【技术实现步骤摘要】
一种基于灰狼算法优化BP神经网络的供热管道泄漏检测方法
[0001]本申请涉及管线密封性检测领域,具体涉及一种基于灰狼算法优化BP神经网络的供热管道泄漏检测方法。
技术介绍
[0002]随着我国供热管道使用年限的增加和规模的不断增大,由于管道及部件的材质、铺设方式、工作环境、施工方法及管理维护等诸多因素的影响,各地供热管道泄漏故障时有发生,同时供热管道泄漏发生的时间和地点随机性很强,对管道运行、维护和管理造成的较大的影响,对管网运行安全性造成了很大的威胁。由于热管道泄漏的是经高价软化处理的热水,因此泄漏将造成水资源流失、经济损失和无畏的能耗损失,同时影响供热质量,造成环境污染。所以,提高供热管道泄漏检测效果的研究工作就显得尤为重要。
[0003]在以往的管道泄漏研究中,大多针对实验室测试到的泄漏声信号的识别,鲜少将智能识别方法应用到工业现场管道的泄漏识别。实际上,工业现场管道运行环境极为复杂,噪声干扰因素很多,以往基于负压波的方法对小泄漏监测的灵敏度不高,在面对长距离,复杂管网系统时,往往会导致漏报,从而无法高效,准确地对供热管网的泄漏情况进行检测,因此对工业现场供热管道泄漏的检测还需要进一步深入地研究。
技术实现思路
[0004]针对次声波法和负压波的优势和弊端,对多种场景下的泄漏信号进行研究,本申请通过提取出可用于泄漏信号识别的物理本质特征,对泄漏时次声波信号与负压波信号的时域、频域以及波形分布特点进行了分析,提取出可用于泄漏信号表征的多种特征参数;建立了泄漏声信号BP神经网络识别系统,研 ...
【技术保护点】
【技术特征摘要】
1.一种基于灰狼算法优化BP神经网络的供热管道泄漏检测方法,包括以下步骤:步骤1:采集管道泄漏次声数据;步骤2:对所述的次声数据提取出可用于泄漏信号表征的多种特征参数;步骤3:基于提取的泄漏声信号特征参数,构建泄漏声信号BP神经网络识别模型;步骤4:利用改进灰狼算法对BP神经网络初始阈值和初始权值进行优化;步骤5:对优化的BP神经网络检测模型进行训练及参数优化,并验证模型的鲁棒性。2.根据权利要求1所述的一种基于灰狼算法优化BP神经网络的供热管道泄漏检测方法,其特征在于:步骤1中采集的管道泄漏次声数据,采样率为10KHz,每段声信号的固定时长为1S。3.根据权利要求1所述的一种基于灰狼算法优化BP神经网络的供热管道泄漏检测方法,其特征在于:步骤2中对所述的次声数据提取出可用于泄漏信号表征的特征参数,包括以下步骤:步骤2.1:对泄漏次声信号的时域特征进行提取,包括平均值、方差、能量、平均幅值、均方根、方根幅值、有效值、有效值熵;步骤2.2:对泄漏次声信号的形状特征进行提取,包括峰值系数、形状参数、偏度参数、脉冲因子、峪度因子、峭度、峭度因子;步骤2.3:对泄漏次声信号的频域特征进行提取,包括泄漏信号的峰值频率、
‑
6dB带宽、中心频率。4.根据权利要求1所述的一种基于灰狼算法优化BP神经网络的供热管道泄漏检测方法,其特征在于:步骤4包括利用灰狼算法优化BP神经网络供热管道泄漏检测模型,所述供热管道泄漏检测模型的优化包括以下几个步骤:步骤4.1:设置搜索空间维度:d=M
·
N+N
·
1+N+1,神经网络结构:M
‑
N
‑
1;BP神经网络参数向量:U=[ω
11
,ω
12
,...,ω
1N
,...,ω
M1
,ω
M2
,...,ω
MN
,R1,R2,...,R
N
,γ1,γ2,...,γ
N
,θ] 其中ω
ij
(i∈[1,M],j∈[1,N])为神经元与隐含层权值,θ为输出层阈值;设置种群规模n,最大迭代次数t
max
和参数a、A、C;步骤4.2:初始化灰狼个体位置向量X
i
(i=1,...,n)=U,X
i
(i=1,...n)∈[Ib,ub];步骤4.3:计算灰狼个体的适应度值:第i个样本数据的融合预测值output
i
=BPN(target
i
|U),target
i
为...
【专利技术属性】
技术研发人员:李勇,乔磊,孙少杰,刘圣冠,李杰,王阳,路全忠,刘增瑞,贺凯,刘尊民,
申请(专利权)人:西安热工研究院有限公司华能山东发电有限公司青岛理工大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。