开云优惠体育网页版入口

专利名称：基于声音识别的核设施设备寿命预测方法和系统

专利类型：发明专利

专利申请号：CN202410851626.7

专利申请（专利权）人：中核四川环保工程有限责任公司
权利人地址：四川省广元市利州区三堆镇

专利发明（设计）人：尤永春,古强,范丹,张睿超,刘超

专利摘要：本发明提供基于声音识别的核设施设备寿命预测方法和系统，涉及数据处理领域，该系统包括：安全壳寿命预测模块，用于采集安全壳的多个位置的多维度安全壳状态数据，多维度安全壳状态数据包括声音数据，提取安全壳的多个位置对应的状态特征，预测安全壳的剩余寿命；管道寿命预测模块，包括管道数据采集单元、管道数据分析单元及管道寿命预测单元，管道数据采集单元用于采集管道的多个位置的多维度管道状态数据，多维度管道状态数据包括管道声波数据，管道数据分析单元用于提取管道的多个位置对应的状态特征，管道寿命预测单元用于预测管道的剩余寿命，具有提高核设施设备寿命预测的准确度的优点。

主权利要求：
1.基于声音识别的核设施设备寿命预测系统，其特征在于，包括：
安全壳寿命预测模块，包括安全壳数据采集单元、安全壳数据分析单元及安全壳寿命预测单元，其中，所述安全壳数据采集单元用于采集所述安全壳的多个位置的多维度安全壳状态数据，所述多维度安全壳状态数据包括声音数据，所述安全壳数据分析单元用于从所述安全壳的多个位置的多维度安全壳状态数据中提取所述安全壳的多个位置对应的状态特征，所述安全壳寿命预测单元用于基于所述安全壳的多个位置对应的状态特征，预测所述安全壳的剩余寿命，所述安全壳数据采集单元包括多个环境数据采集组件、超声波数据采集组件、多个声音采集组件及多个安全壳声波采集组件，其中，所述多个环境数据采集组件分别设置在所述安全壳的内层的多个位置，所述多个安全壳声波采集组件分别设置在所述安全壳的内层的多个位置，所述超声波数据采集组件设置在所述安全壳的外层，所述多个声音采集组件分别设置在所述安全壳的外层的多个位置；
所述安全壳数据采集单元采集所述安全壳的多个位置的多维度安全壳状态数据，包括：
基于所述多个环境数据采集组件在多个作业时间点采集的安全壳内层环境数据，确定至少一个第一安全壳风险位置；
基于所述多个安全壳声波采集组件在多个作业时间点采集的安全壳声波数据，确定至少一个第二安全壳风险位置；
基于所述多个声音采集组件在多个作业时间点采集的声音数据，确定至少一个第三安全壳风险位置；
基于所述至少一个第一安全壳风险位置、至少一个第二安全壳风险位置及至少一个第三安全壳风险位置，生成超声波数据采集轨迹；
基于所述超声波数据采集轨迹控制所述超声波数据采集组件采集安全壳超声波数据，其中，所述多维度安全壳状态数据至少包括安全壳内层环境数据、安全壳声波数据、声音数据及安全壳超声波数据；
管道寿命预测模块，包括管道数据采集单元、管道数据分析单元及管道寿命预测单元，其中，所述管道数据采集单元用于采集所述管道的多个位置的多维度管道状态数据，所述多维度管道状态数据包括管道声波数据，所述管道数据分析单元用于从所述管道的多个位置的多维度管道状态数据中提取所述管道的多个位置对应的状态特征，所述管道寿命预测单元用于基于所述管道的多个位置对应的状态特征，预测所述管道的剩余寿命，所述管道数据采集单元包括多个局部检测组件及多个管道声波采集组件，其中，所述多个管道声波采集组件分别设置在管道的多个位置处，所述多个管道声波采集组件分别设置在管道的外壁的多个位置处，所述局部检测组件包括应变感应装置、压力感应装置、振动感应装置、温度感应装置及辐射感应装置，所述压力感应装置设置在所述管道的内层，所述应变感应装置、振动感应装置、温度感应装置及辐射感应装置设置在所述管道的外层。
2.根据权利要求1所述的基于声音识别的核设施设备寿命预测系统，其特征在于，所述多个环境数据采集组件的设置位置基于以下流程确定：获取所述安全壳的壳体结构数据和所述安全壳的内部结构数据；
基于所述安全壳的壳体结构数据和所述安全壳的内部结构数据，确定所述多个环境数据采集组件的设置位置；
所述多个安全壳声波采集组件设置位置基于以下流程确定：
基于所述安全壳的壳体结构数据和所述安全壳的内部结构数据，确定多个第一候选位置；
基于所述多个环境数据采集组件在多个测试时间点采集的安全壳内层环境数据，确定多个第二候选位置，其中，所述安全壳内层环境数据包括安全壳内层温度数据、安全壳内层湿度数据、安全壳内层压力数据和安全壳内层核辐射数据；
基于所述多个第一候选位置和所述多个第二候选位置，确定所述多个安全壳声波采集组件设置位置。
3.根据权利要求1所述的基于声音识别的核设施设备寿命预测系统，其特征在于，所述安全壳数据分析单元从所述安全壳的多个位置的多维度安全壳状态数据中提取所述安全壳的多个位置对应的状态特征，包括：基于所述多个环境数据采集组件在多个作业时间点采集的安全壳内层环境数据，提取所述安全壳的内层的多个位置对应的内层环境特征；
