人工神經(jīng)網(wǎng)絡(luò)預(yù)測管道沖蝕速率研究進展

王雨墨，李彥博，李曉平*，艾迪輝，昝林峰，王維嘉，王孟欣，宮敬

1 中國石油大學(xué)(北京)油氣管道輸送安全國家工程實驗室/城市油氣輸配技術(shù)北京市重點實驗室，北京 102249 2 中國石油工程建設(shè)有限公司西南分公司，成都 610017*通信作者, lxpmpf@cup.edu.cn

0 引言

沖蝕是指高速流動中的流體所含的固體顆粒沖擊壁面，造成壁面損傷的現(xiàn)象。油氣田生產(chǎn)過程中，經(jīng)常存在高壓力、高流速的含固流體，這類流體流經(jīng)集輸管線時容易發(fā)生沖蝕，給管道壁面造成嚴(yán)重損害，尤其對于彎管等流向改變的部件，沖蝕現(xiàn)象容易造成其壁面減薄，甚至擊穿，給油氣田集輸生產(chǎn)安全帶來很大挑戰(zhàn)。特別是在頁巖氣集輸管道中[1]，沖蝕現(xiàn)象比較普遍。為了防止管道泄露，生產(chǎn)現(xiàn)場需要根據(jù)沖擊減薄的速率，考慮管道剩余的承壓能力，及時更換部件，這會造成經(jīng)濟上的損失與生產(chǎn)效率的下降。更嚴(yán)重的是，沖蝕現(xiàn)象給管道與集輸系統(tǒng)的完整性管理帶來潛在威脅。彎頭等受到?jīng)_蝕，容易擊穿泄露，造成安全事故。因此，對于沖蝕現(xiàn)象的規(guī)律及沖蝕速率的預(yù)測，近年來受到了國內(nèi)外學(xué)者的持續(xù)關(guān)注與廣泛研究。

目前國內(nèi)外對管道沖蝕現(xiàn)象的研究主要采取三種研究方法：一是模型研究，二是實驗研究，三是數(shù)值模擬。

模型研究是指，基于流體和顆粒的運動方程，推導(dǎo)沖蝕速率受各個因素影響的機理。結(jié)合理論模型與經(jīng)驗?zāi)Ｐ?，得到?jīng)_蝕速率的預(yù)測結(jié)果，以及臨界流速與生產(chǎn)實際因素之間的關(guān)系。模型研究方法針對沖蝕現(xiàn)象的本質(zhì)規(guī)律進行探索，得出了一系列的經(jīng)典的預(yù)測手段。然而，由于管道中的沖蝕是在復(fù)雜流體環(huán)境中多相運動產(chǎn)生的，同時受流動介質(zhì)、被撞擊壁面、顆粒相的性質(zhì)影響，因此描述這一現(xiàn)象需要考慮的因素很多。例如顆粒沖擊速度、角度、材料性質(zhì)，被撞擊表面的物理特性，管道內(nèi)的流動狀態(tài)，等等。隨著研究情境逐漸復(fù)雜，需要引用的參數(shù)增多，每增加一個考慮因素就需要修正或者補充已有的模型，先前提出的模型也逐漸失去精度，因此導(dǎo)致模型愈發(fā)復(fù)雜。據(jù)初步總結(jié)，文獻中明確報道的沖蝕現(xiàn)象影響因素多于20種(總結(jié)于表1中)。因此，僅通過模型研究確定實際管道的沖蝕速率不現(xiàn)實。美國石油協(xié)會(API)在1975年發(fā)布的API RP 14E規(guī)范中，給出了臨界沖蝕流速的簡明計算公式，但僅僅針對無砂及非腐蝕工況，公式適用性較為有限[2]。

