基于模糊神经网络的管道泄漏测方法研究

摘要

长输管道作为石油、天然气、水等重要物资的运输工具，已成为当今社会运输业必不可缺的重要组成部分。然而由于不可避免的老化、腐蚀及人为损坏等原因，管道泄漏频频发生，所产生的经济损失和环境污染也十分严重。因此管道泄漏的实时自动检测已成为世界重要的研究课题。对于管道泄漏检测研究至今已有很多种方法，总体而言可分为三类，即基于信息的方法、基于模型的方法和基于知识的方法。其中基于知识的方法近年来受到业界的普遍关注，其主要集中在神经网络和专家系统的应用上，但这些方法总的来说都有一定的不足之处。本文尝试性地将模糊神经网络应用于管道泄漏的检测中，主要进行了以下几方面的研究工作： 1.通过对管道泄漏的机理研究，确定了以管道内的压力信号与流量信号作为泄漏检测的分析依据，并结合对管道泄漏检测的相关文献，借鉴其部分知识和实验数据，在构建了管道泄漏检测模糊神经网络的同时，建立模糊诊断规则库，并组织了学习样本。 2.采用改进的BP算法对网络参数进行了训练，并以仿真实验对网络诊断结果进行了可靠性测试，验证了模糊神经网络管道泄漏检测的的有效。 3.针对BP算法易受初始权值影的响陷入局部极小、收敛速度慢和引起振荡效应等缺点，引入遗传算法进行优化，仿真结果表明通过二者的有机的结合，可进一步提高管道泄漏检测的可靠性和泄漏量估计的准确性。 4.考虑到故障征兆对模糊诊断规则的实际影响程度，也为了提高泄漏检测的快速性，文中还给出了网络剪裁的指导性方案。 5.结合课题已完成的几种泄漏检测与定位方法的算法模块的特点，对管道泄漏检测系统软件总体实现，给出了多种方法综合进行泄漏检测与定位的简要表述。

目录

文摘

英文文摘

论文说明：图表目录

声明

第一章绪论

1.1管道泄漏检测技术的研究意义

1.2国内外管道泄漏检测技术发展现状与发展趋势

1.3论文的主要研究内容

第二章模糊神经网络简介

2.1模糊系统与神经网络

2.1.1模糊逻辑系统与神经网络的比较

2.1.2模糊系统与神经网络结合的方式

2.1.3本论文所选的模型

2.2模糊系统及其隶属度函数

2.2.1模糊集合的基本概念

2.2.2模糊集合的隶属函数

2.3模糊神经网络的学习算法

2.3.1模糊神经网络模型与结构

2.3.2 BP学习算法

2.3.3 BP学习算法的改进

2.4本章小结

第三章基于模糊神经网络的管道泄漏检测与估计

3.1管道泄漏现象双参数描述

3.2管道泄漏检测模糊神经网络的构造

3.2.1输入量与输出量模糊区间的划分

3.2.2隶属度函数的确定

3.2.3管道泄漏检测模糊神经网络模型结构的确定

3.2.4管道泄漏检测模糊规则的建立和学习样本的组织

3.3管道泄漏检测模糊神经网络训练与仿真测试

3.3.1模糊神经网络的训练

3.3.2管道泄漏的尺寸估计

3.4本章小结

第四章基于遗传优化的模糊神经网络训练仿真与测试

4.1遗传算法概述

4.1.1遗传算法的基本思想

4.1.2遗传算法的特点

4.2遗传算法的基本原理与操作

4.2.1编码

4.2.2初始种群的生成

4.2.3遗传算法的基本操作

4.2.4适应度函数

4.3基于遗传算法优化模糊神经网络的建立

4.3.1 GA-BP算法优化网络参数的步骤

4.3.2参数的选取

4.3.3 GA-BP算法的实现

4.4结果对比分析

4.4.1误差曲线的比较

4.4.2泄漏量估计比较

4.5本章小结

第五章网络的剪裁与系统实现方案

5.1网络的剪裁的必要性

5.2影响模糊规则提取的因素

5.2.1阈值的影响

5.2.2节点的贡献

5.3网络剪裁的方法

5.4系统实现方案

5.4.1 SCADA系统与各检测系统之间的数据传输与处理

5.4.2管道泄漏检测与定位系统各模块间的工作组合方式

5.4.3软件系统的结构及功能

5.5本章小结

结论与展望

参考文献

致谢

附录