一种基于非概率可靠性理论的电站高温管道系统维修方法

摘要

本发明涉及一种基于非概率可靠性理论的电站高温管道系统维修方法，包括：进行电站高温管道系统强度的有限元计算、确定电站高温管道系统的重点检测部位、应用非概率可靠性理论确定蠕变损伤参数、通过确定蠕变损伤参数建立蠕变损伤概率模型、根据蠕变损伤概率模型计算结构失效、根据检测数据、电站高温管道系统的材料和结构试验结果建立基于可靠性分析的维修方法模型、根据维修方法模型和工程实际检修成本确定出高温管线系统最佳维修时间。采用该种电站高温管道系统实现非概率可靠性维修方法，实现了高效且准确地确定结构概率可靠性，能够准确确定维修方案，能够解决其它领域中的高温管道相类问题的维修方法，从而适用范围较为广泛。

主权项

一种基于非概率可靠性理论的电站高温管道系统维修方法，其特征在于：包括以下步骤：S1进行电站高温管道系统的有限元计算，根据最大应力的地方，确定重点监测部位；S2在重点部位布置固定传感器，采用红外热成像监测仪器采集获取高温管线系统的检测数据；S3根据非概率可靠性理论，确定电站高温管道系统的蠕变损伤的随机参数；S4建立电站高温管道系统的蠕变损伤概率模型，计算高温管线系统的结构失效概率；S5根据电站高温管道系统的蠕变损伤失效概率，计算结构失效结果；S6根据步骤(5)的计算结果、管道的检测数据、材料和结构试验结果，建立基于可靠性分析的维修方法模型；S7根据所得的维修方法模型结合风险评估，得到电站高温管道系统最佳维修时间；所述的步骤S3包括以下内容：根据以下公式建立蠕变损伤非概率模型：$\stackrel{.}{D}={\mathrm{Bt}}^{-m}\frac{{\sigma }_{\mathrm{eq}}^r}{{(1-D)}^k};$其中，t为时间；B、m、k、r为在给定温度下由实验所确定的材料常数；σ_eq为等效应力，且上述各参数均为随机变量；上述随机变量将采用非概率可靠性理论中的方法来定义：首先根据工程实际容易确定出上述参数的最大和最小值，得到如下区间数:$[\underset{‾}{B},\bar{B}],[\underset{‾}{m},\bar{m}],[\underset{‾}{k},\bar{k}],[\underset{‾}{r},\bar{r}],[{\underset{‾}{\sigma }}_{\mathrm{eq}},{\bar{\sigma }}_{\mathrm{eq}}];$根据区间数定义参数的均值和标准差以及变异系数如下：$B_c=\frac{\bar{B}+\underset{‾}{B}}{2},B_D=\frac{\bar{B}-\underset{‾}{B}}{2},{\mathrm{cov}}_B=\frac{B_D}{B_c};$$m_c=\frac{\bar{m}+\underset{‾}{m}}{2},m_D=\frac{\bar{m}-\underset{‾}{m}}{2},{\mathrm{cov}}_m=\frac{m_D}{m_c};$$k_c=\frac{\bar{k}+\underset{‾}{k}}{2},k_D=\frac{\bar{k}-\underset{‾}{k}}{2},{\mathrm{cov}}_k=\frac{k_D}{k_c};$$r_c=\frac{\bar{r}+\underset{‾}{r}}{2},r_D=\frac{\bar{r}-\underset{‾}{r}}{2},{\mathrm{cov}}_r=\frac{r_D}{r_c};$${\sigma }_{\mathrm{eqc}}=\frac{{\bar{\sigma }}_{\mathrm{eq}}+{\underset{‾}{\sigma }}_{\mathrm{eq}}}{2},{\sigma }_{\mathrm{eqD}}=\frac{{\bar{\sigma }}_{\mathrm{eq}}-{\underset{‾}{\sigma }}_{\mathrm{eq}}}{2},{\mathrm{cov}}_{\sigma }=\frac{{\sigma }_{\mathrm{eqD}}}{{\sigma }_{\mathrm{eqc}}};$定义上述参数分别为均值是B_c,m_c,k_c,r_c,σ_eqc；标准差为B_D,m_D,k_D,r_D,σ_eqD；变异系数是cov_B,cov_m,cov_k,cov_r,cov_σ的随机分布，随机分布性质根据偏向于安全性的原则进行选取；所述的步骤S4中包括以下子步骤：S4‑1选择所述的电站高温管道系统的各个区域所对应的等效应力作为分层抽样变量；S4‑2如果所述的等效应力σ_eq满足以下公式，则该等效应力σ_eq所对应的区域为不会发生蠕变损伤失效的区域：${\sigma }_{\mathrm{eq}}\le {\left\{\frac{1-{(1-[D\left]\right)}^{k+1}}{(k+1)B\left(\frac{t^{1-m}}{1-m}\right)}\right\}}^{1/r};$其中，B、D、k均为随机变量，且：B＝损伤门槛值的均值+3×标准差；k＝损伤门槛值的均值+3×标准差；[D]＝损伤门槛值的均值‑3×标准差；S4‑3如果所述的等效应力σ_eq满足以下公式，则该等效应力σ_eq所对应的区域为发生蠕变损伤失效的区域：${\sigma }_{\mathrm{eq}}>{\left\{\frac{1-{(1-[D\left]\right)}^{k+1}}{(k+1)B\left(\frac{t^{1-m}}{1-m}\right)}\right\}}^{1/r};$S4‑4在发生蠕变损伤失效的区域中，利用分层抽样方法基于蒙特卡洛法并通过以下公式计算失效概率P_f：$P_f=\frac{\mathrm{nf}}{\mathrm{Num}};$其中，Num为试验次数，nf为在试验中失效的次数，满足以下关系：降低数据的非线性程度采用对数据取对数方式。