基于GIF Elman神经网络的输油管道工况辨识技术的研究

论文摘要

近年来,随着我国管道运输业的不断发展,管道运输在国民经济体系中的地位日趋重要,管道安全运输的问题也引起了广泛的关注。输油管道泄漏检测是管道安全运输的重要内容。管道泄漏属于故障工况,因此管道工况辨识技术是管道泄漏检测的一种重要手段,能否通过该技术准确、及时的发现和判断输油管道泄漏情况的发生,对于减少国家经济损失、保护管道周边的自然环境和居民的人身财产安全有着重要的现实意义。鉴于管道运输系统具有强时滞性、强非线性和强干扰性等特点,难以通过机理分析建立精确的数学模型,而且管道运输系统属于复杂的动态系统,所建立的模型要满足其动态性的要求。因此,本文针对管道运输安全预警问题,提出了基于GIF(Global Information Feedback) Elman动态递归神经网络输油管道运输系统工况分析模型,利用该模型对管道工况进行准确、快速的辨识,进而降低误报、漏报率或者消除误报、漏报情况的存在,提高工况信息的准确度。本文主要研究内容有以下几个方面：首先,针对Elman神经网络动态性能的不足,提出了Elman神经网络的改进方向——GIF Elman神经网络。根据神经网络和管道运输系统自身的特点对动态递归神经网络的建GIF Elman模方案进行了可行性论证。其次,针对管道压力数据具有强非线性、强噪声的特点,研究了一种数据预处理技术,先将管道压力数据进行特征提取,然后利用核主成分分析的技术方法对提取的特征进行核主成分分析,以此来达到对数据降维和消除噪声的目的。再次,根据神经网络模型的算法,从理论上对Elman神经网络模型的算法进GIF Elman行了推导,建立了基于神经网络的管道运输系统工况分析模型。最后,利用GIF Elman管道现场数据,通过对比BP前向神经网络、标准神经网络和Elman神经网GIF Elman络分别在静态数据集和动态数据集中的表现,验证了神经网络不仅在训练和GIF Elman测试结果的稳定性上,而且在网络模型的泛化能力上均表现出很好的效果。总之,神经网络非常适合于建立管道运输工况分析模型,本文从理论和GIF Elman仿真实验两个方面验泛化能力均达到了预期的效果和要求,很好的解决了工况辨识中的难点,对于工况辨识的证了该方案的可行性,使用该神经网络建立的管道运输工况分析模型的稳定性和准确性有了很大的提升。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 课题的背景和意义
• 1.2 管道泄漏检测技术发展的现状
• 1.2.1 国内外管道泄漏检测技术的现状
• 1.2.2 管道泄漏检测中存在的问题
• 1.3 本文的主要工作
• 第2章 动态神经网络辨识技术建模方案的论证
• 2.1 管道运输系统特性分析
• 2.2 管道运输系统建模方案可行性
• 2.3 人工神经网络基本原理
• 2.3.1 人工神经元模型
• 2.3.2 人工神经网络模型
• 2.3.3 神经网络学习规则
• 2.4 Elman神经网络简介及GIF Elman神经网络的引出
• 2.5 GIF Elman动态神经网络辨识模型方案论证
• 2.6 本章小结
• 第3章 GIF ELMAN神经网络辨识模型建模基础
• 3.1 管道运输系统工况分析模型
• 3.2 管道工况模式描述
• 3.2.1 管道工况的分类
• 3.2.2 管道工况辨识难点
• 3.3 管道运输系统工况分析模型数据集的构建
• 3.4 管道压力数据特征提取
• 3.5 压力特征的核主成分分析
• 3.5.1 核主成分分析的引出
• 3.5.2 核主成分分析的基本理论
• 3.5.3 核主成分的选取
• 3.6 本章小结
• 第4章 基于GIF ELMAN神经网络的管道运输系统工况分析模型
• 4.1 Elman神经网络
• 4.1.1 Elman神经网络的基本结构
• 4.1.2 Elman神经网络的训练算法
• 4.1.3 Elman神经网络模型
• 4.2 GIF Elman神经网络
• 4.2.1 GIF Elman神经网络的结构
• 4.2.2 GIF Elman神经网络模型
• 4.3 基于GIF Elman神经网络的管道运输系统工况分析模型工况辨识方法
• 4.3.1 管道运输工况分析模型的建立
• 4.3.2 工况辨识方案
• 4.4 本章小结
• 第5章 基于管道运输系统工况分析模型的工况辨识方法研究
• 5.1 确定管道现场数据核主成分
• 5.1.1 管道工况数据集
• 5.1.2 工况数据特征的核主成分分析
• 5.2 神经网络辨识模式
• 5.2.1 辨识模式的设定
• 5.2.2 辨识数据的分类
• 5.3 辨识方法的仿真分析
• 5.3.1 神经网络训练参数的设定
• 5.3.2 静态数据集的仿真结果与分析
• 5.3.3 动态数据集的仿真结果与分析
• 5.4 本章小结
• 第6章 总结与展望
• 参考文献
• 致谢
• 攻读硕士期间科研情况