基于GA_Elman神经网络的长输管道泄漏检测方法

为提高长输管道泄漏检测的准确率,提出基于GA＿Elman神经网络的管道泄漏检测方法,该方法通过使用遗传算法（GA）对Elman神经网络的权值和阈值进行优化,不但克服了Elman神经网络易陷入局部极值的缺陷,而且提高了Elman神经网络的预测精度。实验证明该方法可用于管道泄漏检测,其效果优于BP神经网络与Elman神经网络检测模型,预测精度96.9%。     

基于神经网络证据理论的天然气管道泄漏检测

利用小波消噪原理,并通过构建RBF神经网络模型,将消噪后的信号作为RBF神经网络的输入参数,并判断该信号是否为泄漏信号。将D-S证据理论数据融合应用到天然气管道泄漏检测中,建立D-S证据理论数据融合模型。将输入的泄漏信号进行决策级综合判断,得出天然气管道泄漏的具体地点。利用C#语言开发天然气管道泄漏检测软件系统,该系统能够快速准确地识别泄漏并定位。     

基于改进差分进化算法的神经网络管道泄漏检测

提出了一种基于神经网络与差分进化算法的天然气泄漏预测方法,该方法采用RBF神经网络作为泄漏预测模型,引入改进的差分算法对网络的初始连接权值进行优化。为了在全局搜索和局部搜索之间取得最佳平衡,提出了一种自适应变异因子和交叉概率的改进算法,并将其应用于泄漏预测神经网络模型优化。将所提出的方法与原始算法的前向网络预测方法进行了比较。结果表明:所提出的方法收敛速度快,所得模型的预测误差小、准确率较高、迭代次数少、泛化能力强,对天然气的泄漏预测有很好的参考作用。     

遗传算法优化BP神经网络的水泥窑温度预测模型研究

水泥窑内温度的控制效果直接决定水泥熟料的质量.由于回转窑煅烧具有大滞后、非线性、多变量等复杂特性,并且各个因素之间存在相互联系和不确定性,这给回转窑温度的控制带来了困难.本文利用BP神经网络建立回转窑温度预测模型,并利用遗传算法对模型进行优化,将优化前后的仿真结果对比后发现,使用遗传算法优化后的BP神经网络回转窑温度预...     

管道泄漏检测方法浅析

介绍了管道泄漏检测的主要方法及其简要原理,讨论了各种方法的优越性和局限性,并指出实际生产中应采用的方案     

基于BP神经网络的磁记忆检测管道缺陷研究

基于BP神经网络的磁记忆检测技术设计了3个单输出方式的三层BP神经网络,对无缺陷、应力集中和裂纹管道缺陷进行了检测识别。实验结果表明:管道缺陷识别率达97.5%,提高了管道缺陷的识别率。     

基于遗传算法优化的BP神经网络预测混凝土抗压强度

针对传统BP神经网络预测能力的不足,采用遗传算法优化的BP神经网络预测混凝土28d抗压强度,并建立了GA-ANN预测模型。一方面对模型输入项进行灰色关联分析,找出对强度影响的重点关联因素;另一方面,研究了模型在不同输入项组合、不同训练组和输出组数、不同网络隐含层节点数的操作条件下,其预测精度有何变化,找出了最优的上述操作条件,减少了预测误差。     

遗传算法和神经网络的结构优化策略

提出了基于遗传算法和神经网络的结构优化方法。在该方法中,将个体繁殖和群体进化局限于可行域空间。利用该方法求解了２个结构优化实例。     

基于BP神经网络和改进遗传算法的蒸发器支座结构优化设计

应用显著性分析选取了优化结构参数,利用正交试验法和有限元法确定了神经网络样本数据,建立了反映结构特性的人工神经网络模型,为遗传算法提供了适应度函数,并通过改进遗传算法完成了函数优化。对比和分析结果表明,优化结构比初始结构的体积减少了19．9％,失稳临界载荷提高了293％,且满足强度条件。     

基于综合方法应用的管道泄漏检测研究

分析管道泄漏检测中经常出现的两个问题,对其中一个由于两个站点之间的干扰信号产生时间差,会引起误报警的情况,提出用序贯概率比检验法(SPRT)解决,并用检测延迟的补偿法来弥补SPRT检验法检测延迟的缺点,从而提高系统的检测速度,再用小波变换法进行泄漏定位。两种方法的结合不但可以有效地去除干扰噪声,而且缩短了泄漏检测的响应时间,提高了泄漏定位的精度。实验表明该方法克服了序贯概率比的缺点,具有良好的应用前景。     

浅论输送管道泄漏检测及其方法

输送管道在国民经济发展中起着不可替代的重要作用。由于管道常年在自然环境、介质腐蚀和冲刷条件下运行,受到各种不利因素影响,不可避免地受到各种损伤。因此,管道泄漏检测对管道安全、可靠运行就起着非常重要的作用。     

管道泄漏诊断方法研究

提出一种基于小波分析和神经网络技术的管道泄漏诊断方法。首先对管道泄漏的声发射信号进行小波包分解,然后提取各节点能量百分比作为特征向量输入BP神经网络,以故障类别作为输出参数训练该网络。训练后的神经网络可以利用测量的声发射信号来判断管道的故障状况。通过试验证明该方法在管道泄漏诊断中是有效可行的,不仅能判断管道是否发生泄漏还能识别泄漏种类。     

