10.13705/j.issn.1671-6833.2022.01.008
改进PSO-BPNN算法在管道腐蚀预测中的应用
输油管道由于埋藏环境、运输介质等影响,随着使用年限增加,管道会逐渐出现腐蚀,常规的腐蚀管道剩余强度计算方法有公式计算和有限元分析(FEA)等.针对常规方法中公式计算准确性较低和有限元分析过于复杂的问题,提出了一种改进的粒子群算法优化的神经网络模型(IPSO-BPNN)来预测腐蚀管道剩余强度.首先,在传统粒子群算法的基础上,提出了一种新的非线性递减惯性权重用于快速更新粒子速度和位置,并引入了遗传交叉算子增加粒子的多样性,形成了改进的粒子群算法(IPSO);其次,采用IPSO算法对神经网络的权重和阈值进行优化,并使用优化后的权重和阈值初始化神经网络,建立了IPSO-BPNN模型;最后,在2个真实的管道测试爆破数据集上进行实验,分别使用线性回归(LR)、FEA、前馈神经网络(BPNN)、粒子群算法前馈神经网络(PSO-BPNN)以及IPSO-BPNN模型对腐蚀管道剩余强度进行预测,使用平均绝对误差(MAE)、均方根误差(RMSE)和平均绝对百分比误差(MAPE)作为评估模型预测性的指标.在2个数据集的测试集上的结果表明:IPSO-BPNN模型的MAE分别为0.5254、0.7185,MAPE分别为3.77%、2.68%,RMSE分别为0.6726、0.9472,3项指标较LR、FEA、BPNN和PSO-BPNN有明显提升.改进PSO-BPNN算法可以提高腐蚀管道剩余强度预测的准确性,可以为管道检查提供较为准确的依据.
粒子群优化算法;非线性递减惯性权重;神经网络;腐蚀管道;剩余强度
43
TE973.6;TP183(石油机械设备与自动化)
国家自然科学基金62006200
2022-03-03(万方平台首次上网日期,不代表论文的发表时间)
共7页
27-33