實驗研究一般針對特定的幾何結(jié)構(gòu)，如彎頭、閥門、小型環(huán)道等，搭建能夠產(chǎn)生攜砂流體的實驗平臺，控制流速與含固率，通過失重法、表面輪廓法等方法確定壁面損失的速率，結(jié)合SEM等觀察方法確定沖蝕導(dǎo)致的金屬表面微觀形變，分析與驗證機理研究得到的觀點。實驗研究一般能夠得到一定條件下較為可靠的沖蝕速率，然而由于一般采用控制單一變量或幾個變量的方法，不能滿足工程中復(fù)雜多變的環(huán)境參數(shù)要求。在不能確定環(huán)境條件時多采用理想化方法控制參數(shù)。實驗得到的結(jié)果普適性往往受到限制，一般不易推廣到其它系統(tǒng)。為了給其他研究者提供足夠參考，一般將實驗方法與其它研究方法相結(jié)合，得到適用范圍較廣的規(guī)律[3]。

表1 管道沖蝕磨損影響因素Table 1 The factors influencing pipeline erosion

數(shù)值模擬研究指采用計算流體動力學(xué)(CFD)或者離散元(DEM)等方法，采用湍流模型描述流體，對離散相顆粒軌跡進行追蹤，進而對離散相和流體的作用進行耦合，將顆粒沖擊強度與沖蝕損傷聯(lián)系起來，以計算沖蝕損傷分布與速率。管道沖蝕的數(shù)值模擬研究一般采用Fluent、CFX、SPPS等商業(yè)軟件進行，經(jīng)過多年的研究得到了一系列可用的分布與規(guī)律。但是數(shù)值模擬研究的預(yù)測準(zhǔn)確性參差不齊，主要是因為要調(diào)整的設(shè)置過多，不同設(shè)置之間難以對比。且商業(yè)軟件算法中的“黑箱”部分含有部分過于簡單的假設(shè)，其環(huán)境設(shè)置大多理想化，較難匹配現(xiàn)場生產(chǎn)中的實際情況。曾有文獻總結(jié)了采用SPPS軟件計算的600余個實例，將模擬結(jié)果與實驗結(jié)果進行對比，發(fā)現(xiàn)誤差普遍在1～2個數(shù)量級左右[4]。

鑒于目前研究方法存在的不足之處，為了更準(zhǔn)確預(yù)測沖蝕速率與最大允許流速，近年來出現(xiàn)了采用數(shù)據(jù)驅(qū)動手段對管道沖蝕速率進行研究的新的嘗試，為精確預(yù)測管道減薄程度，保障生產(chǎn)安全提供了新的思路。隨著計算機硬件系統(tǒng)和計算能力的不斷進步，這一方向目前發(fā)展十分迅速，尤其是2017年以后進入快速發(fā)展階段(圖2)。未來隨著人工神經(jīng)網(wǎng)絡(luò)技術(shù)的進一步推廣，預(yù)期該研究方向?qū)⒖焖侔l(fā)展，并且占據(jù)更加重要的地位。目前，國內(nèi)尚缺乏關(guān)于采用人工神經(jīng)網(wǎng)絡(luò)方法進行油氣管道沖蝕研究的系統(tǒng)介紹與總結(jié)。本文從幾個方面對該方向目前的研究進展進行綜述，以供有興趣的研究人員、工程技術(shù)人員參考。

圖1 采用SPPS軟件模擬計算所得沖蝕速率(y軸)與實驗所得沖蝕速率(x軸)對比總結(jié)，每個數(shù)據(jù)點代表一個實驗與預(yù)測值的對比[4]Fig. 1 SPPS simulated results (y-axis) vs. experimental results (x-axis). Each data point represents a pair of experimental and simulation comparison[4]

圖2 近年來國際SCI期刊發(fā)表的采用人工智能方法研究沖蝕速率的論文數(shù)量Fig. 2 Number of SCI indexed journal articles studying erosive wear with AI methods

