基于小波分析與BP神經(jīng)網(wǎng)絡(luò)的管道泄漏診斷方法的研究.pdf

1、近年來,管道運(yùn)輸作為大量輸送石油、氣體等能源的安全經(jīng)濟(jì)的運(yùn)輸手段,在世界各地得到了廣泛應(yīng)用。然而,隨著管道設(shè)備的老化、自然災(zāi)害破壞以及人為損壞等原因,泄漏故障時(shí)有發(fā)生,給人的生命財(cái)產(chǎn)帶來了巨大的威脅。因此建立管道泄漏檢測(cè)系統(tǒng),具有重大的經(jīng)濟(jì)意義和社會(huì)意義。對(duì)管道泄漏檢測(cè)研究至今已有很多種方法,其中基于知識(shí)的方法近年來受到業(yè)界的普遍關(guān)注,且主要集中在神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)的應(yīng)用上。小波神經(jīng)網(wǎng)絡(luò)結(jié)合了神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)特性和小波的局部特性,具有良

2、好的自適應(yīng)分辨性和良好的容錯(cuò)能力,因此在管道泄漏檢測(cè)領(lǐng)域具有良好的應(yīng)用前景。本文在詳細(xì)分析流體管道泄漏檢測(cè)技術(shù)研究現(xiàn)狀的基礎(chǔ)上,將小波神經(jīng)網(wǎng)絡(luò)算法應(yīng)用于管道泄漏的檢測(cè)中,主要進(jìn)行了以下幾方面的工作:首先,通過對(duì)小波變換原理和小波分析方法在故障檢測(cè)中應(yīng)用的研究,選取合理小波基函數(shù)、小波分解層數(shù)和閾值函數(shù),對(duì)信號(hào)進(jìn)行濾波消噪。其次,通過對(duì)基于誤差反向傳播算法(Back Propagation,BP)的人工神經(jīng)網(wǎng)絡(luò)原理、算法及特點(diǎn)的研究,將小

3、波分析方法與BP神經(jīng)網(wǎng)絡(luò)相結(jié)合,引入基于小波包分析的“能量—故障識(shí)別”故障診斷方法,提出了反映壓力信號(hào)特性的特征向量指標(biāo),使用小波包分析方法提取管道泄漏故障特征值,為神經(jīng)網(wǎng)絡(luò)故障診斷提供輸入樣本。最后,通過對(duì)基于BP神經(jīng)網(wǎng)絡(luò)和基于小波神經(jīng)網(wǎng)絡(luò)的管道泄漏故障診斷誤差訓(xùn)練曲線及測(cè)試結(jié)果進(jìn)行比較分析,對(duì)BP神經(jīng)網(wǎng)絡(luò)中誤差反向傳播算法提出兩點(diǎn)改進(jìn):一是在網(wǎng)絡(luò)權(quán)值修正過程中附加慣性系數(shù),以減小學(xué)習(xí)過程中的震蕩趨勢(shì),加快訓(xùn)練速度;二是在學(xué)習(xí)過程中引

4、入基于梯度符號(hào)變化的局部學(xué)習(xí)率自適應(yīng)算法,根據(jù)每個(gè)可調(diào)節(jié)參數(shù)自身的狀態(tài)信息,動(dòng)態(tài)的獨(dú)立的調(diào)整其學(xué)習(xí)率,以節(jié)省訓(xùn)練時(shí)間。最終測(cè)試結(jié)果表明,改進(jìn)后的小波神經(jīng)網(wǎng)絡(luò)算法訓(xùn)練速度快,識(shí)別精度高,穩(wěn)定性強(qiáng),能夠在管道泄漏診斷中發(fā)揮重要作用。本文通過理論研究和仿真實(shí)驗(yàn)證明,基于小波分析與BP神經(jīng)網(wǎng)絡(luò)的管道泄漏診斷方法能及時(shí)準(zhǔn)確的診斷出管道泄漏故障,具有一定的研究價(jià)值和實(shí)用價(jià)值,隨著在理論和實(shí)踐上的進(jìn)一步完善,本方法將會(huì)在管道泄漏檢測(cè)中發(fā)揮更大的作用。