一种基于服役场景的钢管性能评估方法及系统

摘要

本发明公开了一种基于服役场景的钢管性能评估方法及系统，涉及人工智能领域，所述方法包括：通过利用霍尔传感器获得第一标准钢管的第一标准检测结果；计算获得第一标准近似熵；构建钢管损伤数据库；获得第一服役钢管的第一损伤数据，并在所述钢管损伤数据库遍历获得第一适配数据，反向匹配第一损伤钢管，并计算第一损伤近似熵；对比确定第一损伤程度，并作为第一服役钢管的损伤程度；生成第一性能评估。解决了现有技术中基于经验判断钢管的实际性能，存在评估准确度差、可靠性低的问题，此外利用无损伤检测技术进行钢管性能检测，存在检测方法复杂、评估效率低的技术问题。达到了提高服役场景下钢管性能评估准确性、高效性的技术效果。

说明书

技术领域

本发明涉及人工智能领域，尤其涉及一种基于服役场景的钢管性能评估方法及系统。

背景技术

服役场景下的钢管一旦失效，不仅对管道结构安全造成影响，同时可能造成内容物泄露，进而影响环境。现有技术在对服役场景下的钢管进行性能评估时，通常利用无损伤检测技术进行钢管性能检测，存在检测方法复杂、检测精度差，无法快速、准确评估钢管实际性能的技术问题。此外，部分企业仅对服役钢管进行定期维护保养，并由相关技术人员基于经验等主观评估钢管的性能，一旦钢管服役环境恶劣，极易错误评估导致严重后果。因此，对服役场景中的钢管进行智能化的性能评估，对于有效预测钢管失效概率、剩余寿命，并以此为基础判断钢管是否需要进行维修或更换等，均具有重要的意义。

然而，现有技术中由相关技术人员定期对服役中的钢管进行维护保养，并基于经验判断钢管的实际性能，存在评估准确度差、可靠性低的问题，此外利用无损伤检测技术进行钢管性能检测，存在检测方法复杂、评估效率低的技术问题。

发明内容

本发明的目的是提供一种基于服役场景的钢管性能评估方法及系统，用以解决现有技术中由相关技术人员定期对服役中的钢管进行维护保养，并基于经验判断钢管的实际性能，存在评估准确度差、可靠性低的问题，此外利用无损伤检测技术进行钢管性能检测，存在检测方法复杂、评估效率低的技术问题。

鉴于上述问题，本发明提供了一种基于服役场景的钢管性能评估方法及系统。

第一方面，本发明提供了一种基于服役场景的钢管性能评估方法，所述方法通过一种基于服役场景的钢管性能评估系统实现，其中，所述方法包括：通过利用霍尔传感器对第一标准钢管进行质量检测，获得第一标准检测结果；根据近似熵算法思想对所述第一标准检测结果进行复杂度计算，获得第一标准近似熵；基于大数据构建钢管损伤数据库，其中，所述钢管损伤数据库包括多个损伤钢管的损伤数据；获得第一服役钢管的第一损伤数据，并基于所述第一损伤数据在所述钢管损伤数据库进行遍历，获得第一适配数据，根据所述第一适配数据，反向匹配第一损伤钢管，并计算所述第一损伤钢管的第一损伤近似熵；将所述第一损伤近似熵与所述第一标准近似熵进行对比，确定所述第一损伤钢管的第一损伤程度，并将所述第一损伤程度作为所述第一服役钢管的损伤程度；根据所述第一损伤程度，生成第一性能评估。

另一方面，本发明还提供了一种基于服役场景的钢管性能评估系统，用于执行如第一方面所述的一种基于服役场景的钢管性能评估方法，其中，所述系统包括：第一获得单元：所述第一获得单元用于利用霍尔传感器对第一标准钢管进行质量检测，获得第一标准检测结果；第二获得单元：所述第二获得单元用于根据近似熵算法思想对所述第一标准检测结果进行复杂度计算，获得第一标准近似熵；第一构建单元：所述第一构建单元用于基于大数据构建钢管损伤数据库，其中，所述钢管损伤数据库包括多个损伤钢管的损伤数据；第三获得单元：所述第三获得单元用于获得第一服役钢管的第一损伤数据，并基于所述第一损伤数据在所述钢管损伤数据库进行遍历，获得第一适配数据；第一计算单元：所述第一计算单元用于根据所述第一适配数据，反向匹配第一损伤钢管，并计算所述第一损伤钢管的第一损伤近似熵；第一设置单元：所述第一设置单元用于将所述第一损伤近似熵与所述第一标准近似熵进行对比，确定所述第一损伤钢管的第一损伤程度，并将所述第一损伤程度作为所述第一服役钢管的损伤程度；第一生成单元：所述第一生成单元用于根据所述第一损伤程度，生成第一性能评估。