基于所述多个安全壳声波采集组件在多个作业时间点采集的安全壳声波数据，提取所述安全壳的内层的多个位置对应的裂纹特征；
基于所述多个声音采集组件在多个作业时间点采集的声音数据，确定所述安全壳的外层的多个位置对应的声音特征；
基于所述超声波数据采集组件采集的安全壳超声波数据，确定所述安全壳的外层的多个位置对应的超声波特征，其中，所述安全壳的多个位置对应的状态特征至少包括所述安全壳的内层的多个位置对应的内层环境特征、所述安全壳的内层的多个位置对应的裂纹特征、所述安全壳的外层的多个位置对应的声音特征及所述安全壳的外层的多个位置对应的声音特征。
4.根据权利要求3所述的基于声音识别的核设施设备寿命预测系统，其特征在于，所述安全壳寿命预测单元基于所述安全壳的多个位置对应的状态特征，预测所述安全壳的剩余寿命，包括：建立并训练安全壳寿命预测模型；
通过所述安全壳寿命预测模型基于所述安全壳的内层的多个位置对应的内层环境特征、所述安全壳的内层的多个位置对应的裂纹特征、所述安全壳的外层的多个位置对应的声音特征及所述安全壳的外层的多个位置对应的声音特征，预测所述安全壳的剩余寿命。
5.根据权利要求1所述的基于声音识别的核设施设备寿命预测系统，其特征在于，所述管道数据采集单元采集所述管道的多个位置的多维度管道状态数据，包括：获取所述多个局部检测组件在多个测试时间点采集的数据；
基于所述多个局部检测组件在多个测试时间点采集的数据，确定所述管道的多个管道风险位置；
基于所述多个管道风险位置，确定所述多个管道声波采集组件的设置位置，安装所述多个管道声波采集组件；
所述多个局部检测组件在多个作业时间点，采集管道局部状态数据；
所述多个管道声波采集组件在多个作业时间点，采集所述管道的多个位置的管道声波数据，其中，所述管道的多个位置的多维度管道状态数据至少包括所述管道的多个管道风险位置及所述管道的多个位置的管道声波数据。
6.根据权利要求5所述的基于声音识别的核设施设备寿命预测系统，其特征在于，所述管道数据分析单元从所述管道的多个位置的多维度管道状态数据中提取所述管道的多个位置对应的状态特征，包括：基于所述多个局部检测组件在多个作业时间点采集的管道局部状态数据，提取所述管道的多个位置对应的局部特征；
基于所述多个局部检测组件在多个作业时间点采集的管道局部状态数据，提取所述管道的多个位置对应的裂纹特征，其中，所述管道的多个位置对应的状态特征至少包括所述管道的多个位置对应的局部特征和所述管道的多个位置对应的裂纹特征。
7.根据权利要求6所述的基于声音识别的核设施设备寿命预测系统，其特征在于，所述管道寿命预测单元基于所述管道的多个位置对应的状态特征，预测所述管道的剩余寿命，包括：建立并训练管道寿命预测模型；
通过所述管道寿命预测模型基于所述管道的多个位置对应的局部特征和所述管道的多个位置对应的裂纹特征，预测所述管道的剩余寿命。
8.基于声音识别的核设施设备寿命预测方法，其特征在于，包括：
通过多个环境数据采集组件、超声波数据采集组件、多个声音采集组件及多个安全壳声波采集组件，采集安全壳的多个位置的多维度安全壳状态数据，其中，所述多维度安全壳状态数据包括声音数据，其中，所述多个环境数据采集组件分别设置在所述安全壳的内层的多个位置，所述多个安全壳声波采集组件分别设置在所述安全壳的内层的多个位置，所述超声波数据采集组件设置在所述安全壳的外层，所述多个声音采集组件分别设置在所述安全壳的外层的多个位置；
从所述安全壳的多个位置的多维度安全壳状态数据中提取所述安全壳的多个位置对应的状态特征；
基于所述安全壳的多个位置对应的状态特征，预测所述安全壳的剩余寿命；
通过多个局部检测组件及多个管道声波采集组件，采集管道的多个位置的多维度管道状态数据，其中，所述多维度管道状态数据包括声波数据，其中，所述多个管道声波采集组件分别设置在管道的多个位置处，所述多个管道声波采集组件分别设置在管道的外壁的多个位置处，所述局部检测组件包括应变感应装置、压力感应装置、振动感应装置、温度感应装置及辐射感应装置，所述压力感应装置设置在所述管道的内层，所述应变感应装置、振动感应装置、温度感应装置及辐射感应装置设置在所述管道的外层；
从所述管道的多个位置的多维度管道状态数据中提取所述管道的多个位置对应的状态特征；
基于所述管道的多个位置对应的状态特征，预测所述管道的剩余寿命；
其中，采集所述安全壳的多个位置的多维度安全壳状态数据，包括：
基于所述多个环境数据采集组件在多个作业时间点采集的安全壳内层环境数据，确定至少一个第一安全壳风险位置；
基于所述多个安全壳声波采集组件在多个作业时间点采集的安全壳声波数据，确定至少一个第二安全壳风险位置；
基于所述多个声音采集组件在多个作业时间点采集的声音数据，确定至少一个第三安全壳风险位置；
基于所述至少一个第一安全壳风险位置、至少一个第二安全壳风险位置及至少一个第三安全壳风险位置，生成超声波数据采集轨迹；
