警报。 虽然本文介绍的工作涉及使用光学传感器,但该技术的核心是使用机 器学习技术,它可以实现可靠的材料分类和自主( 非人决策 )操作。这 些机器学习技术对传感器不敏感,因而允许整合和/或组合不同类型的传 感器(包括非光学传感器),这让这项技术具有非常好的可扩展性。 表4:数据收集过程中使用的表面、液体和照明条件的子集 References [1] 欧盟委员会环境总署,《评估欧盟针对管道安全立法的案例以及此倡议可能带来的影响》 。ENV.G.1最终报告,2011 年。 作者 Maria S. Araujo Edmond DuPont Sue Baldor Samantha Blaisdell Shane Siebenaler Daniel Davila 美国西南研究院 San Antonio, USA 联系方式: maria.araujo@swri.org 管道技术期刊 35 准确度 0.9966750.9526780.9998990.99964 精度 0.9959410.9327630.9999220.999494 召回率 0.9982140.9326530.9998950.999645 F1 0.9970600.9327070.9999080.999493 误报率 0.0000420.0389620.0000630.000402 漏检率 0.00.0589000.00.0

Pages Overview