第三方面，一种电子设备，其中，包括处理器和存储器；

该存储器，用于存储；

该处理器，用于通过调用，执行上述第一方面中任一项所述的方法。

第四方面，一种计算机程序产品，包括计算机程序和/或指令，该计算机程序和/或指令被处理器执行时实现上述第一方面中任一项所述方法的步骤。

本发明中提供的一个或多个技术方案，至少具有如下技术效果或优点：

1.通过利用霍尔传感器对质检合格的标准钢管进行质量检测，并利用近似熵算法思想确定其标准近似熵，实现了为后续判断服役场景下钢管的性能情况提供标准和基础的目标；通过大数据构建钢管损伤数据库，达到了为服役场景下钢管的损伤评估提供拟合和参考数据的效果；通过近似熵的对比计算，确定了服役场景下钢管的性能损失程度，达到了提高服役场景下钢管性能评估准确性、高效性的技术效果。

2.通过综合服役钢管的近似熵值、表面扫描图像处理结果、敲击声音信号情况等，实现了对服役钢管内、外全面的性能检测和评估，达到了提高性能评估结果准确性、可靠性的技术效果。

3.通过禁忌搜索全局迭代寻优，跳脱了局部损失数据适配度最高，提高了适配数据的质量，进而保证后续对服役场景下钢管性能评估的准确性，达到了提高系统智能化评估服役场景下钢管性能的可靠性的技术效果。

4.通过预设禁忌期限，达到了控制禁忌搜索寻优精度，同时合理控制寻优时间，确保系统计算量适中的基础上，进而节约系统计算时间的技术效果。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本发明一种基于服役场景的钢管性能评估方法的流程示意图；

图2为本发明一种基于服役场景的钢管性能评估方法中根据所述第一剩余强度对所述第一性能评估进行调整，生成第二性能评估的流程示意图；

图3为本发明一种基于服役场景的钢管性能评估方法中根据所述第一拟合度，对所述第二性能评估进行调整的流程示意图；

图4为本发明一种基于服役场景的钢管性能评估方法中将获得的所述第一钢管损伤数据作为所述第一适配数据进行输出的流程示意图；

图5为本发明一种基于服役场景的钢管性能评估系统的结构示意图；

图6为本发明示例性电子设备的结构示意图；

附图标记说明：

第一获得单元11，第二获得单元12，第一构建单元13，第三获得单元14，第一计算单元15，第一设置单元16，第一生成单元17，总线300，接收器301，处理器302，发送器303，存储器304，总线接口305。

具体实施方式

本发明通过提供一种基于服役场景的钢管性能评估方法及系统，解决了现有技术中由相关技术人员定期对服役中的钢管进行维护保养，并基于经验判断钢管的实际性能，存在评估准确度差、可靠性低的问题，此外利用无损伤检测技术进行钢管性能检测，存在检测方法复杂、评估效率低的技术问题。达到了提高服役场景下钢管性能评估准确性、高效性的技术效果。

本发明技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。

下面，将参考附图对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明的一部分实施例，而不是本发明的全部实施例，应理解，本发明不受这里描述的示例实施例的限制。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部。

本发明提供了一种基于服役场景的钢管性能评估方法，所述方法应用于一种基于服役场景的钢管性能评估系统，其中，所述方法包括：通过利用霍尔传感器对第一标准钢管进行质量检测，获得第一标准检测结果；根据近似熵算法思想对所述第一标准检测结果进行复杂度计算，获得第一标准近似熵；基于大数据构建钢管损伤数据库，其中，所述钢管损伤数据库包括多个损伤钢管的损伤数据；获得第一服役钢管的第一损伤数据，并基于所述第一损伤数据在所述钢管损伤数据库进行遍历，获得第一适配数据，根据所述第一适配数据，反向匹配第一损伤钢管，并计算所述第一损伤钢管的第一损伤近似熵；将所述第一损伤近似熵与所述第一标准近似熵进行对比，确定所述第一损伤钢管的第一损伤程度，并将所述第一损伤程度作为所述第一服役钢管的损伤程度；根据所述第一损伤程度，生成第一性能评估。

