管道腐蚀退化建模的递归事件驱动框架

《RELIABILITY ENGINEERING & SYSTEM SAFETY》：A Recursive Event-Driven Framework for Pipeline Corrosion Degradation Modelling

　　一个递归记忆模型捕捉了腐蚀发生的时空特性。先前的在线检测记录形成了一个基于图结构的腐蚀记忆场。负二项区间似然捕捉了过离散的腐蚀计数。纳入局部历史信息改善了留出筛选和检测优先级排序。递归记忆揭示了超出标准非齐次泊松过程发生模型的依赖性。引言网络化基础设施系统通常在空间和时间上并非独立地劣化。在某个位置观察到的损伤可能标志着更广泛的高脆弱性区域，而非孤立的随机事件。管道腐蚀就是一个明显的例子。一旦腐蚀在管段某处出现，相关因素如涂层退化、局部应力集中、水分滞留、环境暴露以及先前的损伤，可能会增加同一区域或相邻区域进一步腐蚀的可能性。因此，腐蚀可能同时表现出空间聚集性和时间持续性。这种行为对管道完整性管理具有重要意义，因为检测和维护决策不仅取决于当前缺陷的存在，还取决于局部损伤是否表明存在更广泛的易腐蚀邻域。忽略局部腐蚀历史的模型可能无法捕捉这种持续性。相反，仅依赖直接邻近负荷变量的模型可能识别出局部关联，但可能无法充分表示腐蚀如何在网络中随时间传播。标准非齐次泊松过程模型为退化事件发生建模提供了可解释的框架。然而，普通NHPP模型通常假设在纳入协变量后，空间单元在条件上是独立的。在此假设下，一个区域附近的腐蚀活动不会直接更新附近区域的未来发生强度。协变量NHPP和卷积NHPP模型通过允许协变量或网络平滑协变量效应影响发生强度来改进此框架。然而，这些模型主要是协变量驱动的。它们并未明确地将已实现的腐蚀历史视为递归记忆过程。这一区别定义了本研究要解决的问题。一个简化形式的cNHPP型模型可以包含诸如同一位置先前腐蚀计数和邻近位置腐蚀计数之类的预测变量。这对于筛选是有用的，因为它表明先前的局部腐蚀历史是否具有预测价值。然而，它仍然是一个直接基于预测变量的模型。它并未将先前的腐蚀历史表示为递归邻域记忆状态。提出的递归事件驱动cNHPP通过使用已实现的先前腐蚀活动作为更新未来局部发生强度的状态变量来弥补这一不足。一个简化形式的局部历史模型认为，如果某个位置有先前的腐蚀，并且附近位置也有先前的腐蚀，则该位置存在风险。提出的递归模型更进一步。它将先前的腐蚀活动视为局部记忆状态，并允许该状态随时间通过邻域结构传播。这样，腐蚀历史不仅仅被用作静态预测变量。相反，它被表示为一个动态邻域记忆过程。先前的局部腐蚀水平被视为共享易感性的标志，这种易感性来源于涂层状况、局部环境、应力集中、制造变异、水分暴露或未观察到的因素。该模型并不声称一个区域的腐蚀在物理上触发了其他区域的腐蚀。同一位置和邻近位置的腐蚀活动表明对未来腐蚀发生存在持续性易感性；它并不代表基于标准的缺陷组合规则中所使用的机械相互作用。因此，递归相互作用被限制在距离受限的邻域内。该公式适用于具有重复计数和定义邻域的空间检测单元，并使用环焊缝级在线检测数据进行评估。由于确切的起始时间不可得，基于cNHPP的结构采用了负二项类型2区间计数似然来处理非负计数增量。数据显示存在空间聚集性、时间持续性和过度泊松变异性。简化形式的预测变量改善了筛选效果，而递归场在消融和敏感性分析中改善了基于似然的结构拟合。分析涉及腐蚀发生，而非直接失效概率。它识别了额外腐蚀更可能发生的位置，以及同一位置和邻近负担如何影响未来发生强度。本研究的主要贡献如下：本研究开发了一个递归时空腐蚀发生框架，将腐蚀建模为历史依赖的随机过程。该模型允许先前观察到的腐蚀活动更新每个位置的未来发生强度。本研究引入了一种邻域记忆机制，将先前的腐蚀观察转化为局部记忆状态。这同时捕捉了同一位置的持续性和邻近腐蚀负担，使模型能够表示腐蚀发生中的局部聚集和空间依赖性。本研究使用模型比较、消融分析、敏感性分析、留出验证和风险排序指标来评估提出的框架。结果表明，递归模型有助于解释时空依赖性和局部持续性，而简化形式的局部历史模型可能对短期检测筛选更有效。本文的其余部分组织如下。第2节回顾了关于随机退化建模、管道腐蚀分析、空间腐蚀建模、基于机器学习的腐蚀预测、Hawkes型点过程和网络点过程模型的相关工作。第3节介绍了提出的递归事件驱动cNHPP公式，包括递归记忆场、邻域交互矩阵、稳定性条件和经验区间计数实现。第4节报告了实际数据结果，包括聚类诊断、筛选模型证据、递归模型估计、消融和敏感性分析、响应构建稳健性、扩展验证、留出校准、风险排序性能以及局限性。第5节总结论文并概述未来工作方向。章节片段文献背景与研究缺口可靠性研究已通过重复观测对退化、预测和基于状态的维护进行了建模。Zhang等使用最后退出时间框架，Wang等开发了用于退化建模的深度学习数据融合，Hu等研究了在相关软硬失效下的维护。这些研究将条件观测视为演化历史，但未检验局部腐蚀负担如何更新未来发生强度。管道ILI基线cNHPP框架及扩展需求管道被表示为由N个不相交空间单元组成的线性基础设施网络。令l_i表示第i个管段、接头或环焊缝邻域，其中i = 1,…,N。令N_i(t)表示到时间t为止在单元i上观察到的累计腐蚀事件数，并令H_t表示到时间t为止整个网络上的事件历史。因此，N是空间单元数，而N_i(t)是单元i的累计计数过程。单元i上的条件强度λ_i(t)定义为聚类与局部持续性的数据证据在拟合提出的递归事件驱动模型之前，检查了检测数据以确定腐蚀缺陷是否表现出空间聚集性和跨检测的局部持续性。从轴向位置记录中获得了沿管道的缺陷位置，并使用环焊缝标识符检查了焊缝级分组。使用最近邻间距和计数离散诊断评估了空间聚集性。最近邻比率计算为结论与未来工作本研究使用重复ILI数据开发了一种管道腐蚀的递归事件驱动发生模型。该模型扩展了cNHPP框架，允许已实现的先前局部腐蚀负担进入递归记忆场，而不是仅通过焊缝邻域结构传播协变量历史。cNHPP层提供了条件强度和网络记忆基础，而实际数据估计使用了NB2区间计数似然来处理离散观测的检测CRediT作者贡献声明Nikesh Kumar：写作——原稿，可视化，验证，软件，方法学，调查，正式分析，数据管理，概念化。Haitao Liao：写作——审阅与编辑，监督，项目管理，方法学，调查，资金获取，正式分析，概念化。Nikesh Kumar|Haitao Liao