周倫鋼 趙松波 仝戈 許亮
摘 要:為提高BP 神經(jīng)網(wǎng)絡(luò)對(duì)水工鋼閘門安全等級(jí)識(shí)別的速度和精度,構(gòu)建基于信息增益(IG)和混沌粒子群優(yōu)化(CPSO)算法優(yōu)化BP 神經(jīng)網(wǎng)絡(luò)的水工鋼閘門安全等級(jí)評(píng)估模型。該模型利用IG 算法精簡水工鋼閘門安全等級(jí)評(píng)估的特征指標(biāo),避免冗余變量干擾,提升模型的訓(xùn)練速度;利用CPSO 算法優(yōu)化BP 神經(jīng)網(wǎng)絡(luò)的初始權(quán)重,提高模型的收斂性及對(duì)水工鋼閘門安全等級(jí)的分類能力。經(jīng)過驗(yàn)證分析,基于IG-CPSO-BP 的水工鋼閘門安全等級(jí)評(píng)估模型的評(píng)估結(jié)果與實(shí)際的水工鋼閘門安全等級(jí)基本吻合,識(shí)別精度明顯優(yōu)于IG-BP、IG-GA-BP、IG-PSO-BP 模型。
關(guān)鍵詞:信息增益;混沌粒子群優(yōu)化算法;BP 神經(jīng)網(wǎng)絡(luò);安全等級(jí)識(shí)別;水工鋼閘門
中圖分類號(hào):TV663 文獻(xiàn)標(biāo)志碼:A doi:10.3969/ j.issn.1000-1379.2023.07.024
引用格式:周倫鋼,趙松波,仝戈,等.基于IG-CPSO-BP 的水工鋼閘門安全等級(jí)識(shí)別[J].人民黃河,2023,45(7):130-133,162.
0 引言
南水北調(diào)中線工程是優(yōu)化我國水資源配置的一項(xiàng)戰(zhàn)略性基礎(chǔ)設(shè)施工程。南水北調(diào)中線工程全線輸水采用自流模式,根據(jù)沿線地勢(shì)、環(huán)境等布設(shè)節(jié)制閘、控制閘、分水口、退水閘等,各閘站均通過鋼閘門的啟閉實(shí)現(xiàn)輸水流量實(shí)時(shí)調(diào)控。水工鋼閘門的損壞程度與運(yùn)行環(huán)境和運(yùn)行狀態(tài)密切相關(guān),不同程度的損壞均會(huì)導(dǎo)致鋼閘門功能減弱,其危害往往具有突然性,嚴(yán)重威脅工程運(yùn)行安全[1] 。定期檢測(cè)并評(píng)估水工鋼閘門的運(yùn)行狀態(tài),及時(shí)處理其存在的安全問題,對(duì)開展設(shè)備運(yùn)維工作具有重要意義[2] 。目前水工鋼閘門安全等級(jí)評(píng)估方法眾多,但大多數(shù)方法僅適用于傳統(tǒng)定期檢測(cè),數(shù)據(jù)處理速度慢,且缺乏水工鋼閘門相關(guān)的實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù),具有實(shí)時(shí)在線安全等級(jí)評(píng)估功能的水工鋼閘門運(yùn)行系統(tǒng)研究一直未能得到拓展[3-5] 。
水工鋼閘門的安全等級(jí)評(píng)估可以理解為模式識(shí)別,即將安全等級(jí)特征值所構(gòu)成的模式空間正確映射到類別隸屬空間,同時(shí)保證該過程快速、穩(wěn)定。BP 神經(jīng)網(wǎng)絡(luò)具有自組織性、協(xié)同性、容錯(cuò)性和聯(lián)想記憶性的優(yōu)勢(shì),其基于大腦結(jié)構(gòu)原理,可以實(shí)現(xiàn)數(shù)據(jù)并行分析[6] 。然而,在實(shí)際工程中傳統(tǒng)的水工鋼閘門安全等級(jí)評(píng)估模型的評(píng)估指標(biāo)眾多,模型中輸入樣本所包含的特征參數(shù)繁雜,BP 神經(jīng)網(wǎng)絡(luò)對(duì)初始權(quán)重敏感,易陷入局部最優(yōu),導(dǎo)致基于BP 神經(jīng)網(wǎng)絡(luò)的水工鋼閘門安全等級(jí)評(píng)估模型的準(zhǔn)確性和快速性不高。