2025年6月4日，机电工程学院安全工程2023级博士王文奥以“Research on Leakage Detection of Submarine Pipelines Based on Acoustic Emission Technology”为主题，在韩国·首尔（高阳特别市）举办的第三十五届国际海洋与极地工程会议（35th ISOPE）进行了学术成果汇报。
近年来，受能源结构变化的驱动，油气开采逐渐由陆地转入海洋，海洋油气的开采量不断增大。海底管道是海上油气田开发生产系统的重要组成部分。复杂多变的海底环境导致了海底管道长期处于恶劣的工程地质环境中。这使得海底管道容易受到如海浪、暗流、温度变化、内外压差、老化腐蚀等等多种因素的影响和干扰。海底管道在海洋的物理变化、化学条件、机械影响等因素的综合作用下，可能发生不同程度的形变、损伤、偏移、悬跨等缺陷，严重时会出现穿孔、渗漏、断裂、破裂等引发泄漏事故。因此，海底管道泄漏已然成为世界工业化发展进程中的突出问题，实现海底管道泄漏的高精度检测显得愈发重要。
为解决上述问题，王文奥进行了声发射技术对海底管道进行泄漏检测实验，研究不同环境和工况下海底管道泄漏的声发射信号特征，建立卷积神经网络识别模型，实现不同深度海底管道的泄漏检测和识别。
研究最终发现，管道泄漏的声发射信号强度在浅海环境中最强，其次是空气环境，在海底环境中最弱。这是因为在浅海环境中，低压介质屏蔽了空气中复杂的背景噪声，对泄漏影响不大，而在海底环境中，较高的水压抑制了泄漏引起的管道壁振动，导致信号强度减弱；海底环境的深度对声发射信号强度的影响更为显著。每100米水深将使信号强度降低10%，ASL参数降低10%，RMS参数降低20%。海底管道泄漏的深度可以通过泄漏声发射信号参数的衰减来确定；基于卷积神经网络建立海底管道泄漏识别模型。在海底环境（200m-800m）中，模型的平均准确率达到95%。这表明该模型可以更好地应用于海底管道泄漏检测和识别。
王文奥，安全科学与工程2023级博士研究生，主要研究方向为井控设备泄漏无损检测，导师为徐长航教授。
