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Niche GA的BP神经网络评价天然气集输管道腐蚀

建立了天然气管道腐蚀预测的基于BP神经网络模型,并采用小生境遗传算法对该模型进行优化,将该优化模型应用于四川气田某集输管道的腐蚀速率的评价。结果表明,该模型的评价结果误差小,可以用于现场管道的腐蚀决策。     

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。     

TGNET软件在川西输气管道中的仿真应用

利用输气管道模拟软件(TGNET)对川西某输气管道进行静态模拟和动态模拟,并针对性地对管道储气能力、调峰能力及管道泄漏等做了相关分析。根据模拟结果得到TGNET适用于川西管道的生产实际,对管道运行优化等有很强的指导作用。     

具有工况适应性的管道泄漏信号特征提取

基于神经网络的管道泄漏检测的关键是特征量的提取。以基于压电式动态压力传感器的管道泄漏信号暂态过程为研究对象,分析了不同工况下首、末站泄漏信号的差异,介绍了基于小波分解的泄漏信号增强方法。提出了把动态压力信号作正负区间划分、把相邻区间信号累加值差分、相邻区间信号均值差分和相邻区间信号峰值差分作为泄漏信号识别特征的特征量计算方法和相对量化方法,分析了泄漏信号特征量的横向、纵向合理性评判依据,并以此对从实际泄漏信号中提取得到的特征量进行了检验,验证了特征量提取方法的合理性。最后,给出了以首、末站特征量共同作为输入的神经网络管道泄漏诊断模型及其训练、检验结果。长期的管道泄漏实时监测结果表明,所提出的泄漏信号特征提取方法具有较强的工况适应性,为原油输送管道泄漏的鲁棒诊断提供了较好的技术手段。     

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。     

负压波检漏技术在输气管线中的应用

随着我国长距离输气管道的不断增多,管道沿线的泄漏问题日益严重,由此对输气管道泄漏的自动监测和泄漏点的定位就显得尤为重要。本文介绍了应用负压波对管道泄漏进行监测的基本原理和方法,并对定位的基本公式的优化进行了讨论,介绍了更为准确的计算公式。经验证知道,经过优化的计算方法具有更高的定位准确度,对管道泄漏自动监测数学计算模型的建立具有一定的指导意义。     

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。     

基于遗传算法的模糊神经网络控制器的仿真

对遗传算法 (GA)和模糊神经网络控制器的结构进行了说明。为了克服反向传播算法 (BP)的缺点 ,通过遗传算法对模糊神经网络控制器的参数进行优化 ,亦即对模糊神经网络进行训练。用通过优化后的模糊神经网络控制器控制一个带有纯滞后的非线性对象 ,仿真结果证实了其性能较常规模糊控制器优越。     

应用经遗传算法优化的BP神经网络预测催化裂化装置焦炭产率

焦炭是催化裂化装置的主要副产物,准确预测催化裂化焦炭产率对提高装置的操作平稳度和经济效益具有重要意义。人工神经网络(ANN)具有强大的自学习和自适应能力,在非线性预测方面具有明显的优势。本研究将遗传算法(GA)与BP神经网络相结合,基于某炼厂催化裂化装置的生产数据,分别从原料、催化剂和操作条件3个方面选取28个关键影响参数建立了催化裂化焦炭产率预测模型,分别将BP神经网络和经遗传算法优化的BP神经网络(GA-BP)的预测结果与工业数据进行对比。结果表明,经遗传算法优化的预测模型无论在预测结果的准确性还是稳定性方面效果更好。最后,本研究还通过考察原料残炭、反应温度等单一关键参数对焦炭产率的影响,进一步证明了经遗传算法优化的BP神经网络预测模型的准确性。     

航空发动机磨损趋势预测模型研究

文章讨论了神经网络的BP算法和遗传算法,提出用遗传算法来优化BP神经网络,应用遗传算法训练神经网络权重,实现网络结构的优化,用优化后的BP人工神经网络建立了航空发动机磨损故障趋势预测模型,利用发动机的光谱监测数据作为预测磨损趋势的特征参数,进行了模型的训练和预测试验,并将该模型预测结果与BP算法和多元线性回归法的预测结果进行了比较,证明了基于遗传算法的人工神经网络是航空发动机磨损故障趋势预测的一种理想方法。     

混凝土配合比设计及强度预测

为了优化混凝土配合比,采用直接搜索算法对既有的混凝土配合比进行优化设计;为了提高BP神经网络的预测精度,利用遗传算法对普通BP神经网络的权值和阈值进行优化,充分发挥BP神经网络处理非线性问题的能力强、收敛速度快、预测精度高的优点,以既有混凝土配合比为训练样本,对优化后的混凝土强度进行预测,预测精度得到了大幅度提高,经实验验证,该配合比下的混凝土不仅满足功能性、工作性以及耐久性要求,而且大幅节约原材料成本.     