1 理論回顧

1.1 管道沖蝕預(yù)測機理研究簡要回顧

目前普遍認為，材料沖蝕分為塑性沖蝕和脆性沖蝕兩種情況。研究塑性材料沖蝕的主要理論有切削理論、鍛造擠壓理論和變形理論。切削理論是指，在沖蝕過程中，顆粒不斷與材料表面進行摩擦，從而造成材料表面的磨損[5]。切削理論非常適用于塑性材料小沖角、多角形磨粒的沖蝕磨損。鍛造擠壓理論指沖蝕過程中靶材表面會在顆粒不斷地沖擊下產(chǎn)生凹坑和突起的唇片，在反復(fù)的沖擊和變形作用下，這些唇片從材料表面脫落，產(chǎn)生磨損[6]。變形理論[7-8]認為材料失效包括切削磨損和變形磨損，在材料被切削磨損的基礎(chǔ)上，由于顆粒反復(fù)沖擊同一位置，導(dǎo)致該位置材料變形，形成“擠壓唇”，從而失效。對于脆性材料的沖蝕，如陶瓷、玻璃等，顆粒的撞擊會造成材料表面的局部開裂，隨著不斷地撞擊，最終產(chǎn)生材料破壞、脫落等問題[9]。

實驗研究方法指基于現(xiàn)場實際工況在實驗室搭建模擬裝置進行實驗，可以有效地獲得材料沖蝕磨損的性能參數(shù)。應(yīng)用較多的實驗裝置主要有旋轉(zhuǎn)電極式試驗機、射流式?jīng)_刷腐蝕試驗機、管流式?jīng)_刷腐蝕試驗機、Coriolis 沖蝕試驗機等[10]。目前沖蝕磨損的研究多是討論單一因素或基于控制變量法的多參數(shù)作用對沖蝕磨損結(jié)果的影響。Ronald E. Vieira等[11]對氣—液—砂流動條件下彎管沖蝕進行了研究，并使用雙元件超聲波傳感器測量彎管上不同位置的壁厚損失。結(jié)果表明，水平彎管的沖蝕行為隨流型的變化而變化，垂直水平彎管沖蝕比水平水平彎管嚴(yán)重的多，不同參數(shù)對沖蝕速率有不同影響。趙彥琳等[12]研究了含沙射流對316不銹鋼的沖蝕行為。結(jié)果表明，沖擊角度為90°時沖蝕掉的質(zhì)量最大，60°時沖蝕的質(zhì)量最?。粵_擊角較大時，顆粒對材料的破壞以正碰為主，沖擊角較小時，顆粒對材料的破壞是犁削作用。胡瑾秋等[13]基于正交試驗設(shè)計方法研究了多種因素與管線沖蝕磨損之間的關(guān)系，得出了各因素的影響力排序。Quamrul H.Mazumder等[14]提出了一種預(yù)測多相流中彎管沖蝕的機械模型，并將此模型預(yù)測得到的沖蝕率與文獻中的實驗數(shù)據(jù)進行對比。結(jié)果表明，此機械模型預(yù)測得到的沖蝕率與文獻中不同流態(tài)和不同流速范圍下的實驗數(shù)據(jù)相吻合。Mazdak Parsi等[4]系統(tǒng)綜述了不同參數(shù)對固體顆粒沖蝕的影響，全面回顧了沖蝕預(yù)測模型，并將模型與實驗和現(xiàn)場數(shù)據(jù)的對比評估進行總結(jié)，是目前比較全面的總結(jié)沖蝕理論的綜述性成果。

