在役承压设备损伤模式自动识别与评级指南

在役承压设备损伤模式自动识别与评级指南范围本文件规定了在役承压设备损伤模式自动识别与评级的总体要求、技术要求、工程部署与运行维护要求、结果输出与应用要求、质量保证与验收要求等内容。本文件适用于压力容器、压力管道及其关键部件在役检验、状态监测、风险评估与维修决策中，采用多源检测数据开展损伤模式自动识别与评级的工程应用；也适用于检验检测机构、使用单位、工程技术服务机构和平台建设单位开展系统建设、算法开发、模型验证、运行管理与结果验收。对于核承压设备、特殊介质或超出常规工况范围的设备，可在满足适用法规标准与行业要求的前提下参照本文件执行，并在技术方案中说明差异化处理原则。规范性引用文件下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期的引用文件，仅该日期对应的版本适用于本文件；不注日期的引用文件，其最新版本（包括所有的修改单）适用于本文件。GB/T1.1—2020标准化工作导则第1部分：标准化文件的结构和起草规则GB/T150.1—2024压力容器第1部分：通用要求GB/T19624—2019在用含缺陷压力容器安全评定GB/T22239信息安全技术网络安全等级保护基本要求GB/T30579—2022承压设备损伤模式识别NB/T47013.3—2023承压设备无损检测第3部分：超声检测术语和定义下列术语和定义适用于本文件。

在役承压设备in-servicepressureequipment处于投入使用状态的承受内部或外部压力的设备及其系统，包含压力容器、压力管道及其关键部件。

损伤damage材料或结构在服役过程中产生的退化、缺陷或性能劣化现象，可能导致承载能力下降或失效风险增加。

损伤模式damagemode损伤发生的机理类型与外观形态的组合表征，用于描述“如何损伤、损伤呈现什么形态、对失效的贡献路径”。

缺陷flaw可被检测或观测到的非连续性或异常状态，如裂纹、夹杂、未熔合、腐蚀坑、壁厚减薄、分层等。

损伤机制damagemechanism导致损伤发生与演化的物理、化学或力学作用机理，如均匀腐蚀、点蚀、应力腐蚀开裂、疲劳、蠕变等。

多源数据multi-sourcedata来源于不同检测手段或业务系统的数据集合，包括无损检测数据、在线监测数据、过程工况数据、材料与制造数据、检维修与运行记录等。