信息增益(Information Gain,IG)算法是一種過濾式特征選取算法,可依據(jù)信息熵篩選出影響水工鋼閘門安全等級(jí)的主導(dǎo)因素[7] 。混沌粒子群優(yōu)化(Chaos Particle SwarmOptimization,CPSO)算法是一種通過模擬鳥群覓食過程中的遷徙和群聚行為而提出的基于群體智能的全局隨機(jī)搜索算法,利用混沌算法對(duì)粒子群進(jìn)優(yōu)化處理,具有結(jié)構(gòu)簡單、收斂速度快、不易陷入局部最優(yōu)等特點(diǎn)。目前CPSO 算法已廣泛應(yīng)用于模式識(shí)別、數(shù)據(jù)挖掘等領(lǐng)域[6,8] 。
為降低BP 神經(jīng)網(wǎng)絡(luò)模型的輸入變量維度,保證其收斂快速性、準(zhǔn)確性,本文選取信息增益值大于0.6的特征指標(biāo)作為網(wǎng)絡(luò)模型的輸入變量。通過對(duì)其信息增益值進(jìn)行排序后,選取特征指標(biāo)依次為主要構(gòu)件應(yīng)力、支臂穩(wěn)定度、銹蝕速率、面板剛度、檢修時(shí)間、振動(dòng)情況、焊縫質(zhì)量。
3.2 模型參數(shù)設(shè)置
為保證水工鋼閘門安全等級(jí)評(píng)估模型的穩(wěn)定性,隨機(jī)選取上述360 組水工鋼閘門安全狀態(tài)數(shù)據(jù)中的330 組數(shù)據(jù)作為模型訓(xùn)練樣本集,剩余30 組數(shù)據(jù)作為模型測(cè)試樣本集。利用IG 熵理論選擇上述7 個(gè)特征指標(biāo)作為模型的輸入變量,故BP 神經(jīng)網(wǎng)絡(luò)輸入層神經(jīng)元數(shù)為7。參考表1,選取水工鋼閘門的3 種安全等級(jí)為模型輸出變量,即BP 神經(jīng)網(wǎng)絡(luò)輸出層神經(jīng)元數(shù)為3。經(jīng)多次試驗(yàn),BP 神經(jīng)網(wǎng)絡(luò)參數(shù)設(shè)置如下:隱含層神經(jīng)元數(shù)為15,學(xué)習(xí)速率為0.000 1,目標(biāo)精度為10-6,最大迭代次數(shù)為200 次。
CPSO 算法參數(shù)設(shè)置如下:粒子數(shù)目m = 30,維數(shù)D = 2,最高迭代次數(shù)itmax = 100,學(xué)習(xí)因子c1 = 1.5、c2 =1.5,慣性權(quán)重最大值ωmax = 0.9,慣性權(quán)重最小值ωmin =0.4,SGmax =10,SG =0,誤差精度e =10-5。
4 模型仿真結(jié)果分析
基于IG-CPSO-BP 的水工鋼閘門安全等級(jí)評(píng)估模型的適應(yīng)度變化曲線見圖2。在進(jìn)化過程中,粒子群逐漸陷入局部最優(yōu),此時(shí)依據(jù)混沌原理使種群跳出局部最優(yōu),當(dāng)進(jìn)化代數(shù)為24 次時(shí),模型滿足設(shè)定要求,表明基于IG-CPSO-BP 的水工鋼閘門安全等級(jí)評(píng)估模型具有較大的收斂速率以及較高的收斂精度。
為進(jìn)一步評(píng)估基于IG-CPSO-BP 的水工鋼閘門安全等級(jí)評(píng)估模型的優(yōu)劣性,利用相同的水工鋼閘門安全狀態(tài)數(shù)據(jù)樣本,對(duì)基于IG-BP、IG-GA-BP、IGPSO-BP 的水工鋼閘門安全等級(jí)評(píng)估模型進(jìn)行訓(xùn)練測(cè)試,測(cè)試結(jié)果見表3。
通過對(duì)比分析可得,基于IG-CPSO-BP 的水工鋼閘門安全等級(jí)評(píng)估模型的評(píng)估結(jié)果與實(shí)際的水工鋼閘門安全等級(jí)基本吻合,識(shí)別精度明顯高于其他模型,模型運(yùn)行時(shí)間相對(duì)較短,模型泛化能力更好,在實(shí)際的工程應(yīng)用中具有更好的在線識(shí)別效果。
5 結(jié)論