基于所述超声波数据采集轨迹控制所述超声波数据采集组件采集安全壳超声波数据，其中，所述多维度安全壳状态数据至少包括安全壳内层环境数据、安全壳声波数据、声音数据及安全壳超声波数据。 说明书 : 基于声音识别的核设施设备寿命预测方法和系统技术领域[0001] 本发明涉及数据处理领域，特别涉及基于声音识别的核设施设备寿命预测方法和系统。背景技术[0002] 核设施设备是指用于核燃料制造、核反应过程以及核废料处理等过程中所涉及的各种设备和系统。例如，核反应堆、稳压器、蒸汽发电机、核燃料循环设施及冷却系统等。[0003] 对核设施设备进行寿命预测是确：说缯景踩诵、提高经济效益的重要措施之一。通过采用先进的预测方法和手段，可以及时发现设备的潜在问题，为核电站的安全运行提供有力保障。现有的核设施设备寿命预测方式虽然在一定程度上能够提供有价值的预测结果，但仍存在一些缺陷。例如，基于单一的状态监测数据进行核设施设备寿命预测，没有挖掘多模态数据之间的关联性，准确度较低。[0004] 因此，需要提供基于声音识别的核设施设备寿命预测方法和系统，用于提高核设施设备寿命预测的准确度。发明内容[0005] 本发明提供基于声音识别的核设施设备寿命预测系统，包括：安全壳寿命预测模块，包括安全壳数据采集单元、安全壳数据分析单元及安全壳寿命预测单元，其中，所述安全壳数据采集单元用于采集所述安全壳的多个位置的多维度安全壳状态数据，所述多维度安全壳状态数据包括声音数据，所述安全壳数据分析单元用于从所述安全壳的多个位置的多维度安全壳状态数据中提取所述安全壳的多个位置对应的状态特征，所述安全壳寿命预测单元用于基于所述安全壳的多个位置对应的状态特征，预测所述安全壳的剩余寿命；管道寿命预测模块，包括管道数据采集单元、管道数据分析单元及管道寿命预测单元，其中，所述管道数据采集单元用于采集所述管道的多个位置的多维度管道状态数据，所述多维度管道状态数据包括管道声波数据，所述管道数据分析单元用于从所述管道的多个位置的多维度管道状态数据中提取所述管道的多个位置对应的状态特征，所述管道寿命预测单元用于基于所述管道的多个位置对应的状态特征，预测所述管道的剩余寿命。[0006] 进一步地，所述安全壳数据采集单元包括多个环境数据采集组件、超声波数据采集组件、多个声音采集组件及多个安全壳声波采集组件，其中，所述多个环境数据采集组件分别设置在所述安全壳的内层的多个位置，所述多个安全壳声波采集组件分别设置在所述安全壳的内层的多个位置，所述超声波数据采集组件设置在所述安全壳的外层，所述多个声音采集组件分别设置在所述安全壳的外层的多个位置；所述多个环境数据采集组件的设置位置基于以下流程确定：获取所述安全壳的壳体结构数据和所述安全壳的内部结构数据；基于所述安全壳的壳体结构数据和所述安全壳的内部结构数据，确定所述多个环境数据采集组件的设置位置；所述多个安全壳声波采集组件设置位置基于以下流程确定：基于所述安全壳的壳体结构数据和所述安全壳的内部结构数据，确定多个第一候选位置；基于所述多个环境数据采集组件在多个测试时间点采集的安全壳内层环境数据，确定多个第二候选位置，其中，所述安全壳内层环境数据包括安全壳内层温度数据、安全壳内层湿度数据、安全壳内层压力数据和安全壳内层核辐射数据；基于所述多个第一候选位置和所述多个第二候选位置，确定所述多个安全壳声波采集组件设置位置。[0007] 进一步地，所述安全壳数据采集单元采集所述安全壳的多个位置的多维度安全壳状态数据，包括：基于所述多个环境数据采集组件在多个作业时间点采集的安全壳内层环境数据，确定至少一个第一安全壳风险位置；基于所述多个安全壳声波采集组件在多个作业时间点采集的安全壳声波数据，确定至少一个第二安全壳风险位置；基于所述多个声音采集组件在多个作业时间点采集的声音数据，确定至少一个第三安全壳风险位置；基于所述至少一个第一安全壳风险位置、至少一个第二安全壳风险位置及至少一个第三安全壳风险位置，生成超声波数据采集轨迹；基于所述超声波数据采集轨迹控制所述超声波数据采集组件采集安全壳超声波数据，其中，所述多维度安全壳状态数据至少包括安全壳内层环境数据、安全壳声波数据、声音数据及安全壳超声波数据。[0008] 进一步地，所述安全壳数据分析单元从所述安全壳的多个位置的多维度安全壳状态数据中提取所述安全壳的多个位置对应的状态特征，包括：基于所述多个环境数据采集组件在多个作业时间点采集的安全壳内层环境数据，提取所述安全壳的内层的多个位置对应的内层环境特征；基于所述多个安全壳声波采集组件在多个作业时间点采集的安全壳声波数据，提取所述安全壳的内层的多个位置对应的裂纹特征；基于所述多个声音采集组件在多个作业时间点采集的声音数据，确定所述安全壳的外层的多个位置对应的声音特征；基于所述超声波数据采集组件采集的安全壳超声波数据，确定所述安全壳的外层的多个位置对应的超声波特征，其中，所述安全壳的多个位置对应的状态特征至少包括所述安全壳的内层的多个位置对应的内层环境特征、所述安全壳的内层的多个位置对应的裂纹特征、所述安全壳的外层的多个位置对应的声音特征及所述安全壳的外层的多个位置对应的声音特征。