特征feature可用于表征损伤模式或缺陷状态的可量化指标或数据表示，如幅值、相位、频谱、波形形态、点云几何量、热像温差、图像纹理与几何尺寸等。

训练数据trainingdata用于模型学习的带标签数据集，包含输入数据、目标标签、采集条件、标注规则与质量信息。

标注label对数据样本的类别、位置、尺寸、严重程度或状态等级等信息的赋值，用于监督学习或模型评估。

自动识别automaticrecognition利用算法模型对损伤模式或缺陷信息进行自动判别与输出的过程，可包含定位、分割、分类、量测与关联推理。

评级rating依据规定的指标体系与分级规则，对损伤严重性、风险水平或处置优先级进行等级判定的活动。

置信度confidence模型输出结果的可信程度量化指标，可由概率、置信区间、评分或一致性度量表达。

证据链evidencechain对数据从采集、传输、存储、处理到输出全过程的留痕、校验与审计机制，用于保障真实性、完整性与可追溯性。

模型漂移modeldrift由于工况、设备类型、介质或数据分布变化导致模型性能随时间下降的现象。总体要求基本原则在役承压设备损伤模式自动识别与评级应遵循安全优先、标准衔接、数据驱动与可审可证原则。自动识别结果应服务于在役检验与风险管控决策，不应替代法定检验责任与人工复核责任；评级规则应与现行损伤模式识别、无损检测与在役评定要求保持一致或建立可追溯映射；数据处理与模型推断应具备可解释性与证据链，支持复核、追责与持续改进。组织与职责实施单位应建立覆盖“需求提出—数据治理—模型开发—工程部署—运行维护—结果审核”的职责体系，至少明确：a)使用单位：提供设备台账、运行工况、检维修记录，组织现场配合与整改闭环；b)检验检测机构：负责检测方案、数据有效性确认、关键结论审核与法定报告接口；c)算法与平台建设方：负责数据治理、模型构建、系统部署、日志审计与版本管理；d)质量与安全管理方：负责适用标准清单、权限与保密、网络与数据安全、变更与应急管理。适用范围界定与对象分级实施单位应明确自动识别与评级的适用对象、设备类型与边界条件，至少包括设备类别、材料体系、介质特性、典型温压工况、检测方法与数据类型。对高风险介质、关键装置、老旧设备或历史缺陷设备，应实施更严格的数据质量与复核要求，并在评级中体现保守性原则。数据与模型的合规性、可追溯性要求数据合规与可用性数据采集应符合适用检验规则与检测标准要求，数据应具备完整元数据，并满足可用性判定规则。对不满足质量要求的数据，不应进入训练或评级主链路，应进入隔离与补采流程。可追溯与审计系统应对数据接入、预处理、模型推理、人工复核、结论发布与变更进行全流程留痕，记录关键参数、版本号与操作者信息，确保输出可追溯到原始数据与处理链。安全与保密实施单位应对设备结构细部、工艺参数、装置布局与关键风险信息进行分级分类管理，建立最小权限、访问审计、导出控制与脱敏要求，满足网络安全与数据安全相关要求。对外部协作与云平台应用场景，应明确数据主权、接口鉴权、加密传输、备份恢复与安全事件处置机制。技术要求总体技术架构与流程总体流程自动识别与评级宜按“数据获取—数据治理—损伤模式库与特征体系—模型训练与验证—在线推理—人工复核—评级输出—闭环处置—持续改进”流程实施。实施单位应在技术方案中明确输入数据范围、识别目标清单、评级等级定义、复核节点、输出成果格式与验收指标。系统架构系统宜采用分层架构，至少包括数据层、算法层与应用层：a)数据层：负责多源数据接入、清洗、对齐、标签管理与证据链管理；b)算法层：负责特征提取、模型推理、置信度评估与不确定性表达；c)应用层：负责任务管理、可视化复核、评级报告生成、与检验/资产系统接口对接。工程化要求系统应支持批次化处理与任务化管理，具备异常告警、权限管理、版本管理与回滚能力，确保在检验场景中可稳定运行。