在介绍了本发明基本原理后，下面将结合说明书附图来具体介绍本发明的各种非限制性的实施方式。

实施例一

请参阅附图1，本发明提供了一种基于服役场景的钢管性能评估方法，其中，所述方法应用于一种基于服役场景的钢管性能评估系统，所述方法具体包括如下步骤：

步骤S100：利用霍尔传感器对第一标准钢管进行质量检测，获得第一标准检测结果；

具体而言，所述一种基于服役场景的钢管性能评估方法应用于所述一种基于服役场景的钢管性能评估系统，可以利用智能设置检测服役场景下的钢管数据，同时结合历史钢管使用数据、缺陷情况等综合评估服役场景下钢管的性能。所述霍尔传感器是无损检测技术中一种常用的传感器，与超声波传感器相比，具有检测方法简单，不需要在钢管和传感器中间设置满合剂，且不需要改变待监测物体的形状、同时不会影响其后续使用性能，因此易于智能化检验服役场景下的钢管。通过所述霍尔传感器对所述第一标准钢管的智能化数据检测传感，实现了对所述第一标准钢管进行质量检测的目标。其中，所述第一标准钢管是指未经过使用的、质检合格，且，与后续待智能化评估的钢管产品工艺、生产要求、使用环境等均一致的任一钢管。通过检测第一标准钢管的质量，并获得对应第一标准检测结果，达到了为后续智能化评价标准钢管的性能提供准确、有效的数据基础，进而提高性能评估可靠性的技术效果。

步骤S200：根据近似熵算法思想对所述第一标准检测结果进行复杂度计算，获得第一标准近似熵；

具体而言，所述近似熵算法是指用一个非负数来表示某一时间序列的复杂度，能够衡量时间序列中产生新模式的概率大小。其中，产生新模式的概率越大，序列就越复杂，也即，越复杂的时间序列对应的近似熵越大。通过利用近似熵算法思想对所述第一标准检测结果进行处理，从而获得第一标准钢管的波形数据，并进行复杂度计算，举例如利用matlab程度分析复杂度。进一步的，将智能化分析计算得到的复杂度数据用作第一标准钢管的第一标准近似熵，为后续评估待测服役钢管提供参考基准的技术性效果。

步骤S300：基于大数据构建钢管损伤数据库，其中，所述钢管损伤数据库包括多个损伤钢管的损伤数据；

进一步的，本发明步骤S300还包括：

步骤S310：根据历史损伤钢管记录，训练获得钢管损伤类型支持向量机；

步骤S320：组建钢管损伤集，其中，所述钢管损伤集包括多个损伤钢管；

步骤S330：依次采集所述多个损伤钢管中各个损伤钢管的特征，并作为输入信息输入所述钢管损伤类型支持向量机，分别获得所述多个损伤钢管的多个损伤类型；

步骤S340：根据损伤类型，对所述多个损伤钢管进行划分组合，获得第一组合结果，其中，所述第一组合结果包括第一类型钢管损伤集、第二类型钢管损伤集；

步骤S350：根据所述第一类型钢管损伤集、所述第二类型钢管损伤集，构建所述钢管损伤数据库。

具体而言，首先基于历史钢管使用记录中，各个有损伤的钢管损伤情况、使用年限、失效原因等数据，训练钢管损伤类型支持向量机。其中，所述钢管损伤类型支持向量机是一个可以基于各类钢管的缺陷和损失数据等，智能化判断钢管缺陷类型的智能模型。进一步的，组建钢管损伤集，其中包括多个损伤钢管，且，各个损伤钢管的损伤数据随机。进而，利用训练得到的所述钢管损伤类型支持向量机，智能化分析得到各个损伤钢管的损伤类型，并将属于同一损伤类型的损伤钢管组合为一个集合，即，分别得到所述第一类型钢管损伤集、第二类型钢管损伤集。最后所有损伤类型的钢管集合进行并集运算，即得到所述钢管损伤数据库。

通过构建包括有多种损伤类型、不同损伤程度的损伤钢管的数据库，实现了为后续待评估服役场景下的钢管提供范围更大的匹配，从而提高匹配度的技术目标。

步骤S400：获得第一服役钢管的第一损伤数据，并基于所述第一损伤数据在所述钢管损伤数据库进行遍历，获得第一适配数据；

具体而言，利用霍尔传感器对待检测评估性能的、服役下的钢管进行损伤情况智能化检测，即对所述第一服役钢管进行损伤检测，从而得到所述第一损伤数据，进一步基于所述第一损伤数据，在构建的所述钢管损伤数据库中进行搜索匹配，从而将匹配程度最高的损伤数据作为所述第一适配数据并输出。其中，所述第一适配数据是指所述钢管损伤数据库中，钢管损伤类型、损伤程度、具体损伤参数等，与所述第一服役钢管拟合程度最高的、最一致的已有钢管的所有相关数据。通过搜索获得第一适配数据，达到了为服役钢管适配最相似的损伤数据，进而提高后续性能评估结果准确性的技术效果。