具有遗传算法优化BP神经网络调节的HVDC PID控制器设计

高压直流输电(HVDC)定电流控制是直流输电系统的控制方式之一,为了使HVDC PID控制器具有较好的自适应性,实现控制器参数自动调整,提出一种具有遗传算法优化BP神经网络调节的HVDC PID控制器。该控制器首先利用遗传算法对BP神经网络的初始权值进行优化,再利用BP神经网络对PID三个参数进行在线调整。仿真研究表明:具有遗传算法优化BP神经网络调节的PID控制器可以保证系统动态响应具有较好的快速性和对系统扰动的自适应性,是可行的。     

基于改进GA的FNNC在水泥回转窑温度控制中的应用

神经网络和模糊控制在解决复杂的对象方面有独特优势,将模糊理论的知识表达容易和神经网络较强的学习能力这两个优势有机结合起来,用以提高系统的学习能力和表达能力.模糊神经网络(FNN)是近几年的研究热点,但由于采用对神经网络进行训练的BP算法是梯度算法,容易陷入局部极小.本文提出把动态的交叉率、变异率与在传统的遗传算法(GA)中加入动态学习的BP算子结合起来改良传统的遗传算法,即在遗传操作中,利用动态交叉率和变异率来改善全局样本的收敛速度:而在BP运算中加入动态学习率得到最大的优化收敛,不仅发挥了神经网络的泛化的映射能力,采用的遗传算法也极大地提高网络的学习速度和控制性能.     

基于免疫遗传算法-BP神经网络的主汽温控制

针对火电厂主汽温被控对象的不确定性及大延迟、大惯性及非线性等特点,设计一种基于免疫遗传算法、BP神经网络和RBF神经网络的智能PID控制系统.利用免疫遗传算法的全局搜索寻优能力和较好的收敛性优化神经网络的权值,同时利用BP网络对PID参数进行在线调整.仿真结果表明,该系统在控制品质、鲁棒性方面都明显优于常规PID控制系...     

基于RBF神经网络的油藏相对渗透率曲线计算

提出了一种基于改进的RBF神经网络的相对渗透率曲线计算方法。利用骨干粒子群的位置更新操作更新RNA遗传算法的变异算子得到混合RNA遗传算法（HRGA）,针对RBF神经网络中隐含层径向基中心值的确定,利用HRGA算法对其进行优化,并用于相对渗透率曲线的计算。将HRGA优化的RBF神经网络和标准RBF神经网络计算的相对渗透率曲线与真实值误差对比分析,实验结果表明HRGA优化的RBF神经网络明显提高了计算精度。     

遗传算法-神经网络-流动注射光度法同时测定镍和铁

在遗传算法的应用研究中,总共做了两方面的工作。其一利用遗传算法对神经网络结构参数进行优化;其二对神经网络的初始权重进行优化。得到优化的遗传神经网络GA-BP-ANN。将此网络应用于解析流动注射-光度分析测得的铁(镍)-(5-Br-PADAP)络合物的重叠光谱,建立了不经分离同时测定铁和镍的新化学计量学方法。     

基于优化神经网络的高拱坝力学参数反演

高拱坝力学性能参数变化规律复杂,使用人工智能算法进行预测已经成为反演参数的重要手段。使用遗传算法对神经网络进行优化来检验优化后算法的性能,并比较不同算法应用于参数反演中预测结果的精度。根据某高拱坝运行期变形监测数据,分别使用RBF神经网络和遗传算法优化的BP(GA-BP)神经网络对不同水位工况下的坝段分区混凝土弹性模量进行反演。基于反演结果进行有限元正分析计算,将所得结果与实测数据进行对比,检验反演精度和效率。结果表明:GA-BP网络的最大预测误差为1.8%,相比于RBF网络预测精度提高了约50%。使用神经网络进行拱坝力学参数反演实用性好,优化后的神经网络比传统BP神经网络在计算精度和效率两方面均有明显改进,且GA-BP神经网络反演比RBF神经网络反演精度更高。     

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。     

城市输送管道小泄漏特征及规律分析

利用实验室油气管道平台和声发射仪,建立了模拟城市输送管道泄漏检测系统。通过实验对气、液管道小泄漏信号特征与衰减特性进行了分析,在改变管道压力、泄漏量以及传感器间距等参数状态下,分别分析了管道泄漏信号的幅值随管道压力、泄漏量、传感器间距变化的规律,对城市输送管道泄漏检测进行了有益的探索。