BP神經(jīng)網(wǎng)絡(luò)在輸油管道泄漏定位中的應(yīng)用

羅會玖

摘要：為了更好地對輸油管道泄漏進(jìn)行定位，對標(biāo)準(zhǔn)BP神經(jīng)網(wǎng)絡(luò)算法進(jìn)行改進(jìn)，使用增加動量項和學(xué)習(xí)速率自適應(yīng)調(diào)整算法加速了收斂速度及避免了陷入局部極小值，選用改進(jìn)后的BF神經(jīng)網(wǎng)絡(luò)對輸油管道工況進(jìn)行模式識別，確保了管道安全可靠地運行。

關(guān)鍵詞：BP 神經(jīng)網(wǎng)絡(luò)；管道監(jiān)控；泄漏定位；輸油管道

中圖分類號：TP183 文獻(xiàn)標(biāo)識碼：A 文章編號：1009-3044（2013）08-1885-04

輸油管道是石化系統(tǒng)中極其重要的一環(huán)，由于各種原因，比如：管道所處環(huán)境惡劣、管道自然老化、管道運行磨損、人為打孔等，導(dǎo)致管道泄漏頻頻發(fā)生，這對管道監(jiān)控提出了更高的要求，必須及時準(zhǔn)確地對泄漏做出檢測；傳統(tǒng)的檢測方法存在誤差大或易漏報、誤報等缺陷，難以準(zhǔn)確發(fā)現(xiàn)定位輸油管道的泄漏位置； BP神經(jīng)網(wǎng)絡(luò)是一種具有三層或三層以上結(jié)構(gòu)的無反饋的、層內(nèi)無互連結(jié)構(gòu)的前向網(wǎng)絡(luò)，隨著誤差反向傳播，誤差不斷得到修正，逐漸減小誤差，自動更新網(wǎng)絡(luò)參數(shù)，從而不斷提高對輸入模式識別的正確率，非常適合應(yīng)用到輸油管道泄漏定位。

1 BP神經(jīng)網(wǎng)絡(luò)

1.1 標(biāo)準(zhǔn)BP神經(jīng)網(wǎng)絡(luò)算法

BP神經(jīng)網(wǎng)絡(luò)（Back Propagation Neural Network，簡稱BP網(wǎng)絡(luò)）通常是指基于誤差反向傳播算法（BP算法）的多層前向神經(jīng)網(wǎng)絡(luò)，它與PDP（并行分布處理）理論相結(jié)合，使BP網(wǎng)絡(luò)受到廣泛關(guān)注，成為目前最流行的一種神經(jīng)網(wǎng)絡(luò)模型，該模型采用BP算法進(jìn)行學(xué)習(xí)，其學(xué)習(xí)過程分四個階段：“模式順傳播”過程， “誤差逆?zhèn)鞑ァ边^程， “記憶訓(xùn)練”過程和“學(xué)習(xí)收斂”過程，典型的BP神經(jīng)網(wǎng)絡(luò)是一種具有三層或三層以上結(jié)構(gòu)的無反饋的、層內(nèi)無互連結(jié)構(gòu)的前向網(wǎng)絡(luò)，三層（輸入層、隱含層和輸出層）BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖如圖1所示，其中首尾兩層分別稱為輸入層和輸出層，中間各層為隱含層（也稱中間層），各層之間的神經(jīng)元為全連接關(guān)系，層內(nèi)的各個神經(jīng)元之間無連接。

1）中心站計算機(jī)：負(fù)責(zé)實時檢測管道兩端的壓力等狀態(tài)信號，對管道兩端的數(shù)據(jù)進(jìn)行分析處理，判斷是否發(fā)生泄漏，當(dāng)判斷泄漏發(fā)生時，需要及時報警，并確定泄漏點位置。

2）傳輸網(wǎng)路：通過以太網(wǎng)為媒介，當(dāng)中心站請求數(shù)據(jù)時，向中心站傳送所需的數(shù)據(jù)。

4）現(xiàn)場儀表：壓力變送器、溫度變送器、流量傳感器，負(fù)責(zé)把壓力、溫度及流量轉(zhuǎn)變?yōu)殡娦盘枴?/p>

3 基于BP神經(jīng)網(wǎng)絡(luò)的管道泄漏檢測

3.1 管道泄漏檢測

泄漏檢測流程為：先根據(jù)工程需要預(yù)先設(shè)置好管道配置鏈表，啟動泄漏檢測程序后，程序根據(jù)已經(jīng)配置好的管段鏈表進(jìn)行輪詢；在某一時刻獲得某一管段信息，管段信息包括首站及末站IP地址，傳感器編號，管道段長，波傳播速度等。中心站先根據(jù)管道段首、末站IP地址，向這兩個IP地址發(fā)送數(shù)據(jù)請求，首、末站接收到請求后，根據(jù)中心站要求發(fā)送相應(yīng)的傳感器數(shù)據(jù)；中心站在發(fā)送完請求包后等待基站回應(yīng)數(shù)據(jù)。如在規(guī)定的時間內(nèi)接收到首末站數(shù)據(jù)，則對傳來的數(shù)據(jù)進(jìn)行濾波、檢測，如有泄漏信號則給出報警信號，并把檢測結(jié)果記錄到文件中，否則則給出超時信號，并將該管道添加到離線分析管段鏈表中，形成斷線記錄；另一任務(wù)則根據(jù)離線分析管段鏈表發(fā)送離線數(shù)據(jù)請求，完成離線數(shù)據(jù)檢測。