1.2 人工神經(jīng)網(wǎng)絡(luò)方法簡介

人工神經(jīng)網(wǎng)絡(luò)(ANN)是對生物的神經(jīng)元網(wǎng)絡(luò)進行模擬，根據(jù)已知的一系列訓(xùn)練集，利用黑箱式學(xué)習(xí)方法的一種高效的數(shù)據(jù)處理和預(yù)測方法，具有效率高、聯(lián)想記憶、預(yù)測效果好等優(yōu)點。隨著機器學(xué)習(xí)理論的發(fā)展，人工神經(jīng)網(wǎng)絡(luò)成為了一種熱門的機器學(xué)習(xí)方法。該網(wǎng)絡(luò)可以找出變量間不便用公式表達的、非線性的問題的關(guān)系，基于訓(xùn)練集中得出的關(guān)系，來預(yù)測其他條件下可能出現(xiàn)的結(jié)果。人工神經(jīng)網(wǎng)絡(luò)由三層，即輸入層、隱藏層、輸出層組成。輸入層用于接受大量非線性的輸入數(shù)據(jù)。輸入的數(shù)據(jù)稱為輸入向量。輸出層用于將隱藏層的數(shù)據(jù)在神經(jīng)元之間傳輸、分析、權(quán)衡、比較，經(jīng)過比較計算后得到輸出結(jié)果。這個結(jié)果稱為輸出向量，可以用來對模型的趨勢進行預(yù)測。隱藏層由眾多的神經(jīng)元組成，連接輸入層與輸出層，具有復(fù)雜的結(jié)構(gòu)。每個神經(jīng)元連接都有一個權(quán)重因子，它決定了連接的強度，從而決定了該連接對后續(xù)網(wǎng)絡(luò)和輸出結(jié)果的貢獻。隱藏層的節(jié)點或神經(jīng)元的個數(shù)可以自由確定，一般神經(jīng)元數(shù)目越多會使整個網(wǎng)絡(luò)的非線性程度越高，神經(jīng)網(wǎng)絡(luò)的強健性越顯著，同時也增加了整個網(wǎng)絡(luò)的復(fù)雜度。

為了達到精準(zhǔn)預(yù)測和聯(lián)想記憶的作用，通常使用一部分?jǐn)?shù)據(jù)，對神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，此數(shù)據(jù)集稱為訓(xùn)練集。訓(xùn)練的目的是使神經(jīng)網(wǎng)絡(luò)掌握目標(biāo)模型規(guī)律，一般通過輸入信息，或是自身響應(yīng)調(diào)節(jié)神經(jīng)元之間權(quán)重因子的值來實現(xiàn)。除此之外，經(jīng)過訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)需要使用一定量的目標(biāo)數(shù)據(jù)對預(yù)測數(shù)據(jù)進行比對，對兩者之間的誤差進行修正，此集合稱為校準(zhǔn)集。最后利用已知數(shù)據(jù)與實驗數(shù)據(jù)進行誤差分析。

人工神經(jīng)網(wǎng)絡(luò)等人工智能方法已大量應(yīng)用于集輸系統(tǒng)優(yōu)化等方面，并取得了一定的效果[15]，其在管道沖蝕預(yù)測上亦有很大的應(yīng)用空間。因為人工神經(jīng)網(wǎng)絡(luò)可以集合各個經(jīng)驗公式的優(yōu)勢，探索因素之間的非線性關(guān)系與隱藏關(guān)系，適合沖蝕影響因素之間非線性耦合、規(guī)律不明顯的特點。人工神經(jīng)網(wǎng)絡(luò)方法可以在一定程度上排除輸入數(shù)據(jù)中的噪聲與不同變量的影響，而更加專注于挖掘規(guī)律。因為沖蝕的實驗中的控制因素很多，條件千差萬別，因此實驗研究的推廣性不強，得到的實驗誤差及不確定度一般偏大，人工神經(jīng)網(wǎng)絡(luò)方法針對這一缺陷具有獨特的優(yōu)勢。

2 人工神經(jīng)網(wǎng)絡(luò)方法預(yù)測沖蝕速率研究現(xiàn)狀

人工神經(jīng)網(wǎng)絡(luò)的預(yù)測結(jié)果是由訓(xùn)練后獲得的網(wǎng)絡(luò)結(jié)構(gòu)與權(quán)重因子取值決定的，預(yù)測結(jié)果的準(zhǔn)確性取決于訓(xùn)練集數(shù)據(jù)的準(zhǔn)確性，網(wǎng)絡(luò)本身不能提高數(shù)據(jù)的質(zhì)量。因此，以不準(zhǔn)確數(shù)據(jù)訓(xùn)練得到的網(wǎng)絡(luò)其預(yù)測精度也無從談起，高質(zhì)量數(shù)據(jù)的來源是應(yīng)用人工智能方法預(yù)測管道沖蝕的核心問題。近年來，國內(nèi)外學(xué)者主要從兩種來源獲得訓(xùn)練數(shù)據(jù)：一是以實驗數(shù)據(jù)為基礎(chǔ)，二是以CFD模擬結(jié)果為基礎(chǔ)。

