论文部分内容阅读
随着石油管道运输业的不断发展,管道在国民经济中的地位越来越重要,而管道泄漏事故也时有发生。管道泄漏不仅会造成能源的浪费,带来巨大的经济损失,而且会污染环境,甚至会威胁到人民生命财产的安全。因此,长输管道的安全运行受到了越来越多的关注,管道泄漏检测定位成为当前重要的研究课题。管道泄漏检测与定位方法诸多,其中基于知识的方法由于无需为复杂的管道系统建模、诊断结果受不确定因素影响较小、且具有定性和定量分析的双重功效,近年来受到业界的广泛关注。基于此,本文以某实际管道运行的数据为背景,在前期基于模糊BP神经网络的检漏方法研究的基础上,针对存在的一些问题,结合近几年一些新技术新成果,对管道泄漏的检测与估计方法做了进一步的研究。其主要内容如下：1.针对模糊BP神经网络存在收敛速度慢、易陷入局部最小等问题,本文构建了基于PSO优化了的模糊RBF神经网络的管道泄漏检测方法,通过现场真实数据的仿真研究,显示出模糊RBF网络较模糊BP网络对管道泄漏检测具有更高的可靠性和准确性。2.针对一般模糊神经网络运算函数对模糊逻辑融合不足,且权值的优化易陷入局部最优等问题,文中将一种以广义概率积、广义概率和模糊算子替代其运算函数的模糊神经网络用于管道的泄漏检测,并用发散-收缩PSO(DCPSO)算法优化了该模糊神经网络的权值,建立了DCPSO-FNN神经网络；并在固定权值的基础上,分别采用基本PSO和DCPSO优化广义模糊算子中悲观度、乐观度参数,经仿真研究,该方法具有更高的检测与估计精度。3.考虑到网络的结构比较庞大,并且部分权值的影响非常微弱,为提高网络的检测效率,本文依据一定的裁剪算法,将该DCPSO-FNN神经网络进行了裁剪,得到了更为简捷的模糊神经网络,并以现场数据仿真验证了裁剪后的网络可以较为精准地对泄漏进行检测与估计,从而为实际应用提供了便利。