步骤S500：根据所述第一适配数据，反向匹配第一损伤钢管，并计算所述第一损伤钢管的第一损伤近似熵；

步骤S600：将所述第一损伤近似熵与所述第一标准近似熵进行对比，确定所述第一损伤钢管的第一损伤程度，并将所述第一损伤程度作为所述第一服役钢管的损伤程度；

具体而言，反向匹配所述第一适配数据对应的损伤钢管，将其记作第一损伤钢管。也就是说，将已知损伤数据、损伤类型、并且已经准确评估了损伤情况的钢管用作第一服役钢管的替代物。进一步，通过计算得到的所述第一损伤钢管的第一损伤近似熵，即为所述第一服役钢管的损伤近似熵。将所述第一损伤近似熵与所述第一标准近似熵进行对比计算，举例如计算所述第一损伤近似熵与所述第一标准近似熵的比值等，即可得到所述第一损伤程度，从而实现了对所述第一服役钢管进行损伤量化评价的目标。也就是说，将计算得到第一损伤程度记作所述第一服役钢管的损伤程度。实现了将无法准确评估服役场景下的钢管损伤情况的问题转换为以现有准确试验检测和直观量化的损伤数据进行替代的技术目标。

步骤S700：根据所述第一损伤程度，生成第一性能评估。

具体而言，基于所述第一损伤程度，对第一服役钢管在使用后、即开始服役后的损伤进行了量化，从而实现对所述第一服役钢管的性能的可靠评估。通过利用霍尔传感器对质检合格的标准钢管进行质量检测，并利用近似熵算法思想确定其标准近似熵，实现了为后续判断服役场景下钢管的性能情况提供标准和基础的目标；通过大数据构建钢管损伤数据库，达到了为服役场景下钢管的损伤评估提供拟合和参考数据的效果；通过近似熵的对比计算，确定了服役场景下钢管的性能损失程度，达到了提高服役场景下钢管性能评估准确性、高效性的技术效果。

进一步的，如附图2所示，本发明还包括步骤S800：

步骤S810：采集所述第一服役钢管的第一基本信息；

步骤S820：利用三维扫描仪对所述第一服役钢管进行扫描，获得第一扫描图像，并对所述第一扫描图像进行处理，获得第一处理结果；

步骤S830：根据所述第一处理结果，确定第一服役数据；

步骤S840：根据所述第一基本信息和所述第一服役数据，计算第一剩余强度，并根据所述第一剩余强度对所述第一性能评估进行调整，生成第二性能评估。

进一步的，本发明步骤S820还包括：

步骤S821：基于预设分割方案对所述第一扫描图像进行分割，获得第一分割结果，其中，所述第一分割结果包括多个图像块；

步骤S822：基于预设步长对所述多个图像块进行水平、垂直方向的抽取，组成待处理图像块集合，其中，所述待处理图像块集合包括多个待处理图像块；

步骤S823：对所述多个待处理图像块依次进行特征分析，组成第一特征分析结果集，其中，所述第一特征分析结果集包括多个特征分析结果；

步骤S824：根据所述多个特征分析结果，筛选确定第一特征分析结果，并将所述第一特征分析结果作为所述第一处理结果。

具体而言，首先基于钢管使用记录、生产情况等采集所述第一服役钢管的第一基本信息，包括钢管材料、厚度、直径、投入使用时间、使用环境条件等。然后利用三维扫描仪对所述第一服役钢管进行扫描，扫描得到的所述第一扫描图像即用作后续对所述第一服役钢管服役损伤情况分析的基础。进一步基于对所述第一扫描图像的智能处理结果，计算即可得到对应的第一服役数据。其中，所述第一服役数据包括钢管在服役过程中的损伤和缺陷数据，包括缺陷长度、缺陷深度等。最后基于所述第一基本信息和所述第一服役数据，利用钢管腐蚀与剩余强度的计算方法，确定所述第一服役钢管的所述第一剩余强度。进一步的，基于所述第一剩余强度数据，对所述第一性能评估进行调整，调整后的结果即所述第二性能评估。

进一步的，对扫描得到的所述第一扫描图像进行处理和分析时，首先基于预设分割方案对所述第一扫描图像进行分割，从而得到第一扫描图像的第一分割结果。其中，所述第一分割结果包括分割后的多个图像块，也就是说，所述多个图像块拼接后即为所述第一扫描图像。其中，所述预设分割方案是指系统基于钢管尺寸以及扫描后的图像尺寸、处理精度要求等制定的分割方案。举例如要求处理和分析精度较高时则进行更加细微、边长更短的分割，进而得到的图像块数量也更多，后续系统分析和处理的图像量更大。进一步的，基于预设步长对分割得到的所述多个图像块进行水平、垂直方向的抽取，抽取的所有图像块即组成待处理图像块集合。其中，所述待处理图像块集合包括多个待处理图像块。其中，所述预设步长是指系统事先确定的抽取图像块的间隔量，根据精度要求可自行调整。最后，对所述多个待处理图像块依次进行特征分析，包括图像颜色特征、图像纹理特征、图像结构特征等，所有特征分析得到的结果组成所述第一特征分析结果集。根据所述多个特征分析结果，筛选确定第一特征分析结果，并将所述第一特征分析结果作为所述第一处理结果。其中，所述第一特征分析结果是指特征情况与标准钢管偏差最大，即损伤情况最严重的结果。