一部分學(xué)者以自己獲得的實驗結(jié)果，或者文獻、資料中可用的實驗數(shù)據(jù)為訓(xùn)練集，以人工智能方法對實驗方法進行拓展，達到提升可知范圍、廣泛預(yù)測的目的。這些研究主要集中在摩擦學(xué)領(lǐng)域，多是研究表面材料、結(jié)構(gòu)等對摩擦系數(shù)及摩擦速率的影響。首個比較成熟的此類研究是S.P. Jones等[16]采用的計算機神經(jīng)網(wǎng)絡(luò)模型，研究的對象是不同材料/機械系統(tǒng)在理想情況下的摩擦速率，采用傳統(tǒng)的遞歸神經(jīng)網(wǎng)絡(luò)方法，研究了黏度、壓力、摩擦因數(shù)、溫度對摩擦速率的影響。該論文也同時論證了利用神經(jīng)網(wǎng)絡(luò)預(yù)測工件使用壽命數(shù)據(jù)的可行性。三年后，K. Velten等[17]參考Jones的結(jié)果，采用人工神經(jīng)網(wǎng)絡(luò)技術(shù)預(yù)測PA46復(fù)合材料在微動摩擦實驗中的腐蝕體積。他們以72組數(shù)據(jù)作為訓(xùn)練集，10組數(shù)據(jù)作為測試集，將預(yù)測結(jié)果與實驗數(shù)據(jù)對比，預(yù)測的誤差大約在30%以內(nèi)，并且可以通過進一步優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu)以及增加訓(xùn)練集數(shù)據(jù)來改進結(jié)果。K. Genel等[18]建立了短氧化鋁纖維增強鋅鋁復(fù)合材料摩擦學(xué)性能的多層前饋人工神經(jīng)網(wǎng)絡(luò)模型, 利用摩擦試驗得到數(shù)據(jù)，建立了含有34組數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò)訓(xùn)練集。其預(yù)測結(jié)果中摩擦速率的誤差大致在5%左右，摩擦系數(shù)的誤差大致在1%左右。他們的結(jié)果進一步證明了采用人工神經(jīng)網(wǎng)絡(luò)預(yù)測實驗結(jié)果的合理性。Z.Zhang等[19]將人工神經(jīng)網(wǎng)絡(luò)方法應(yīng)用于三種高分子材料的腐蝕磨損預(yù)測，利用三組獨立的腐蝕磨損測量數(shù)據(jù)和這些材料的特性數(shù)據(jù)對神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練和測試，并且應(yīng)用神經(jīng)網(wǎng)絡(luò)將規(guī)律拓展到更加廣泛的參數(shù)組合，給出了沖蝕速率對沖擊角度和環(huán)氧樹脂含量的等值線圖。其結(jié)果展示了如何利用經(jīng)過充分訓(xùn)練的神經(jīng)網(wǎng)絡(luò)對目標(biāo)規(guī)律進行拓展與深化。Ming-Der Jean等[20]將人工神經(jīng)網(wǎng)絡(luò)應(yīng)用于田口正交試驗，通過特定的微焊接表面硬化工藝，開發(fā)出一種穩(wěn)定有效的形成良好表面形貌的合金沉積方法。結(jié)果表明，將神經(jīng)網(wǎng)絡(luò)模型與田口實驗等成熟的質(zhì)量工程方法相結(jié)合，能夠開發(fā)出魯棒性更好、高效、高質(zhì)量的生產(chǎn)工藝。

