基于条件生成对抗网络的数据增强:神经网络在点蚀深度预测与检测中的应用  

Data augmentation using conditional generative adversarial network(cGAN):Application for prediction of corrosion pit depth and testing using neural network

作　　者：黄星烨 HUANG Xingye

机构地区：[1]国家管网集团科学技术研究总院分公司

出　　处：《油气储运》2024年第11期1320-1320,共1页Oil & Gas Storage and Transportation

摘　　要：油气管道在能源体系中占据重要地位,其一旦失效,将对社会、环境与经济产生重大影响。外腐蚀会导致管道外表面局部金属损失,是管道失效的主要致因。点蚀是一种典型的外腐蚀形态,指在管道外表面很小的范围内,腐蚀不断向管壁内部深入。在高压工作条件下,点蚀极易导致管道结构完整性受损,从而显著缩短管道服役寿命。因此,开展管道点蚀深度预测算法研究,对于保障管道结构完整性及能源运输安全具有重要意义。

关 键 词：局部金属损失 油气管道 神经网络 腐蚀形态 服役寿命 能源体系 外腐蚀 能源运输 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程] TE973[自动化与计算机技术—控制科学与工程]