数据获取与治理要求数据类型与最小集合用于自动识别与评级的数据最小集合宜包括：设备台账与结构信息、材料与制造信息、运行工况与介质信息、无损检测数据（至少一种主导方法）、历史缺陷与处置记录、检验时间轴与位置映射信息。对开展趋势分析与剩余寿命推断的场景，宜补充在线监测数据与多周期检测数据。数据质量控制实施单位应建立数据质量规则库与判定准则，至少包括：a)完整性：关键字段不缺失，位置与对象可映射；b)一致性：同一对象的编码、坐标基准、单位与口径一致；c)准确性：采集参数满足检测标准要求，校准记录齐全；d)可追溯性：原始数据、处理版本与日志齐全；e)可用性：信噪比、分辨率、覆盖率等满足识别阈值。标签体系与标注一致性实施单位应建立与损伤模式库一致的标签体系，明确标签粒度（模式级、缺陷级、构件级）、标注规则、冲突处理与多标注一致性要求。对训练数据应实施双人复核或抽样复核，形成标注质量记录；对存在争议的样本应进入专家会商与仲裁机制，并保留仲裁结论。损伤模式库与特征体系要求损伤模式库构建损伤模式库应与现行损伤模式识别要求衔接，并结合设备类型、材料与介质特性形成本地化扩展。模式库宜包含：损伤名称与编码、机理描述、典型形态、敏感部位与触发条件、主要影响因素、推荐检测方法、可提取特征、失效模式关联与处置建议。模式库应具备版本管理与变更记录。特征体系与方法匹配实施单位应建立“检测方法—特征—损伤模式”的映射关系，明确各类损伤的可观测特征与最小证据要求。典型损伤模式、可观测特征与推荐检测数据类型可参照表1配置，并可结合现场条件进行扩展与参数化。典型损伤模式—可观测特征—推荐数据类型对照损伤模式类别典型损伤形态关键可观测特征（示例）推荐数据类型与手段（示例）腐蚀减薄均匀减薄、局部减薄、腐蚀坑壁厚变化率、最小壁厚、坑蚀密度与深度分布、厚度梯度超声测厚/相控阵数据（主）；必要时表面成像与三维量测应力腐蚀开裂沿焊缝/热影响区裂纹、分支裂纹裂纹走向与密集度、尖端特征、与残余应力区关联相控阵/TOFD（主）；表面检测数据辅助疲劳裂纹结构热点裂纹、根部裂纹裂纹长度扩展速率、循环载荷关联、尖端几何与反射特征相控阵/TOFD（主）；应变/振动监测（辅）氢致损伤HIC、SOHIC、氢鼓泡分层回波、内部平行指示、层状缺陷分布与聚集超声成像/相控阵（主）；必要时金相/取样验证蠕变损伤高温变形、晶界空洞、蠕变裂纹变形量、局部壁厚变化、裂纹与高温区耦合几何量测/点云（辅）；超声/复制检测（场景化）磨蚀冲蚀弯头/节流处局部减薄局部减薄区域形态、与流速/颗粒关联、厚度梯度集中超声测厚网格（主）；工况数据（辅）制造与焊接缺陷残留未熔合、夹渣、气孔等指示形态与位置稳定性、反射幅值与几何一致性射线/超声检测数据（主）；历史制造记录关联表1典型损伤模式—可观测特征—推荐数据类型对照（续）损伤模式类别典型损伤形态关键可观测特征（示例）推荐数据类型与手段（示例）表1为应用示例。实施单位应结合设备结构、检测工艺与数据可得性细化特征定义与阈值，并将阈值纳入质量控制与模型输入规范。自动识别模型构建与验证要求模型类型与适用性模型可采用规则引擎、传统机器学习或深度学习等方式，或采用“规则+模型”的混合架构。模型选型应与数据类型、样本规模、可解释性要求与部署条件相匹配。对高风险场景或法定检验结论关键链路，宜采用可解释性较强、可审计的混合策略，并设置人工复核闸门。训练与验证数据划分训练数据应覆盖不同设备类型、材料体系、工况区间、检测人员/设备差异与噪声场景，避免单一来源导致泛化不足。验证应至少包含：交叉验证或独立测试集验证、跨装置/跨批次验证、对关键损伤类型的召回率约束、对误报的可控性评估。对样本不平衡问题应制定处理策略并记录。性能指标与验收阈值识别性能指标宜按任务类型确定：a)分类任务：准确率、召回率、精确率、F1值；b)定位/分割任务：IoU、Dice、定位误差；c)量测任务：量测偏差、重复性、与基准方法的一致性；d)工程可用性：关键缺陷漏检率上限、关键场景鲁棒性、推理时延与稳定性。