油管道泄漏检测定位技术

管道泄漏定位技术是管道管理工作人员非常关注的一个问题,管道泄漏定位系统也是管道泄漏检测系统的重要组成部分。本文介绍了,一些国内外用于油管道泄漏检测定位的方法以及一些新的其它方法,并分析了各种方法的利弊。指出只有快速准确地确定漏点位置,才能及时采取措施,减少损失。     

油气管道泄漏检测技术

管道输送因其经济方便,正在石油天然气等输送领域迅速发展,但泄漏问题已经成为危害管道安全运行、造成各种事故的主要因素。借助管道泄漏检测技术防止泄漏发生（或在泄漏发生后及时发现）是管道管理采取的重要技术手段。因此,研究管道泄漏检测技术对管道安全运行具有重要意义,本文对油气管道泄露技术进行了系统性介绍、分类和比较,并对其发展前景进行了预测。     

遗传算法优化的BP神经网络预测水厂絮凝剂投加量

文中选取了太湖地区某水厂原水水质及过程工艺水质与絮凝剂聚合氯化铝(PAC)投加量的360条原始数据样本,采用异常值剔除、空缺值的填补及偏态分布纠正,对该样本进行了预处理及数据清洗从而得到原始数据集。建模前使用了相关系数法分析评价了各水质指标对絮凝剂PAC投加量的影响程度,根据分析评价结果以及混凝基础理论,选取了对絮凝剂PAC投加量影响较大的部分水质指标作为建立投加量模型的建模数据集,其中80%作为训练集,20%作为验证集检验模型泛化能力。模型采用BP神经网络,使用遗传算法对网络的结构及关键参数进行了优化,最后使用最优模型对絮凝剂PAC投加量进行预测。模型在验证集72个样本上的平均绝对误差(MAE)为3.78 mg/L;训练集288个样本平均绝对误差为2.75 mg/L,结果表明模型能有效拟合絮凝剂投加量变化趋势,具有一定的参考价值。     

基于遗传算法优化的BP神经网络气化用煤灰流动温度预测模型

采用遗传算法优化的BP神经网络建立煤灰流动温度预测模型,模型以灰成分及酸碱质量比、硅铝质量比等组合参数作为输入变量,以煤灰流动温度作为输出量,对126组来自中国北部地区的煤灰样数据进行训练与测试,并建立常规BP神经网络模型,研究了各输入变量对网络模型预测精度的影响并对比与常规BP神经网络模型的预测能力。结果表明：不同输入层变量的GA-BP神经网络模型对训练集和测试集样本数据都具有较好的学习和泛化能力,所有预测结果相对平均预测误差均不超过4%。酸碱质量比和硅铝质量比参数作为神经网络输入层的添加,虽略微提高模型对训练样本的拟合程度,但也导致验证时过拟合现象的发生,模型对新样本的拟合优度下降。采用SiO₂,Al₂O₃,Fe₂O₃,CaO,MgO和Na₂O+K₂O的质量分数6个参数作为输入变量的GA-BP模型最为适合,其对测试集数据的预测相对平均误差为3.45%,低于常规BP神经网络模型3.79%的误差。     

基于神经网络的遗传算法优化及其应用

遗传算法是 1种模拟自然进化而提出的简单、高效的组合优化算法。研究了磷酸羟胺制备过程中羟胺反应效率的优化问题 ,该过程由于其反应动力学的固有复杂性而无法建模。表明结合神经网络理论 ,遗传算法可以有效地解决这一过程的寻优问题     

基于IGA优化的神经网络的小电流接地选线方法

为了克服基于BP网络的故障选线方法学习效率低、收敛速度慢和容易陷入局部极小的缺点,提出了基于免疫遗传算法( IGA)的神经网络来实现配电网故障选线.通过快速傅里叶变换和小波包变换从零序电流信号中提取相应的故障特征量作为神经网络的输入,利用免疫遗传算法对神经网络进行训练,完成训练的神经网络模型为故障选线模型.ATP仿真结...     

油气管道泄漏检测方法的研究及运用

目前,管道运输方式已被广泛应用到油气运输领域,且表现出显著的节能性、高效性及安全性。但管道运输过程,极易受到第三方或人为的破坏,从而导致管道泄漏或破裂,甚至引发严重的爆炸或火灾事故,从而给周边人员的安全造成严重威胁。可见,重视油气管道泄漏检测非常必要,以便对存在的险情进行及时排查。结合实践经验,就油气管道泄漏检测方法的应用进行了研究讨论。     

基于次声波的天然气管道泄漏检测系统设计

基于声学和流体学等相关理论,研究了天然气管道发生泄漏时次声波产生的机理及信号特点和采集方法,并对声波在天然气管道内的传输速度的算法进行修正,通过GPS模块确定天然气泄漏时的次声波到达首、末站的时间差,从而对泄漏点进行准确的定位,最后给出了天然气管道泄漏检测系统的软、硬件设计方案.