易燦等[21]基于實驗數(shù)據(jù)，將人工神經(jīng)網(wǎng)絡(luò)方法拓展到高壓水射流領(lǐng)域，進行了混凝土塊受射流沖蝕的破碎預(yù)測，得到結(jié)果與試驗結(jié)果非常吻合，證明了基于人工神經(jīng)網(wǎng)絡(luò)建立的射流參數(shù)與沖蝕體積映射模型的可靠性。Cetinel等[22]采用BP神經(jīng)網(wǎng)絡(luò)方法，設(shè)計了雙隱藏層結(jié)構(gòu)，對球墨鑄鐵基體上沉積鉬涂層的磨損量進行了模擬，并將神經(jīng)網(wǎng)絡(luò)模擬結(jié)果與實驗結(jié)果進行了比較，結(jié)果表明神經(jīng)網(wǎng)絡(luò)數(shù)值預(yù)測的顯微硬度值誤差在3%以內(nèi)。此后，針對不同種類的復(fù)合材料，先后有M. Hayajneh等[23]和A.P. Harsha等[24-25]，分別利用神經(jīng)網(wǎng)絡(luò)研究了鋁—銅復(fù)合材料、纖維增強聚苯硫醚、PEK復(fù)合材料的磨損行為，并且研究了各種學(xué)習(xí)算法對神經(jīng)網(wǎng)絡(luò)訓(xùn)練性能的影響[24]。L.A. Gyurova等[26]利用神經(jīng)網(wǎng)絡(luò)對聚苯硫醚復(fù)合材料的磨損和摩擦性能進行了預(yù)測，并使用OBS算法對人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)進行了優(yōu)化。結(jié)果表明，用優(yōu)化后的人工神經(jīng)網(wǎng)絡(luò)對未經(jīng)測試的新材料組合的摩擦學(xué)性能的預(yù)測值與實際測試值吻合較好。

陳思維等[27]基于灰色關(guān)聯(lián)分析方法，研究兩相流動對管道內(nèi)壁的沖刷作用。根據(jù)集輸管道在線腐蝕監(jiān)測數(shù)據(jù)，建立了普光氣田集輸管道動態(tài)腐蝕預(yù)測模型，利用預(yù)測模型預(yù)測該處腐蝕相對誤差為9.8%，相對誤差在10%之內(nèi)，說明了所建立的動態(tài)腐蝕預(yù)測模型的合理性，可以有效指導(dǎo)普光高含硫氣田生產(chǎn)實踐。R.E. Vieira等[11-28]討論了使用電阻探針法測量了含顆粒環(huán)形流條件下，大型多相流回路中實驗沖蝕速率的方法，證明了ER探針測量金屬損失的有效性，為管道沖蝕提供了在線的數(shù)據(jù)來源。Wei Dai等[29-30]介紹了一種基于高斯過程(GP)的用于估算沖蝕率模型的預(yù)測不確定性的計算框架，提出了雙目標(biāo)優(yōu)化方法。結(jié)果表明，該方法的均方誤差和預(yù)測方差值比傳統(tǒng)方法(最大似然估計)的預(yù)測方差值要低。

回顧近年來國內(nèi)外學(xué)者采用實驗研究方法結(jié)合人工智能手段對摩擦沖蝕問題的研究可以發(fā)現(xiàn)，經(jīng)過二十余年的發(fā)展，已經(jīng)證明了人工神經(jīng)網(wǎng)絡(luò)預(yù)測實驗結(jié)果具有一定的準(zhǔn)確性，且準(zhǔn)確性隨著計算能力、數(shù)據(jù)預(yù)處理方法、算法的改進而有所進步。由于實驗條件限制， 一般訓(xùn)練集的數(shù)據(jù)量普遍不大，通常在幾十組數(shù)據(jù)左右。

