欢迎来到天天文库
浏览记录
ID:51249949
大小:310.86 KB
页数:4页
时间:2020-03-22
《基于优化RBF神经网络的管道缺陷量化分析方法.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、2016正仪表技术与传感器2016第2期InstrumentTechniqueandSensorNo.2基于优化RBF神经网络的管道缺陷量化分析方法朱红秀,刘欢,李宏远,黄松岭,苏志毅(1.中国矿业大学(北京)机电与信息工程学院,北京100083;2.清华大学电机系,电力系统国家重点实验室,北京100084)摘要:为正确评估管道的使用寿命和安全状态,需要对管道缺陷进行准确的定量分析。提出一种基于泛化能力优化的在线学习径向基函数(RBF)神经网络,给出具体的算法步骤,采用自适应学习机制训练网络,并利用AnsofiMaxwell3D建
2、立仿真缺陷数据作为样本进行测试。结果表明:该网络训练效率高,泛化能力好,显著增强了样本适应能力。该方法有助于量化具有不同形态的缺陷,为管道的安全评估提供依据。关键词:缺陷;定量分析;径向基函数神经网络;泛化能力中图分类号:TH878文献标识码:A文章编号:1002—1841(2016)一02-0083-04QuantitativeAnalysisMethodforPipelineDefectsBasedonOptimizedRBFNeuralNetworkZHUHong.xiu,LIUHuan,LIHong—yuan,HUANGS
3、ong—ling,SUZhi—yi(LSchoolofMechanicalElectronic&InfornmtionEIlgineerillg,OfinaUniversityof~enmg&Technology(Beijing),BeiiiIlg101}083,Cllina;2.StateKeyLabofPowerSystems,DepartmentofElectricalEngineering,TsinghuaUniversity,Bering100084,China)Abstract:Toproperlyevaluateth
4、eservicelifetimeandsafetyofpipeline,thedefectsshouldbequantitativelyanalyzed.Anon—linelearningradial—basisfunction(RBF)neuralnetworkbasedonoptimizedgeneralizationabilitywasproposed.Thedetailedpro-ceduresoftheiterativealgorithmwereintroducedandself-adaptivemechanismtot
5、rainthenetworkwasused.Then,simulationde-fectdatafromAnsoflMaxwell3Dwasusedassamplefortesting.ThetestresultprovesthattheneuralnetworksystemhashJgheffi—ciency,goodgeneralizationcapabilitywhichcangreatlyenhancetheabilitytoadapttothesample.Ithelpstoquantifythedifferentfor
6、msofdefectsandprovidsreliablebasisforthesecurityevaluationofpipelines.Keywords:defect;quantitativeanalysis;radial-basisfunctionneuralnetworks;generalizationability0引言1径向基函数(RBF)神经网络漏磁检测技术在管道检测行业中比较常用。借助于工作以轴向并列针孔缺陷量化为例,设计一种径向基函数人员的经验,基本可以判断出管道缺陷的有无和位置,但对其(RBF)神经网络模型,工
7、作流程如下:特征和形态常常不能得到准确信息J。因此,对管道缺陷的定,()=l∑A(1l—cl1)(1)量分析越来越受到研究人员的关注。近些年来,神经网络理式中:为输入样本,R;{c}为径向基函数中心,{c}论的发展与应用为实现管道缺陷的定量分析提供了思CR;隐层有个神经元;为连接隐层和输出层的权重向路。2005年,金涛等曾尝试将小波基函数神经网络用于量
8、厂()为网络的输出,即缺陷的长度(定义轴向并列针孔的长缺陷参数的识别;2006年,AmeetJoshi等提出同时使用小波度为2个针孔的间距加上针孔的直径)或者深度。变换和径向基函数
9、神经网络量化缺陷参数,效果不错;2006年,如图1所示,输入向量X由缺陷的6个特征量组成:清华大学的崔伟等又提出使用RBF神经网络作为正问题的(1)峰谷值l,P_P,单位是Gs,1Gs=10~T。求解模型并利用迭代法对缺陷进行定量分析,量化误差进一
此文档下载收益归作者所有