通过将服役钢管扫描图像中，损伤最严重的图像对应的部位结果作为服役钢管的处理结果，实现了基于木桶理论确定钢管损伤和性能评估的目标。

进一步的，如附图3所示，本发明还包括步骤S850：

步骤S851：基于预设敲击方案对所述第一服役钢管、所述第一标准钢管依次进行敲击试验；

步骤S852：利用声音传感器对敲击试验进行实时声音收集，分别获得第一服役声音信号、第一标准声音信号；

步骤S853：依次生成所述第一服役声音信号的第一服役信号曲线、所述第一标准声音信号的第一标准信号曲线；

步骤S854：将所述第一服役信号曲线与所述第一标准信号曲线进行拟合，获得第一拟合度；

步骤S855：根据所述第一拟合度，对所述第二性能评估进行调整。

具体而言，所述预设敲击方案是指系统制定的对钢管进行敲击声音检测和判断的方案，包括敲击力度、敲击频率等相关敲击参数。通过基于所述预设敲击方案，实现了对所述第一服役钢管、所述第一标准钢管进行敲击试验，进而基于敲击后的声音信号差异分析确定服役钢管损伤情况的技术目标。在进行敲击试验时，利用声音传感器对敲击试验进行实时声音收集，其中，敲击第一服役钢管得到的信号即所述第一服役声音信号，敲击第一标准钢管得到的信号即所述第一标准声音信号。然后分别对两声音信号进行曲线拟合，从而得到两曲线的拟合度数据，即所述第一拟合度。最后根据所述第一拟合度，对所述第二性能评估进行调整。也就是说，所述第一拟合度越高，对应的所述第一服役钢管的损伤越小，即性能越好，并基于所述第一拟合度对所述第二性能评估进行校正和调整。

通过基于对比服役场景下钢管和标准未实际使用钢管之间经过相同敲击试验后的声音信号，并拟合两信号曲线，从而实现了对服役场景下钢管较未使用标准钢管的差异量化目标，并基于此校验和调整之前基于图像处理等得到的第二性能评估结果，达到了提高性能评估可靠性的技术效果。

进一步的，如附图4所示，本发明步骤S400还包括：

步骤S410：提取所述钢管损伤数据库的第一钢管损伤数据，并将所述第一钢管损伤数据作为所述第一适配数据；

步骤S420：根据所述第一损伤数据和所述第一钢管损伤数据，计算获得第一匹配指数；

步骤S430：基于预设邻域方案，构建所述第一适配数据的第一邻域，其中，所述第一邻域包括多组候选钢管损伤数据；

步骤S440：依次计算所述第一损伤数据与所述多组候选钢管损伤数据的匹配指数，组成多个匹配指数；

步骤S450：将所述多个匹配指数进行对比，筛选所述第一邻域的第一最优匹配指数；

步骤S460：若所述第一最优匹配指数优于所述第一匹配指数，反向匹配所述第一最优匹配指数的候选钢管损伤数据，记作第二钢管损伤数据，并用所述第二钢管损伤数据替换所述第一钢管损伤数据；

步骤S470：若迭代寻优达到预设迭代次数，将获得的所述第一钢管损伤数据作为所述第一适配数据进行输出。

具体而言，首先随机提取所述钢管损伤数据库的任意一组损伤数据，即所述第一钢管损伤数据，并将所述第一钢管损伤数据暂时作为所述第一适配数据，并计算所述第一匹配指数。

进一步的，基于预设邻域方案，构建所述第一钢管损伤数据的第一邻域，其中，所述第一邻域包括多组钢管损伤数据。其中，所述预设邻域方案是指系统综合分析后预先设置的邻域范围确定方案。举例如以所述第一适配数据为圆心，周径10个单位相似的损伤数据的作为邻域等。同样的方法，依次计算所述多组钢管损伤数据的所述多个匹配指数，并且遍历对比所述多个匹配指数，筛选得到所述第一邻域中的最优匹配指数。进而，判断所述第一最优匹配指数是否优于所述第一匹配指数。当所述第一最优匹配指数优于所述第一匹配指数时，反向匹配所述第一最优匹配指数的钢管损伤数据，并将匹配得到的钢管损伤数据记作第二钢管损伤数据，同时，将所述第二钢管损伤数据作为所述第一适配数据，也就是说，当邻域中有匹配指数优于初始设置的所述第一适配数据的匹配指数时，即将邻域中的该匹配指数对应的钢管损伤数据代替之前设置的所述第一适配数据。最终，多次迭代寻优，当所述迭代寻优达到预设迭代次数时，将彼时得到的第一钢管损伤数据即作为所述第一适配数据。