計算流體力學(xué)(CFD)是研究管道流動與壁面作用的經(jīng)典研究方法，被國內(nèi)外學(xué)者廣泛采用[31]。近年來，隨著軟件模擬能力的不斷提高，一些學(xué)者開始用CFD對沖蝕作用進行數(shù)值模擬。比較典型的有：Yun Ji等[32]采用歐拉—拉格朗日四元耦合方法，研究了彎管上升角、氣流速度和固體質(zhì)量流量對上升彎管內(nèi)顆粒流態(tài)的影響。結(jié)果表明，隨著氣流速度和固體質(zhì)量流量的增加，壓力降逐漸增大，但存在一個最小的最佳上升角，使得壓力降最小。對于90°彎管，彎管內(nèi)壁上顆粒的最大碰撞區(qū)域僅取決于彎徑比，與氣流速度和顆粒濃度無關(guān)。A. Gnanavelu等[33]以標(biāo)準(zhǔn)實驗和CFD模擬相結(jié)合的方法，開發(fā)了一種預(yù)測腐蝕損傷的方法，并對此方法進行了驗證。C.B. Solnordal等[34]使用傳統(tǒng)的歐拉—拉格朗日方法進行沖蝕預(yù)測的數(shù)值模擬。結(jié)果表明，如果要預(yù)測沖蝕分布，則必須準(zhǔn)確地將顆粒—壁的碰撞以及同溫層再壓縮流動行為納入設(shè)計公式中。Kai Wang等[35]建立了石油管道彎頭中固體顆粒沖蝕預(yù)測數(shù)學(xué)模型，研究了彎曲方向和顆粒特性對沖蝕過程的影響。結(jié)果表明，沖蝕主要發(fā)生在彎管出口附近，尤其是下游直管段的側(cè)壁和彎管段的外拱處。Avi Uzi等[36]為氣動輸送系統(tǒng)提出、驗證和實施了一維沖蝕模型(ODEM)，并將ODEM和CFD-DEM進行比較。結(jié)果表明，ODEM作為預(yù)測輸送管線(包括彎管和直線段)腐蝕速率的工具，其速度比CFD-DEM模擬快得多，并且ODEM和DEM的整個預(yù)測結(jié)果相一致。

與傳統(tǒng)的實驗方法相比，CFD模擬具有節(jié)約時間、成本低和能模擬較復(fù)雜過程的優(yōu)勢，以CFD模擬結(jié)果作為訓(xùn)練集，可以大大拓展數(shù)據(jù)量，提高預(yù)測精度。此研究思路下比較典型的成果是Anh Tran等[37]基于高斯過程算法，以機器學(xué)習(xí)(ML)方法為內(nèi)核開發(fā)的“WearGP”方法。其使用穩(wěn)態(tài)CFD模擬的數(shù)值磨損預(yù)測作為訓(xùn)練和測試數(shù)據(jù)集，通過兩個CFD案例，比較了WearGP框架和CFD磨損模型之間的數(shù)值精度、計算效率和有效性。結(jié)果表明，用機器學(xué)習(xí)(ML)方法進行的磨損預(yù)測可以很好地逼近計算流體力學(xué)(CFD)磨損解，以近似預(yù)測表面的局部磨損，同時計算時間大大降低。D.A. Pandya等[38]采用人工神經(jīng)網(wǎng)絡(luò)方法，結(jié)合CFD結(jié)果，研究90°彎頭的顆粒沖蝕問題。他們建立了穩(wěn)健的沖蝕模型，同時采用貝葉斯正則化方法減輕過擬合問題，顯著提高預(yù)測準(zhǔn)確性。其結(jié)果與基于切應(yīng)力、湍流動能的沖蝕模型及貝克休斯結(jié)果相比，預(yù)測誤差降低20%以上。潘學(xué)亮[39]采用CFD模擬出管道運行狀態(tài)數(shù)據(jù)，利用BP神經(jīng)網(wǎng)絡(luò)建立多因素影響下的氣固管流沖蝕預(yù)測模型，并且采用遺傳算法對模型進行優(yōu)化。所得到的模型預(yù)測決定系數(shù)為0.97，精度較高。