[0009] 进一步地，所述安全壳寿命预测单元基于所述安全壳的多个位置对应的状态特征，预测所述安全壳的剩余寿命，包括：建立并训练安全壳寿命预测模型；通过所述安全壳寿命预测模型基于所述安全壳的内层的多个位置对应的内层环境特征、所述安全壳的内层的多个位置对应的裂纹特征、所述安全壳的外层的多个位置对应的声音特征及所述安全壳的外层的多个位置对应的声音特征，预测所述安全壳的剩余寿命。[0010] 进一步地，所述管道数据采集单元包括多个局部检测组件及多个管道声波采集组件，其中，所述多个管道声波采集组件分别设置在管道的多个位置处，所述多个管道声波采集组件分别设置在管道的外壁的多个位置处，所述局部检测组件包括应变感应装置、压力感应装置、振动感应装置、温度感应装置及辐射感应装置，所述压力感应装置设置在所述管道的内层，所述应变感应装置、振动感应装置、温度感应装置及辐射感应装置设置在所述管道的外层。[0011] 进一步地，所述管道数据采集单元采集所述管道的多个位置的多维度管道状态数据，包括：获取所述多个局部检测组件在多个测试时间点采集的数据；基于所述多个局部检测组件在多个测试时间点采集的数据，确定所述管道的多个管道风险位置；基于所述多个管道风险位置，确定所述多个管道声波采集组件的设置位置，安装所述多个管道声波采集组件；所述多个局部检测组件在多个作业时间点，采集管道局部状态数据；所述多个管道声波采集组件在多个作业时间点，采集所述管道的多个位置的管道声波数据，其中，所述管道的多个位置的多维度管道状态数据至少包括所述管道的多个管道风险位置及所述管道的多个位置的管道声波数据。[0012] 进一步地，所述管道数据分析单元从所述管道的多个位置的多维度管道状态数据中提取所述管道的多个位置对应的状态特征，包括：基于所述多个局部检测组件在多个作业时间点采集的管道局部状态数据，提取所述管道的多个位置对应的局部特征；基于所述多个局部检测组件在多个作业时间点采集的管道局部状态数据，提取所述管道的多个位置对应的裂纹特征，其中，所述管道的多个位置对应的状态特征至少包括所述管道的多个位置对应的局部特征和所述管道的多个位置对应的裂纹特征。[0013] 进一步地，所述管道寿命预测单元基于所述管道的多个位置对应的状态特征，预测所述管道的剩余寿命，包括：建立并训练管道寿命预测模型；通过所述管道寿命预测模型基于所述管道的多个位置对应的局部特征和所述管道的多个位置对应的裂纹特征，预测所述管道的剩余寿命。[0014] 本发明提供基于声音识别的核设施设备寿命预测方法，包括：采集安全壳的多个位置的多维度安全壳状态数据，其中，所述多维度安全壳状态数据包括声音数据；从所述安全壳的多个位置的多维度安全壳状态数据中提取所述安全壳的多个位置对应的状态特征；基于所述安全壳的多个位置对应的状态特征，预测所述安全壳的剩余寿命；采集管道的多个位置的多维度管道状态数据，其中，所述多维度管道状态数据包括声波数据；从所述管道的多个位置的多维度管道状态数据中提取所述管道的多个位置对应的状态特征；基于所述管道的多个位置对应的状态特征，预测所述管道的剩余寿命。[0015] 相比于现有技术，本发明提供的基于声音识别的核设施设备寿命预测方法和系统，至少具备以下有益效果：[0016] 1、通过整合来自不同传感器的多维度数据，可以更全面地了解安全壳和管道的运行状态和性能变化，有助于更准确地捕捉安全壳和管道的退化趋势和潜在故障，从而提高安全壳和管道的寿命预测的准确度。[0017] 2、基于安全壳的壳体结构数据和安全壳的内部结构数据，确定多个第一候选位置，确定安全壳容易发生老化的位置，在此基础之上，基于多个环境数据采集组件在多个测试时间点采集的安全壳内层环境数据，根据测试数据，再一次确定安全壳容易发生老化的位置，提高了安全壳声波采集组件的布局的有效性及全面性。[0018] 3、基于多个局部检测组件在多个测试时间点采集的数据，确定管道容易发生老化的位置，提高了管道声波采集组件的布局的有效性及全面性。附图说明[0019] 本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：[0020] 图1是根据本说明书一些实施例所示的基于声音识别的核设施设备寿命预测系统的模块示意图；[0021] 图2是根据本说明书一些实施例所示的采集安全壳的多个位置的多维度安全壳状态数据的流程示意图；[0022] 图3是根据本说明书一些实施例所示的基于声音识别的核设施设备寿命预测方法的流程示意图。具体实施方式[0023] 为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。