基于GIF Elman神經(jīng)網(wǎng)絡(luò)的輸油管道工況辨識技術(shù)的研究.pdf

1、近年來，隨著我國管道運(yùn)輸業(yè)的不斷發(fā)展，管道運(yùn)輸在國民經(jīng)濟(jì)體系中的地位日趨重要，管道安全運(yùn)輸?shù)膯栴}也引起了廣泛的關(guān)注。輸油管道泄漏檢測是管道安全運(yùn)輸?shù)闹匾獌?nèi)容。管道泄漏屬于故障工況，因此管道工況辨識技術(shù)是管道泄漏檢測的一種重要手段，能否通過該技術(shù)準(zhǔn)確、及時的發(fā)現(xiàn)和判斷輸油管道泄漏情況的發(fā)生，對于減少國家經(jīng)濟(jì)損失、保護(hù)管道周邊的自然環(huán)境和居民的人身財產(chǎn)安全有著重要的現(xiàn)實意義。
　　鑒于管道運(yùn)輸系統(tǒng)具有強(qiáng)時滯性、強(qiáng)非線性和強(qiáng)干擾性等特點

2、，難以通過機(jī)理分析建立精確的數(shù)學(xué)模型，而且管道運(yùn)輸系統(tǒng)屬于復(fù)雜的動態(tài)系統(tǒng)，所建立的模型要滿足其動態(tài)性的要求。因此，本文針對管道運(yùn)輸安全預(yù)警問題，提出了基于GIF(GlobalInformation Feedback) Elman動態(tài)遞歸神經(jīng)網(wǎng)絡(luò)輸油管道運(yùn)輸系統(tǒng)工況分析模型，利用該模型對管道工況進(jìn)行準(zhǔn)確、快速的辨識，進(jìn)而降低誤報、漏報率或者消除誤報、漏報情況的存在，提高工況信息的準(zhǔn)確度。本文主要研究內(nèi)容有以下幾個方面:首先，針對Elman

3、神經(jīng)網(wǎng)絡(luò)動態(tài)性能的不足，提出了Elman神經(jīng)網(wǎng)絡(luò)的改進(jìn)方向——GIF Elman神經(jīng)網(wǎng)絡(luò)。根據(jù)GIF Elman神經(jīng)網(wǎng)絡(luò)和管道運(yùn)輸系統(tǒng)自身的特點對動態(tài)遞歸神經(jīng)網(wǎng)絡(luò)的建模方案進(jìn)行了可行性論證。其次，針對管道壓力數(shù)據(jù)具有強(qiáng)非線性、強(qiáng)噪聲的特點，研究了一種數(shù)據(jù)預(yù)處理技術(shù)，先將管道壓力數(shù)據(jù)進(jìn)行特征提取，然后利用核主成分分析的技術(shù)方法對提取的特征進(jìn)行核主成分分析，以此來達(dá)到對數(shù)據(jù)降維和消除噪聲的目的。再次，根據(jù)Elman神經(jīng)網(wǎng)絡(luò)模型的算法，從理論

4、上對GIF Elman神經(jīng)網(wǎng)絡(luò)模型的算法進(jìn)行了推導(dǎo)，建立了基于GIF Elman神經(jīng)網(wǎng)絡(luò)的管道運(yùn)輸系統(tǒng)工況分析模型。最后，利用管道現(xiàn)場數(shù)據(jù)，通過對比BP前向神經(jīng)網(wǎng)絡(luò)、標(biāo)準(zhǔn)Elman神經(jīng)網(wǎng)絡(luò)和GIF Elman神經(jīng)網(wǎng)絡(luò)分別在靜態(tài)數(shù)據(jù)集和動態(tài)數(shù)據(jù)集中的表現(xiàn)，驗證了GIF Elman神經(jīng)網(wǎng)絡(luò)不僅在訓(xùn)練和測試結(jié)果的穩(wěn)定性上，而且在網(wǎng)絡(luò)模型的泛化能力上均表現(xiàn)出很好的效果。
　　總之，GIF Elman神經(jīng)網(wǎng)絡(luò)非常適合于建立管道運(yùn)輸工況分析模