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

1、近年來,管道運輸作為大量輸送石油、氣體等能源的安全經(jīng)濟的運輸手段,在世界各地得到了廣泛應用。然而,隨著管道設備的老化、自然災害破壞以及人為損壞等原因,泄漏故障時有發(fā)生,給人的生命財產(chǎn)帶來了巨大的威脅。因此建立管道泄漏檢測系統(tǒng),具有重大的經(jīng)濟意義和社會意義。對管道泄漏檢測研究至今已有很多種方法,其中基于知識的方法近年來受到業(yè)界的普遍關注,且主要集中在神經(jīng)網(wǎng)絡和專家系統(tǒng)的應用上。小波神經(jīng)網(wǎng)絡結合了神經(jīng)網(wǎng)絡的自學習特性和小波的局部特性,具有良

2、好的自適應分辨性和良好的容錯能力,因此在管道泄漏檢測領域具有良好的應用前景。本文在詳細分析流體管道泄漏檢測技術研究現(xiàn)狀的基礎上,將小波神經(jīng)網(wǎng)絡算法應用于管道泄漏的檢測中,主要進行了以下幾方面的工作:首先,通過對小波變換原理和小波分析方法在故障檢測中應用的研究,選取合理小波基函數(shù)、小波分解層數(shù)和閾值函數(shù),對信號進行濾波消噪。其次,通過對基于誤差反向傳播算法(Back Propagation,BP)的人工神經(jīng)網(wǎng)絡原理、算法及特點的研究,將小

3、波分析方法與BP神經(jīng)網(wǎng)絡相結合,引入基于小波包分析的“能量—故障識別”故障診斷方法,提出了反映壓力信號特性的特征向量指標,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)絡故障診斷提供輸入樣本。最后,通過對基于BP神經(jīng)網(wǎng)絡和基于小波神經(jīng)網(wǎng)絡的管道泄漏故障診斷誤差訓練曲線及測試結果進行比較分析,對BP神經(jīng)網(wǎng)絡中誤差反向傳播算法提出兩點改進:一是在網(wǎng)絡權值修正過程中附加慣性系數(shù),以減小學習過程中的震蕩趨勢,加快訓練速度;二是在學習過程中引

4、入基于梯度符號變化的局部學習率自適應算法,根據(jù)每個可調(diào)節(jié)參數(shù)自身的狀態(tài)信息,動態(tài)的獨立的調(diào)整其學習率,以節(jié)省訓練時間。最終測試結果表明,改進后的小波神經(jīng)網(wǎng)絡算法訓練速度快,識別精度高,穩(wěn)定性強,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驗證明,基于小波分析與BP神經(jīng)網(wǎng)絡的管道泄漏診斷方法能及時準確的診斷出管道泄漏故障,具有一定的研究價值和實用價值,隨著在理論和實踐上的進一步完善,本方法將會在管道泄漏檢測中發(fā)揮更大的作用。