管道泄漏神經(jīng)網(wǎng)絡(luò)檢測技術(shù)，主要提取了三個變量作為泄漏信號的特征量，它們分別是區(qū)間信號能量、區(qū)間最大信號下降斜率和區(qū)間信號最大負(fù)極值，這些特征量的提取是基于動態(tài)壓力信號是一個個正負(fù)相間的信號這個特點，且都是從動態(tài)壓力信號中提取出來的。

與現(xiàn)有的基于神經(jīng)網(wǎng)絡(luò)泄漏判斷不同的是，這三個特征量都是取相對于歷史數(shù)據(jù)的比值作為神經(jīng)網(wǎng)絡(luò)的輸入，因此，在泄漏檢測可靠性的基礎(chǔ)上，進(jìn)一步提高了泄漏檢測的靈敏度。

用于泄漏檢測的神經(jīng)網(wǎng)絡(luò)采用BP神經(jīng)網(wǎng)絡(luò)，BP神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)包括三個輸入，中間隱含層包含五個節(jié)點，一個輸出，它事實上是一個神經(jīng)網(wǎng)絡(luò)模式分類器，用于判斷是泄漏或不是泄漏。

3.2 BP 網(wǎng)絡(luò)結(jié)構(gòu)的設(shè)計

在實際應(yīng)用中，面對一個具體的問題時，首先要分析利用BP網(wǎng)絡(luò)求解的問題的性質(zhì)，然后依據(jù)問題的特點，建立網(wǎng)絡(luò)。最后通過對網(wǎng)絡(luò)進(jìn)行訓(xùn)練、仿真等，檢驗網(wǎng)絡(luò)的性能是否滿足要求。進(jìn)行BP網(wǎng)絡(luò)的設(shè)計前，一般應(yīng)從網(wǎng)絡(luò)的層數(shù)、每層中的神經(jīng)元個數(shù)、初始值以及學(xué)習(xí)方法等方面來考慮。

1）輸入樣本的確定

具有足夠多典型性好和精度高的樣本是采用BP神經(jīng)網(wǎng)絡(luò)方法建模的首要和前提條件，同一種故障模式則需要大量的網(wǎng)絡(luò)訓(xùn)練樣本數(shù)據(jù)輸入，這樣才可以更好地表征管道泄漏的故障模式，該文對正常、調(diào)泵和泄漏三種故障模式的每一種選擇多個樣本進(jìn)行訓(xùn)練，同時將收集到的數(shù)據(jù)隨機(jī)分成測試樣本（10%以上）、檢驗樣本（10%以上）和訓(xùn)練樣本3部分。

2）網(wǎng)絡(luò)層數(shù)的選擇

大多數(shù)通用的神經(jīng)網(wǎng)絡(luò)都預(yù)先預(yù)定了網(wǎng)絡(luò)的層數(shù)，而BP網(wǎng)絡(luò)可以包含不同的隱層。對多層BP神經(jīng)網(wǎng)絡(luò)，隱層層數(shù)至少為1層或1層以上，每個隱層的神經(jīng)元個數(shù)至少為1個或1個以上，否則與多層網(wǎng)絡(luò)的命題矛盾而不成立。

3）隱含層中神經(jīng)元數(shù)目的確定

輸油管道有很多種故障模式，該文只對其中的三種（正常、調(diào)泵、泄漏）故障模式進(jìn)行分析，其對應(yīng)的輸出模式為：正常（1，0，0），調(diào)泵（0，0，1），泄漏（0，1，0），因此，需要建立具有8個神經(jīng)單元的神經(jīng)網(wǎng)絡(luò)輸入層及具有3個神經(jīng)單元的輸出層，隱含層神經(jīng)元的個數(shù)沒有明確規(guī)定，在本設(shè)計中，一般采用試湊的方法來確定隱含層神經(jīng)元的個數(shù)，隱含層有17個神經(jīng)元。

4）初始權(quán)值的設(shè)定以及學(xué)習(xí)速率的選擇

5）傳遞函數(shù)

4 結(jié)束語

輸油管道作為石化行業(yè)中重要的一個環(huán)節(jié)，逐漸老化的輸油管道直接威脅到國民經(jīng)濟(jì)和人們的日常生活，文中將BP神經(jīng)網(wǎng)絡(luò)應(yīng)用到輸油管道監(jiān)測中，提高了裝置的準(zhǔn)確性、可靠性及穩(wěn)定性，具有十分重要的現(xiàn)實意義。

參考文獻(xiàn)：

[1] 于金廣.基于模糊神經(jīng)網(wǎng)絡(luò)的成品油管網(wǎng)泄漏檢測方法[J].油氣儲運，2012（10）.

[2] 沈繼忱.管道泄漏診斷方法研究[J].化工自動化及儀表，2012（3）.

[3] 王軍茹.基于神經(jīng)網(wǎng)絡(luò)的氣體管道泄漏檢測與定位[J].北京信息科技大學(xué)學(xué)報：自然科學(xué)版，2010（4）.

[4] 易方.基于模糊神經(jīng)網(wǎng)絡(luò)的管道缺陷識別方法研究[J].微計算機(jī)信息，2010（2）.