通过全局迭代寻优得到第一适配数据，达到了跳脱局部最优解、提高最优解的质量，进而确保钢管损伤数据与第一服役钢管的损伤情况最为一致、相似度最高，进而保证后续对服役场景下钢管性能评估的准确性，达到了提高系统智能化评估服役场景下钢管性能的可靠性的技术效果。

进一步的，本发明步骤S460还包括：

步骤S461：将所述第一钢管损伤数据、所述第二钢管损伤数据依次进行禁忌标记，分别记作第一禁忌标记、第二禁忌标记；

步骤S462：依次计算所述第一禁忌标记、所述第二禁忌标记的禁忌时长，获得第一禁忌时长、第二禁忌时长；

步骤S463：当所述第一禁忌时长满足预设禁忌期限时，解除所述第一钢管损伤数据的所述第一禁忌标记；

步骤S464：当所述第二禁忌时长满足所述预设禁忌期限时，解除所述第二钢管损伤数据的所述第二禁忌标记。

具体而言，在寻求所述第一适配数据时，初始阶段随机选择一组钢管损伤数据，并将其作为第一适配数据后，同时对其进行禁忌标记。此外，在基于该第一适配数据的邻域，得到匹配指数优于该第一适配数据的钢管损伤数据后，将邻域内的该钢管损伤数据设为第一适配数据，同样的，对其进行禁忌标记。也就是说，将所述第一钢管损伤数据、所述第二钢管损伤数据依次进行禁忌标记，分别记作第一禁忌标记、第二禁忌标记。进一步的，分别计算各组第一钢管损伤数据被标记为禁忌后的时间长短，当其禁忌时间长度超过预设禁忌期限后，系统自动解除对其的禁忌，在此之后，解除了禁忌标记的钢管损伤数据可再次被寻优对比。其中，所述预设禁忌期限是指系统基于寻优空间规模、寻优精度要求等综合分析后确定。预设禁忌期限越短，越容易出现寻优循环，而预设禁忌期限越长，系统寻优计算的次数、计算量等即越长。

通过预设禁忌期限，达到了控制禁忌搜索寻优精度，同时合理控制寻优时间，确保系统计算量适中的基础上，进而节约系统计算时间的技术效果。

综上所述，本发明所提供的一种基于服役场景的钢管性能评估方法具有如下技术效果：

1.通过利用霍尔传感器对质检合格的标准钢管进行质量检测，并利用近似熵算法思想确定其标准近似熵，实现了为后续判断服役场景下钢管的性能情况提供标准和基础的目标；通过大数据构建钢管损伤数据库，达到了为服役场景下钢管的损伤评估提供拟合和参考数据的效果；通过近似熵的对比计算，确定了服役场景下钢管的性能损失程度，达到了提高服役场景下钢管性能评估准确性、高效性的技术效果。

2.通过综合服役钢管的近似熵值、表面扫描图像处理结果、敲击声音信号情况等，实现了对服役钢管内、外全面的性能检测和评估，达到了提高性能评估结果准确性、可靠性的技术效果。

3.通过禁忌搜索全局迭代寻优，跳脱了局部损失数据适配度最高，提高了适配数据的质量，进而保证后续对服役场景下钢管性能评估的准确性，达到了提高系统智能化评估服役场景下钢管性能的可靠性的技术效果。

4.通过预设禁忌期限，达到了控制禁忌搜索寻优精度，同时合理控制寻优时间，确保系统计算量适中的基础上，进而节约系统计算时间的技术效果。

实施例二

基于与前述实施例中一种基于服役场景的钢管性能评估方法，同样发明构思，本发明还提供了一种基于服役场景的钢管性能评估系统，请参阅附图5，所述系统包括：

第一获得单元11，所述第一获得单元11用于利用霍尔传感器对第一标准钢管进行质量检测，获得第一标准检测结果；

第二获得单元12，所述第二获得单元12用于根据近似熵算法思想对所述第一标准检测结果进行复杂度计算，获得第一标准近似熵；

第一构建单元13，所述第一构建单元13用于基于大数据构建钢管损伤数据库，其中，所述钢管损伤数据库包括多个损伤钢管的损伤数据；

第三获得单元14，所述第三获得单元14用于获得第一服役钢管的第一损伤数据，并基于所述第一损伤数据在所述钢管损伤数据库进行遍历，获得第一适配数据；

第一计算单元15，所述第一计算单元15用于根据所述第一适配数据，反向匹配第一损伤钢管，并计算所述第一损伤钢管的第一损伤近似熵；

第一设置单元16，所述第一设置单元16用于将所述第一损伤近似熵与所述第一标准近似熵进行对比，确定所述第一损伤钢管的第一损伤程度，并将所述第一损伤程度作为所述第一服役钢管的损伤程度；