除了人工神經(jīng)網(wǎng)絡(luò)之外，還有其他的機器學(xué)習(xí)方法在沖蝕預(yù)測中取得了應(yīng)用，比如支持向量機、隨機森林等算法。如Jian Qu等[40]提出了一種基于支持向量機和隨機子抽樣驗證的數(shù)據(jù)清洗算法，對實驗數(shù)據(jù)進行預(yù)處理、分類、特征選擇。根據(jù)所提出的數(shù)據(jù)清洗算法提供的分?jǐn)?shù)值來選擇候選離群值，并根據(jù)其對分類性能的去除影響來確定最終離群值。實驗結(jié)果表明，該數(shù)據(jù)清洗算法能夠很好地識別所有數(shù)據(jù)集的異常值，同時在解決故障模式分類問題中，順序使用數(shù)據(jù)清理和特征選擇方法具有良好的效果。何蕾等[41]將智能算法與神經(jīng)網(wǎng)絡(luò)算法相結(jié)合建立模型，對腐蝕天然氣管道可靠性進行評估。結(jié)果表明，該模型的評價結(jié)果與蒙特卡羅模擬結(jié)果高度近似，耗時更短。P. Zafedi等[42]根據(jù)不同流型的實驗數(shù)據(jù)，提出了一種預(yù)測最大沖蝕量的隨機森林算法。該方法可以擴展到一個非常大的數(shù)據(jù)庫，數(shù)據(jù)庫將由計算流體力學(xué)CFD生成，從而將該方法的應(yīng)用范圍擴展到實驗數(shù)據(jù)不易獲得的情況。結(jié)果表明，該方法預(yù)測結(jié)果與實驗結(jié)果吻合較好，為預(yù)測固體顆粒沖蝕提供了一種新的方法框架，與現(xiàn)有預(yù)測模型相比，該方法更加簡單、準(zhǔn)確。

3 總結(jié)與展望

本文以數(shù)據(jù)來源分類，系統(tǒng)回顧了近年來國內(nèi)外學(xué)者采用人工智能方法對固體壁面的沖蝕摩擦現(xiàn)象進行研究的主要進展。可以看出，經(jīng)過逐漸發(fā)展，目前已經(jīng)基本證明了人工神經(jīng)網(wǎng)絡(luò)方法在預(yù)測沖蝕行為方向的適用性。然而，目前研究尚存在一些不完美之處。因人工神經(jīng)網(wǎng)絡(luò)等方法本身不能提升數(shù)據(jù)的質(zhì)量，預(yù)測的準(zhǔn)確性一定程度上取決于訓(xùn)練數(shù)據(jù)的準(zhǔn)確性。如果以實驗數(shù)據(jù)為訓(xùn)練集，由于時間、成本等限制，數(shù)據(jù)量一般在幾十組左右，數(shù)量明顯不足。而以CFD計算結(jié)果為訓(xùn)練集，仿真結(jié)果受邊界條件、物性參數(shù)、軟件算法的影響，數(shù)據(jù)準(zhǔn)確性往往需要進行進一步的驗證。此外，目前研究對于網(wǎng)絡(luò)結(jié)構(gòu)，包括隱藏層結(jié)構(gòu)，神經(jīng)元個數(shù)等缺乏固定的篩選手段，一般需要基于計算效果進行人工選擇。神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)速度與收斂性有待進一步提高。如何綜合利用現(xiàn)有知識和專家經(jīng)驗來完善網(wǎng)絡(luò)設(shè)計，是提高學(xué)習(xí)速率與預(yù)測精度的關(guān)鍵因素。

現(xiàn)有的人工智能沖蝕預(yù)測研究結(jié)果一般是基于離線化的實驗室數(shù)據(jù)，或者穩(wěn)態(tài)的CFD模擬結(jié)果進行，與生產(chǎn)現(xiàn)場的數(shù)據(jù)接口缺乏鏈接，在應(yīng)用層面上尚未有成熟的技術(shù)得以應(yīng)用。未來，隨著管道安全管理評價要求的不斷提高，管道智能化與數(shù)字孿生的理念在設(shè)計、施工、運營過程中不斷推行，管道運行數(shù)據(jù)的可用性必將大大增強，結(jié)合算法與計算能力的進步，未來人工智能手段必將在管道運行安全保障領(lǐng)域發(fā)揮更加重要的作用。如能夠應(yīng)用人工智能方法，緊密結(jié)合生產(chǎn)現(xiàn)場數(shù)據(jù)，促進相關(guān)研究向管道沖蝕在線監(jiān)測與智能預(yù)警的方向發(fā)展，將對保障生產(chǎn)安全，提高管道系統(tǒng)的完整性管理水平起到深遠的影響。