[0024] 图1是根据本说明书一些实施例所示的基于声音识别的核设施设备寿命预测系统的模块示意图，如图1所示，基于声音识别的核设施设备寿命预测系统可以包括安全壳寿命预测模块及管道寿命预测模块。[0025] 如图1所示，安全壳寿命预测模块可以包括安全壳数据采集单元、安全壳数据分析单元及安全壳寿命预测单元。[0026] 其中，安全壳数据采集单元用于采集安全壳的多个位置的多维度安全壳状态数据，多维度安全壳状态数据包括声音数据，安全壳数据分析单元用于从安全壳的多个位置的多维度安全壳状态数据中提取安全壳的多个位置对应的状态特征，安全壳寿命预测单元用于基于安全壳的多个位置对应的状态特征，预测安全壳的剩余寿命。[0027] 在一些实施例中，安全壳数据采集单元包括多个环境数据采集组件、超声波数据采集组件、多个声音采集组件及多个安全壳声波采集组件，其中，多个环境数据采集组件分别设置在安全壳的内层的多个位置，多个安全壳声波采集组件分别设置在安全壳的内层的多个位置，超声波数据采集组件设置在安全壳的外层，多个声音采集组件分别设置在安全壳的外层的多个位置。[0028] 具体的，环境数据采集组件可以包括温度传感器、湿度传感器、压力传感器及核辐射传感器等。安全壳声波采集组件可以包括声发射传感器。[0029] 在一些实施例中，多个环境数据采集组件的设置位置基于以下流程确定：[0030] 获取安全壳的壳体结构数据和安全壳的内部结构数据，其中，安全壳的壳体结构数据可以包括安全壳的外壳的形状、安全壳的外壳的尺寸、安全壳的外壳的材料、安全壳的内壳的形状、安全壳的内壳的尺寸、安全壳的内壳的材料，安全壳的内部结构数据可以包括核反应堆、稳压器、蒸汽发电机、核燃料循环设施及冷却系统的设备型号、工作参数及位置等；[0031] 基于安全壳的壳体结构数据和安全壳的内部结构数据，确定多个环境数据采集组件的设置位置。[0032] 具体的，可以建立样本数据库，其中，样本数据库用于存储多个样本安全壳的相关信息，例如，样本安全壳的壳体结构数据、安全壳的内部结构数据、多个环境监测位置及多个声波监测位置，样本安全壳可以为真实的安全壳，也可以为模拟的安全壳。[0033] 对于任意一个样本安全壳，可以基于安全壳的壳体结构数据和内部结构数据和样本安全壳的壳体结构数据和内部结构数据，计算安全壳与样本安全壳之间的结构相似度，将结构相似度最大的样本安全壳作为相似样本安全壳，确定安全壳中对应相似样本安全壳的多个环境监测位置的位置，作为多个环境数据采集组件的设置位置。[0034] 在一些实施例中，多个安全壳声波采集组件设置位置基于以下流程确定：[0035] 基于安全壳的壳体结构数据和安全壳的内部结构数据，确定多个第一候选位置；[0036] 基于多个环境数据采集组件在多个测试时间点采集的安全壳内层环境数据，确定多个第二候选位置，其中，安全壳内层环境数据包括安全壳内层温度数据、安全壳内层湿度数据、安全壳内层压力数据和安全壳内层核辐射数据；[0037] 基于多个第一候选位置和多个第二候选位置，确定多个安全壳声波采集组件设置位置。[0038] 具体的，可以确定安全壳中对应相似样本安全壳的多个声波监测位置的位置，作为多个第一候选位置。[0039] 可以基于多个环境数据采集组件在多个测试时间点采集的安全壳内层环境数据，确定每个环境数据采集组件所在位置的裂纹风险值，将裂纹风险值大于预设裂纹风险阈值的环境数据采集组件所在位置作为第二候选位置。[0040] 例如，可以基于以下公式计算环境数据采集组件所在位置的裂纹风险值：[0041][0042][0043][0044] 其中， 为第i个环境数据采集组件所在位置的裂纹风险值， 为温度均值差值， 为温度波动差值， 为湿度均值差值， 为湿度波动差值， 为辐射强度均值差值， 为辐射强度波动差值， 、 、 、 、 及 均为预设权重，且 、 、 、 、 及 均大于0，， 为第i个环境数据采集组件在第 个测试时间点采集的环境温度， 为预设温度， 为测试时间点的总数， 为预设温度波动参数， 为第i个环境数据采集组件在第 个测试时间点采集的环境湿度， 为预设湿度， 为预设湿度波动参数，为第i个环境数据采集组件在第 个测试时间点采集的辐射强度， 为预设辐射强度，为预设辐射强度波动参数。[0045] 对多个第一候选位置和多个第二候选位置进行去重处理，确定多个安全壳声波采集组件设置位置。例如，计算任意一个第一候选位置和任意一个第二候选位置之间的距离，当一个第一候选位置和一个第二候选位置之间的距离小于预设距离阈值时，包括该第一候选位置和该第二候选位置中的一个作为安全壳声波采集组件设置位置。