实施单位应在技术方案中明确最低验收阈值，并对超过阈值的异常样本建立复核与改进机制。可解释性与不确定性表达模型输出应包含类别或模式判断、位置/范围、关键特征支撑、置信度与不确定性提示。对置信度低或与规则库冲突的结果，应自动触发人工复核或二次检测建议，避免“黑箱输出”直接驱动评级结论。损伤评级指标体系与分级规则要求评级目标与对象评级对象可按“缺陷/损伤单元—构件/部位—设备整体”分层实施。评级目标应明确是“严重性评级”“风险优先级评级”或“处置紧迫性评级”，并在体系内保持口径一致。评级应与在役评定、检验结论与维修策略衔接，确保可落地。评级指标构成评级指标宜至少包括以下三类：a)损伤严重性指标：尺寸/深度/面积、壁厚裕度、裂纹长度与尖端特征、缺陷密集度、变形量等；b)演化与工况指标：腐蚀速率、载荷循环强度、温压波动、介质成分、历史增长趋势等；c)证据与置信指标：数据质量等级、模型置信度、复核一致性、方法交叉验证情况等。指标口径应与数据来源对应，并明确不可得时的保守处理原则。分级规则与处置建议评级分级应体现“严重性+可信度”的综合约束。为保证工程可执行性，本文件给出分级示例（表2），实施单位可结合行业要求、装置等级与企业风险偏好细化阈值，但不应削弱对高风险损伤的保守控制与复核要求。损伤评级分级规则与处置建议评级等级综合判定原则（示例）典型输出内容（示例）建议处置（示例）I级严重性高，且证据充分（数据质量高、置信度高或多方法一致）明确损伤模式；量测值与位置清晰；证据链完整立即评估与处置；必要时停运/降载；组织专项检验或安全评定II级严重性中高，证据较充分或存在局部不确定性关键特征明确；存在少量不确定提示近期处置；制定检修计划；复核关键部位或补充检测III级严重性中等，证据可接受但需趋势跟踪模式判定基本一致；量测误差可控纳入周期复检；加强监测；开展趋势分析与阈值预警IV级严重性较低或处于早期，证据充分缺陷轻微且稳定；增长迹象不明显常规监控；按计划检验；保留基准数据用于对比V级证据不足或不确定性高（数据质量不合格、置信度低或冲突）输出“需复核/需补采”；给出不确定来源说明不直接形成最终评级；优先补采或采用交叉方法复核后再评级表2为通用示例。实施单位应结合设备类别、介质危害性、装置重要性与适用检验评定规则，将“严重性阈值、证据阈值、复核触发条件”参数化固化，并纳入系统配置与审核流程。工程部署与运行维护要求部署方案与环境要求部署模式自动识别与评级系统可采用本地部署、私有云部署或混合部署模式。实施单位应结合数据敏感等级、网络边界、实时性要求与运维能力确定部署模式，并在部署方案中明确数据流向、接口边界、权限体系与安全控制要求。涉及跨单位数据交换或第三方服务平台的，应明确数据主权、责任边界与审计接口。运行环境系统运行环境应满足计算资源、存储资源、网络带宽与容灾备份要求。对需处理大体量无损检测原始数据的场景，应配置满足吞吐与并发的资源，并明确任务排队与限流策略。对需现场快速判读的场景，可采用边缘计算节点或离线推理方案，并保证与中心平台的数据同步与版本一致性。接口与系统集成系统应支持与设备台账系统、检验管理系统、RBI/风险管理系统、维护管理系统（EAM/CMMS）、过程控制与历史数据库（DCS/PI等）、在线监测平台以及文档档案系统的接口对接。接口应明确字段口径、对象编码规则、坐标/位置映射方法、传输协议、鉴权方式、调用频率限制与异常处理机制，并保留接口调用日志。运行管理与任务控制任务管理系统应支持按设备、装置、检验项目与检验周期建立任务，明确任务输入数据清单、处理流程、输出成果与审核节点。任务管理应具备状态跟踪与告警机制，至少包括数据接入完成、质量校验通过、模型推理完成、人工复核完成、评级发布与闭环销号等状态。