补偿模糊神经网络在埋地管道重构的应用

使用ANSYS有限元分析软件建立埋地钢质管道模型,模拟计算管道在不同影响因素(电压、埋深、管径、土壤电阻率以及破损半径)下的电位峰值和电位均值,得到960组数据,以此构建了6输入(电压、埋深、管径、土壤电阻率、电位峰值以及电位均值) 1输出(破损半径)的补偿模糊神经网络模型。对补偿模糊神经网络模型进行训练,探讨补偿模糊神经网络模型中各因素对训练误差收敛的影响。对两种数据标准化方法(min-max标准化方法和x/max标准化方法)进行对比,发现采用x/max标准化方法对收敛更有效。当其他因素一定时,初始输入隶属函数宽度对训练误差存在一定的影响,其值为0. 1时更有利于收敛,而初始输出隶属函数宽度对收敛没有明显的影响。通过正交试验的方法确定了神经网络的最优因素组合,对其进行了性能验证,输出破损半径与实际破损半径之间的相对误差在1%以下,表明该补偿模糊神经网络输出的数据能够反映实际情况。采用补偿模糊神经网络模型,输入6因素计算输出破损半径。在ANSYS中输入管径、管长、破损位置(实际检测中可以探测得到)、破损半径等信息,输出埋地钢质管道三维重构图,为检修人员是否进行开挖修复提供更详细的管道信息。