[0046] 图2是根据本说明书一些实施例所示的采集安全壳的多个位置的多维度安全壳状态数据的流程示意图，如图2所示，在一些实施例中，安全壳数据采集单元采集安全壳的多个位置的多维度安全壳状态数据，包括：[0047] 基于多个环境数据采集组件在多个作业时间点采集的安全壳内层环境数据，确定至少一个第一安全壳风险位置；[0048] 基于多个安全壳声波采集组件在多个作业时间点采集的安全壳声波数据，确定至少一个第二安全壳风险位置；[0049] 基于多个声音采集组件在多个作业时间点采集的声音数据，确定至少一个第三安全壳风险位置；[0050] 基于至少一个第一安全壳风险位置、至少一个第二安全壳风险位置及至少一个第三安全壳风险位置，生成超声波数据采集轨迹；[0051] 基于超声波数据采集轨迹控制超声波数据采集组件采集安全壳超声波数据，其中，多维度安全壳状态数据至少包括安全壳内层环境数据、安全壳声波数据、声音数据及安全壳超声波数据。[0052] 具体的，可以通过第一风险确定模型基于多个环境数据采集组件在多个作业时间点采集的安全壳内层环境数据，确定至少一个第一安全壳风险位置，通过第二风险确定模型基于多个安全壳声波采集组件在多个作业时间点采集的安全壳声波数据，确定至少一个第二安全壳风险位置，可以通过第三风险确定模型基于多个声音采集组件在多个作业时间点采集的声音数据，确定至少一个第三安全壳风险位置，其中，第一风险确定模型、第二风险确定模型及第三风险确定模型可以均为LSTM（Longshort?termmemory）模型。[0053] 可以通过轨迹生成模型基于每个第一安全壳风险位置、每个第二安全壳风险位置及至少一个第三安全壳风险位置，生成超声波数据采集轨迹，其中，轨迹生成模型可以为卷积神经网络（ConvolutionalNeuralNetwork,CNN）模型。[0054] 在一些实施例中，安全壳数据分析单元从安全壳的多个位置的多维度安全壳状态数据中提取安全壳的多个位置对应的状态特征，包括：[0055] 基于多个环境数据采集组件在多个作业时间点采集的安全壳内层环境数据，提取安全壳的内层的多个位置对应的内层环境特征；[0056] 基于多个安全壳声波采集组件在多个作业时间点采集的安全壳声波数据，提取安全壳的内层的多个位置对应的裂纹特征；[0057] 基于多个声音采集组件在多个作业时间点采集的声音数据，确定安全壳的外层的多个位置对应的声音特征；[0058] 基于超声波数据采集组件采集的安全壳超声波数据，确定安全壳的外层的多个位置对应的超声波特征，其中，安全壳的多个位置对应的状态特征至少包括安全壳的内层的多个位置对应的内层环境特征、安全壳的内层的多个位置对应的裂纹特征、安全壳的外层的多个位置对应的声音特征及安全壳的外层的多个位置对应的声音特征。[0059] 具体的，对于每个环境数据采集组件，环境数据采集组件所在位置对应的内层环境特征至少包括温度均值、温度波动参数、湿度均值、湿度波动参数、辐射强度均值及辐射强度波动参数等。[0060] 温度均值可以基于以下公式计算：[0061][0062] 温度波动参数可以基于以下公式计算；[0063][0064] 其中， 为第i个环境数据采集组件所在位置的温度均值， 为第i个环境数据采集组件在第 个工作时间点采集的温度， 为作业时间点的总数， 第i个环境数据采集组件所在位置的温度波动参数。[0065] 计算湿度均值和辐射强度均值的方式与计算温度均值的方式相似，计算湿度波动参数及辐射强度波动参数的方式与计算温度波动参数的方式相似，此处不再赘述。[0066] 对于每个安全壳声波采集组件，可以对安全壳声波采集组件在多个作业时间点采集的安全壳声波数据进行经验模态分解，生成安全壳声波采集组件对应的安全壳声波模态分量和安全壳声波残差，提取每个安全壳声波模态分量的时域特征及频域特征，提取安全壳声波残差的时域特征及频域特征。安全壳声波采集组件所在位置对应的裂纹特征可以包括每个安全壳声波模态分量的时域特征及频域特征和安全壳声波残差的时域特征及频域特征。[0067] 对于每个声音采集组件，可以对声音采集组件在多个作业时间点采集的声音数据进行经验模态分解，生成声音采集组件对应的声音模态分量和声音残差，提取每个声音模态分量的时域特征及频域特征，提取声音残差的时域特征及频域特征。声音采集组件所在位置对应的声音特征可以包括每个声音模态分量的时域特征及频域特征和声音残差的时域特征及频域特征。[0068] 对于每个超声波采集位置，可以对超声波数据采集组件在该超声波采集位置采集的安全壳超声波片段进行经验模态分解，生成安全壳超声波片段对应的超声波模态分量和超声波残差，提取每个超声波模态分量的时域特征及频域特征，提取超声波残差的时域特征及频域特征。超声波采集位置对应的超声波特征可以包括每个超声波模态分量的时域特征及频域特征和超声波残差的时域特征及频域特征。[0069] 在一些实施例中，安全壳寿命预测单元基于安全壳的多个位置对应的状态特征，预测安全壳的剩余寿命，包括：[0070] 建立并训练安全壳寿命预测模型，其中，安全壳寿命预测模型可以为卷积神经网络（ConvolutionalNeuralNetwork,CNN）模型；[0071] 通过安全壳寿命预测模型基于安全壳的内层的多个位置对应的内层环境特征、安全壳的内层的多个位置对应的裂纹特征、安全壳的外层的多个位置对应的声音特征及安全壳的外层的多个位置对应的声音特征，预测安全壳的剩余寿命。