运行监控与告警系统应对关键运行指标进行监控，包括计算资源占用、队列长度、接口异常、数据导入失败、存储容量阈值、模型推理失败、置信度异常分布、输出与规则冲突等，并在触发阈值时发出告警。告警应可追溯到任务、设备与责任人，并设置处置时限与升级路径。人工复核闸门与审批对涉及高风险设备、关键部位或评级为I级、II级的结论，应设置强制人工复核闸门；对评级为V级（证据不足或不确定性高）的，应强制进入补采/复核流程后方可形成最终评级。人工复核与审批应记录复核人、复核时间、复核依据、调整内容与原因，并保留原始输出与调整后的对比信息。模型版本管理与变更控制版本管理实施单位应建立模型与规则库的版本管理机制，对模型结构、参数、训练数据范围、特征工程、阈值配置、输出标签体系与评级规则的任何变更进行版本化管理。版本记录应至少包含版本号、发布时间、变更摘要、适用范围、性能指标、回滚方案与负责人。变更评估与验证模型或规则库变更前应进行影响评估，评估内容至少包括：适用设备类型与工况覆盖、性能变化、误报漏报变化、与历史结论的一致性、对评级输出与处置策略的影响。变更应在验证环境中通过回放测试与对比测试验证，并在满足验收阈值后方可发布至生产环境。回滚与应急机制系统应具备版本回滚能力。当出现模型性能显著下降、异常误报或漏报、输出标签混乱、系统稳定性问题等情况时，应可快速回滚至稳定版本，并保留事件记录与原因分析。对因模型输出导致的重大误判风险，应启动应急处置流程，及时通知相关方并采取风险止损措施。模型监测、漂移识别与再训练性能持续监测实施单位应建立模型性能持续监测机制，定期统计召回率、精确率、关键缺陷漏检率、置信度分布、人工复核调整率等关键指标，并与基线性能对比。监测应按设备类型、装置、介质、检测方法与数据来源分层分析，识别局部失效与系统性趋势。漂移识别当出现以下情形之一时，应判定存在漂移风险并启动评估：a)数据分布显著变化；b)人工复核调整率显著上升或集中于特定场景；c)关键缺陷漏检或误报事件增多；d)置信度显著下降或异常分布扩大。漂移评估应输出漂移原因假设、影响范围、风险等级与临时控制措施。再训练与更新策略再训练应基于新增数据与经仲裁的高质量标签数据进行，并确保训练集覆盖新增场景。再训练过程应遵循与初始训练一致的数据治理、标注质量控制与验证要求。对高风险场景宜采用“影子模型”并行运行与灰度发布策略，确保更新可控。数据安全运维与审计权限与账户管理系统应实施基于角色的访问控制与最小权限原则，区分数据录入、数据审核、模型管理、规则配置、结论发布、导出共享等权限。账户应采用实名制并具备离岗注销机制；对关键操作应启用二次确认或多因素认证。日志审计系统应对数据接入、数据修改、模型推理、复核调整、评级发布、导出共享、接口调用与权限变更等关键操作记录审计日志。日志应具备防篡改与保存期限要求，并支持按任务、设备、人员、时间范围检索与导出，用于事后追责与复盘。安全事件处置发生数据泄露、异常访问、疑似篡改、恶意导出或系统入侵等安全事件时，应启动应急处置，采取隔离、保全、溯源、修复与报告等措施，并形成事件报告与整改闭环。对涉及第三方平台的，应按合同与安全协议明确协同处置与责任划分。结果输出与应用要求输出内容与格式系统输出应至少包括：损伤模式识别结果、缺陷定位/范围信息、关键特征与证据引用、置信度与不确定性提示、损伤评级等级、建议处置与复核建议、处理链与版本信息。输出应支持结构化数据导出与报告化展示，并满足与在役检验报告、评定报告或维护工单系统的接口要求。结果一致性与冲突处理当模型输出与规则库判定、历史结论或人工判读存在冲突时，应触发冲突处理流程。冲突处理应包括：冲突识别与记录、冲突原因分析、必要时补充检测或专家会商、形成最终结论与更新建议。冲突处理结果应反馈至模型更新与规则优化机制。复核、批准与发布识别与评级结论应按分级要求执行复核与批准流程。对I级、II级以及涉及关键装置、敏感介质或人员密集区域设备的结论，应由具备相应