第一生成单元17，所述第一生成单元17用于根据所述第一损伤程度，生成第一性能评估。

进一步的，所述系统还包括：

第一采集单元，所述第一采集单元用于采集所述第一服役钢管的第一基本信息；

第四获得单元，所述第四获得单元用于利用三维扫描仪对所述第一服役钢管进行扫描，获得第一扫描图像，并对所述第一扫描图像进行处理，获得第一处理结果；

第一确定单元，所述第一确定单元用于根据所述第一处理结果，确定第一服役数据；

第二生成单元，所述第二生成单元用于根据所述第一基本信息和所述第一服役数据，计算第一剩余强度，并根据所述第一剩余强度对所述第一性能评估进行调整，生成第二性能评估。

进一步的，所述系统还包括：

第五获得单元，所述第五获得单元用于基于预设分割方案对所述第一扫描图像进行分割，获得第一分割结果，其中，所述第一分割结果包括多个图像块；

第一组成单元，所述第一组成单元用于基于预设步长对所述多个图像块进行水平、垂直方向的抽取，组成待处理图像块集合，其中，所述待处理图像块集合包括多个待处理图像块；

第二组成单元，所述第二组成单元用于对所述多个待处理图像块依次进行特征分析，组成第一特征分析结果集，其中，所述第一特征分析结果集包括多个特征分析结果；

第二设置单元，所述第二设置单元用于根据所述多个特征分析结果，筛选确定第一特征分析结果，并将所述第一特征分析结果作为所述第一处理结果。

进一步的，所述系统还包括：

第一执行单元，所述第一执行单元用于基于预设敲击方案对所述第一服役钢管、所述第一标准钢管依次进行敲击试验；

第六获得单元，所述第六获得单元用于利用声音传感器对敲击试验进行实时声音收集，分别获得第一服役声音信号、第一标准声音信号；

第三生成单元，所述第三生成单元用于依次生成所述第一服役声音信号的第一服役信号曲线、所述第一标准声音信号的第一标准信号曲线；

第七获得单元，所述第七获得单元用于将所述第一服役信号曲线与所述第一标准信号曲线进行拟合，获得第一拟合度；

第二执行单元，所述第二执行单元用于根据所述第一拟合度，对所述第二性能评估进行调整。

进一步的，所述系统还包括：

第八获得单元，所述第八获得单元用于根据历史损伤钢管记录，训练获得钢管损伤类型支持向量机；

第一组建单元，所述第一组建单元用于组建钢管损伤集，其中，所述钢管损伤集包括多个损伤钢管；

第九获得单元，所述第九获得单元用于依次采集所述多个损伤钢管中各个损伤钢管的特征，并作为输入信息输入所述钢管损伤类型支持向量机，分别获得所述多个损伤钢管的多个损伤类型；

第十获得单元，所述第十获得单元用于根据损伤类型，对所述多个损伤钢管进行划分组合，获得第一组合结果，其中，所述第一组合结果包括第一类型钢管损伤集、第二类型钢管损伤集；

第二构建单元，所述第二构建单元用于根据所述第一类型钢管损伤集、所述第二类型钢管损伤集，构建所述钢管损伤数据库。

进一步的，所述系统还包括：

第二设置单元，所述第二设置单元用于提取所述钢管损伤数据库的第一钢管损伤数据，并将所述第一钢管损伤数据作为所述第一适配数据；

第十一获得单元，所述第十一获得单元用于根据所述第一损伤数据和所述第一钢管损伤数据，计算获得第一匹配指数；

第三构建单元，所述第三构建单元用于基于预设邻域方案，构建所述第一适配数据的第一邻域，其中，所述第一邻域包括多组候选钢管损伤数据；

第三组成单元，所述第三组成单元用于依次计算所述第一损伤数据与所述多组候选钢管损伤数据的匹配指数，组成多个匹配指数；

第一筛选单元，所述第一筛选单元用于将所述多个匹配指数进行对比，筛选所述第一邻域的第一最优匹配指数；

第一替换单元，所述第一替换单元用于若所述第一最优匹配指数优于所述第一匹配指数，反向匹配所述第一最优匹配指数的候选钢管损伤数据，记作第二钢管损伤数据，并用所述第二钢管损伤数据替换所述第一钢管损伤数据；