[0072] 具体的，通过安全壳寿命预测模型基于每个环境数据采集组件所在位置对应的温度均值、温度波动参数、湿度均值、湿度波动参数、辐射强度均值及辐射强度波动参数、每个安全壳声波采集组件所在位置对应的每个安全壳声波模态分量的时域特征及频域特征和安全壳声波残差的时域特征及频域特征、每个声音采集组件所在位置对应的每个声音模态分量的时域特征及频域特征和声音残差的时域特征及频域特征、每个超声波采集位置对应的每个超声波模态分量的时域特征及频域特征和超声波残差的时域特征及频域特征，预测安全壳的剩余寿命。[0073] 如图1所示，管道寿命预测模块可以包括管道数据采集单元、管道数据分析单元及管道寿命预测单元。[0074] 其中，管道数据采集单元用于采集管道的多个位置的多维度管道状态数据，多维度管道状态数据包括管道声波数据，管道数据分析单元用于从管道的多个位置的多维度管道状态数据中提取管道的多个位置对应的状态特征，管道寿命预测单元用于基于管道的多个位置对应的状态特征，预测管道的剩余寿命。[0075] 在一些实施例中，管道数据采集单元包括多个局部检测组件及多个管道声波采集组件，其中，多个管道声波采集组件分别设置在管道的多个位置处，多个管道声波采集组件分别设置在管道的外壁的多个位置处，局部检测组件包括应变感应装置、压力感应装置、振动感应装置、温度感应装置及辐射感应装置，压力感应装置设置在管道的内层，应变感应装置、振动感应装置、温度感应装置及辐射感应装置设置在管道的外层。[0076] 具体的，多维度管道状态数据还至少包括管道应变数据、管道内部压力数据、管道振动数据、管道温度数据、管道所在环境的辐射强度数据。[0077] 在一些实施例中，管道数据采集单元采集管道的多个位置的多维度管道状态数据，包括：[0078] 获取多个局部检测组件在多个测试时间点采集的数据；[0079] 基于多个局部检测组件在多个测试时间点采集的数据，确定管道的多个管道风险位置；[0080] 基于多个管道风险位置，确定多个管道声波采集组件的设置位置，安装多个管道声波采集组件；[0081] 多个局部检测组件在多个作业时间点，采集管道局部状态数据；[0082] 多个管道声波采集组件在多个作业时间点，采集管道的多个位置的管道声波数据，其中，管道的多个位置的多维度管道状态数据至少包括管道的多个管道风险位置及管道的多个位置的管道声波数据。[0083] 具体的，局部检测组件在测试时间点采集的数据可以包括管道应变数据、管道内部压力数据、管道振动数据、管道温度数据、管道所在环境的辐射强度数据。[0084] 对于每个局部检测组件，可以基于局部检测组件在多个测试时间点采集的数据，确定局部检测组件所在位置的管道位置裂纹风险值，将管道位置裂纹风险值大于预设管道位置裂纹风险值阈值的局部检测组件所在位置作为管道风险位置。在每个管道风险位置设置一个管道声波采集组件。[0085] 例如，可以对局部检测组件在多个测试时间点采集的管道应变数据进行经验模态分解，生成局部检测组件对应的管道应变模态分量和管道应变残差，提取每个管道应变模态分量的时域特征及频域特征，提取管道应变残差的时域特征及频域特征，对局部检测组件在多个测试时间点采集的管道内部压力数据进行经验模态分解，生成局部检测组件对应的管道内部压力模态分量和管道内部压力残差，提取每个管道内部压力模态分量的时域特征及频域特征，提取管道内部压力残差的时域特征及频域特征，对局部检测组件在多个测试时间点采集的管道振动数据进行经验模态分解，生成局部检测组件对应的管道振动模态分量和管道振动残差，提取每个管道振动模态分量的时域特征及频域特征，提取管道振动残差的时域特征及频域特征，对局部检测组件在多个测试时间点采集的管道温度数据进行经验模态分解，生成局部检测组件对应的管道温度模态分量和管道温度残差，提取每个管道温度模态分量的时域特征及频域特征，提取管道温度残差的时域特征及频域特征，对局部检测组件在多个测试时间点采集的管道所在环境的辐射强度数据进行经验模态分解，生成局部检测组件对应的管道所在环境的辐射强度模态分量和管道所在环境的辐射强度残差，提取每个管道所在环境的辐射强度模态分量的时域特征及频域特征，提取管道所在环境的辐射强度残差的时域特征及频域特征。并基于以下公式计算局部检测组件所在位置的管道位置裂纹风险值：[0086][0087] 其中， 为第j个局部检测组件所在位置的管道位置裂纹风险值， 、 、、 及 均为预设权重， 、 、 、 及 均大于0，且， 、 、 、 及 均为预设参数，且 、 、、 及 均大于0， 为第j个局部检测组件在测试时间点采集的管道应变数据与标准管道应变数据之间的相似度， 为第j个局部检测组件在测试时间点采集的管道内部压力数据与标准管道内部压力数据之间的相似度， 为第j个局部检测组件在测试时间点采集的管道振动数据与标准管道振动数据之间的相似度， 为第j个局部检测组件在测试时间点采集的管道温度数据与标准管道温度数据之间的相似度， 为第j个局部检测组件在测试时间点采集的管道所在环境的辐射强度数据与标准管道所在环境的辐射强度数据之间的相似度。[0088] 可以通过第一相似度确定模型基于第j个局部检测组件对应的每个管道应变模态分量的时域特征及频域特征和管道应变残差的时域特征及频域特征以及标准管道应变数据对应的每个管道应变模态分量的时域特征及频域特征和管道应变残差的时域特征及频域，确定第j个局部检测组件在测试时间点采集的管道应变数据与标准管道应变数据之间的相似度。第一相似度确定模型可以为卷积神经网络（ConvolutionalNeuralNetwork,CNN）模型。[0089] 确定 、 、 及 的方式与确定 的方式相似，此处不再赘述。[0090] 在一些实施例中，管道数据分析单元从管道的多个位置的多维度管道状态数据中提取管道的多个位置对应的状态特征，包括：[0091] 基于多个局部检测组件在多个作业时间点采集的管道局部状态数据，提取管道的多个位置对应的局部特征，局部特征可以包括基于局部检测组件在多个作业时间点采集的管道局部状态数据提取的每个管道应变模态分量的时域特征及频域特征和管道应变残差的时域特征及频域特征、每个管道内部压力模态分量的时域特征及频域特征和管道内部压力残差的时域特征及频域特征、每个管道振动模态分量的时域特征及频域特征和管道振动残差的时域特征及频域特征、每个管道温度模态分量的时域特征及频域特征和管道温度残差的时域特征及频域特征、每个管道所在环境的辐射强度模态分量的时域特征及频域特征和管道所在环境的辐射强度残差的时域特征及频域特征；[0092] 基于多个局部检测组件在多个作业时间点采集的管道局部状态数据，提取管道的多个位置对应的裂纹特征，其中，管道的多个位置对应的状态特征至少包括管道的多个位置对应的局部特征和管道的多个位置对应的裂纹特征。[0093] 具体的，对于每个管道声波采集组件，可以对管道声波采集组件在多个作业时间点采集的管道声波数据进行经验模态分解，生成管道声波采集组件对应的管道声波模态分量和管道声波残差，提取每个管道声波模态分量的时域特征及频域特征，提取管道声波残差的时域特征及频域特征。管道声波采集组件所在位置对应的裂纹特征可以包括每个管道声波模态分量的时域特征及频域特征和管道声波残差的时域特征及频域特征。[0094] 在一些实施例中，管道寿命预测单元基于管道的多个位置对应的状态特征，预测管道的剩余寿命，包括：[0095] 建立并训练管道寿命预测模型，其中，管道寿命预测模型可以为卷积神经网络（ConvolutionalNeuralNetwork,CNN）模型；[0096] 通过管道寿命预测模型基于管道的多个位置对应的局部特征和管道的多个位置对应的裂纹特征，预测管道的剩余寿命。[0097] 具体的，通过管道寿命预测模型基于管道的多个位置对应的每个管道应变模态分量的时域特征及频域特征和管道应变残差的时域特征及频域特征、每个管道内部压力模态分量的时域特征及频域特征和管道内部压力残差的时域特征及频域特征、每个管道振动模态分量的时域特征及频域特征和管道振动残差的时域特征及频域特征、每个管道温度模态分量的时域特征及频域特征和管道温度残差的时域特征及频域特征、每个管道所在环境的辐射强度模态分量的时域特征及频域特征和管道所在环境的辐射强度残差的时域特征及频域特征和每个管道声波采集组件所在位置对应的每个管道声波模态分量的时域特征及频域特征和管道声波残差的时域特征及频域特征，预测管道的剩余寿命。[0098] 图3是根据本说明书一些实施例所示的基于声音识别的核设施设备寿命预测方法的流程示意图，如图3所示，基于声音识别的核设施设备寿命预测方法可以包括以下流程。[0099] 采集安全壳的多个位置的多维度安全壳状态数据，其中，多维度安全壳状态数据包括声音数据；[0100] 从安全壳的多个位置的多维度安全壳状态数据中提取安全壳的多个位置对应的状态特征；[0101] 基于安全壳的多个位置对应的状态特征，预测安全壳的剩余寿命；[0102] 采集管道的多个位置的多维度管道状态数据，其中，多维度管道状态数据包括声波数据；[0103] 从管道的多个位置的多维度管道状态数据中提取管道的多个位置对应的状态特征；[0104] 基于管道的多个位置对应的状态特征，预测管道的剩余寿命。[0105] 基于声音识别的核设施设备寿命预测方法可以由基于声音识别的核设施设备寿命预测系统执行，关于基于声音识别的核设施设备寿命预测方法的更多描述可以参见基于声音识别的核设施设备寿命预测系统的相关描述，此处不再赘述。[0106] 最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。

专利地区：四川

专利申请日期：2024-06-28

专利公开日期：2024-08-30

专利公告号：CN118410302B