第三设置单元，所述第三设置单元用于若迭代寻优达到预设迭代次数，将获得的所述第一钢管损伤数据作为所述第一适配数据进行输出。

进一步的，所述系统还包括：

第四设置单元，所述第四设置单元用于将所述第一钢管损伤数据、所述第二钢管损伤数据依次进行禁忌标记，分别记作第一禁忌标记、第二禁忌标记；

第十二获得单元，所述第十二获得单元用于依次计算所述第一禁忌标记、所述第二禁忌标记的禁忌时长，获得第一禁忌时长、第二禁忌时长；

第一解除单元，所述第一解除单元用于当所述第一禁忌时长满足预设禁忌期限时，解除所述第一钢管损伤数据的所述第一禁忌标记；

第二解除单元，所述第二解除单元用于当所述第二禁忌时长满足所述预设禁忌期限时，解除所述第二钢管损伤数据的所述第二禁忌标记。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，前述图1实施例一中的一种基于服役场景的钢管性能评估方法和具体实例同样适用于本实施例的一种基于服役场景的钢管性能评估系统，通过前述对一种基于服役场景的钢管性能评估方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种基于服役场景的钢管性能评估系统，所以为了说明书的简洁，在此不再详述。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

示例性电子设备

下面参考图6来描述本发明的电子设备。

图6图示了根据本发明的电子设备的结构示意图。

基于与前述实施例中一种基于服役场景的钢管性能评估方法的发明构思，本发明还提供一种基于服役场景的钢管性能评估系统，其上存储有计算机程序，该程序被处理器执行时实现前文所述一种基于服役场景的钢管性能评估方法的任一方法的步骤。

其中，在图6中，总线架构（用总线300来代表），总线300可以包括任意数量的互联的总线和桥，总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口305在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件，即收发机，提供用于在传输介质上与各种其他装置通信的单元。

处理器302负责管理总线300和通常的处理，而存储器304可以被用于存储处理器302在执行操作时所使用的数据。

本发明提供了一种基于服役场景的钢管性能评估方法，所述方法应用于一种基于服役场景的钢管性能评估系统，其中，所述方法包括：通过利用霍尔传感器对第一标准钢管进行质量检测，获得第一标准检测结果；根据近似熵算法思想对所述第一标准检测结果进行复杂度计算，获得第一标准近似熵；基于大数据构建钢管损伤数据库，其中，所述钢管损伤数据库包括多个损伤钢管的损伤数据；获得第一服役钢管的第一损伤数据，并基于所述第一损伤数据在所述钢管损伤数据库进行遍历，获得第一适配数据，根据所述第一适配数据，反向匹配第一损伤钢管，并计算所述第一损伤钢管的第一损伤近似熵；将所述第一损伤近似熵与所述第一标准近似熵进行对比，确定所述第一损伤钢管的第一损伤程度，并将所述第一损伤程度作为所述第一服役钢管的损伤程度；根据所述第一损伤程度，生成第一性能评估。解决了现有技术中由相关技术人员定期对服役中的钢管进行维护保养，并基于经验判断钢管的实际性能，存在评估准确度差、可靠性低的问题，此外利用无损伤检测技术进行钢管性能检测，存在检测方法复杂、评估效率低的技术问题。达到了提高服役场景下钢管性能评估准确性、高效性的技术效果。

本发明还提供一种电子设备，其中，包括处理器和存储器；

该存储器，用于存储；

该处理器，用于通过调用，执行上述实施例一中任一项所述的方法。

本发明还提供一种计算机程序产品，包括计算机程序和/或指令，该计算机程序和/或指令被处理器执行时实现上述实施例一中任一项所述方法的步骤。

本领域内的技术人员应明白，本发明的实施例可提供为方法、装置、或计算机程序产品。因此，本发明可采用完全软件实施例、完全硬件实施例、或结合软件和硬件方面实施例的形式。此外，本发明为可以在一个或多个包含有计算机可用程序代码的计算机可用存储介质上实施的计算机程序产品的形式。而所述的计算机可用存储介质包括但不限于：U盘、移动硬盘、只读存储器（Read-Only Memory，简称ROM）、随机存取存储器（Random AccessMemory，简称RAM）、磁盘存储器、只读光盘（Compact Disc Read-Only Memory，简称CD-ROM）、光学存储器等各种可以存储程序代码的介质。

本发明是参照本发明的方法、设备（系统）、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的系统。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令系统的制造品，该指令系统实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。