采用IG 算法對(duì)水工鋼閘門安全等級(jí)評(píng)估特征指標(biāo)進(jìn)行擇優(yōu)篩選,采用CPSO 算法對(duì)BP 神經(jīng)網(wǎng)絡(luò)的初始權(quán)系進(jìn)行優(yōu)化,建立基于IG-CPSO-BP 的水工鋼閘門安全等級(jí)評(píng)估模型,其識(shí)別準(zhǔn)確率較IG-BP、IGGA-BP、IG-PSO-BP 模型均有提升,在降低BP 神經(jīng)網(wǎng)絡(luò)模型輸入向量維度的同時(shí),有效克服了BP 神經(jīng)網(wǎng)絡(luò)及PSO 算法易陷入局部最優(yōu)的弊端,在南水北調(diào)中線工程水工鋼閘門安全等級(jí)在線識(shí)別中具有良好的應(yīng)用前景。
參考文獻(xiàn):
[1] 嚴(yán)柳紅.水工鋼閘門腐蝕影響因素及防腐蝕技術(shù)探析[J].科技創(chuàng)新導(dǎo)報(bào),2019,16(36):81,83.
[2] 李奇,鄭圣義.基于直覺模糊層次法和云模型的水工鋼閘門評(píng)估[J].人民黃河,2022,44(3):118-121,143.
[3] 李劍斌,巫世晶,楊志澤,等.基于層次分析法和模糊綜合評(píng)價(jià)的水工鋼閘門安全評(píng)估[J].水電能源科學(xué),2016,34(6):195-198.
[4] 賈文斌,戚蘭英,劉月剛.基于FAHP 法的水工鋼閘門安全評(píng)價(jià)[J].水利水電技術(shù),2015,46(11):84-87,120.
[5] 楊娟娟,洪偉,吳振.現(xiàn)役水工鋼閘門的實(shí)時(shí)在線監(jiān)測(cè)方法[J].大壩與安全,2019(4):64-67.
[6] 許亮,趙松波,高強(qiáng),等.PSO-BP 神經(jīng)網(wǎng)絡(luò)在語音干擾效果評(píng)估中的應(yīng)用[J].現(xiàn)代電子技術(shù),2019,42(6):43-46,50.
[7] 萬宇,齊金平,張儒,等.基于信息增益優(yōu)化支持向量機(jī)模型的煤礦瓦斯爆炸風(fēng)險(xiǎn)預(yù)測(cè)[J].科學(xué)技術(shù)與工程,2021,21(9):3544-3549.
[8] TORRES?HERRERA E J,SANTOS L F.Dynamical Manifes?tations of Quantum Chaos:Correlation Hole and Bulge[J].PhilosTransact A Math Phys Eng Sci,2017,375(2108):20160434.
[9] YANG Z C,SHEN Y,YANG F,et al.A Comprehensive Real?Time State Evaluation Strategy for Distribution EquipmentBased on M?PSO?BP Algorithm[J].International Transactionson Electrical Energy Systems,2019,29(11):12108.
[10] 中華人民共和國水利部.水工鋼閘門和啟閉機(jī)安全檢測(cè)技術(shù)規(guī)程:SL 101—2014[S]. 北京中國標(biāo)準(zhǔn)出版社,2014:5-24.
[11] 李劍斌,巫世晶,楊志澤,等.基于層次分析法和模糊綜合評(píng)價(jià)的水工鋼閘門安全評(píng)估[J]. 水電能源科學(xué),2016,34(6):195-198.
[12] 楊光明,鄭圣義,王鋼鋼,等.水工金屬結(jié)構(gòu)健康診斷理論、方法及應(yīng)用[M].南京:河海大學(xué)出版社,2013:35-68.
[13] 蔣榮,郭建斌.基于理想點(diǎn)法的水工鋼閘門安全評(píng)價(jià)[J].水電能源科學(xué),2017,35(11):183-185,211.
[14] 方仍存,李超順,蒲桂林.基于自適應(yīng)混沌蜂群算法的梯級(jí)電站優(yōu)化調(diào)度[J]. 人民黃河,2017,39(2):102 -106,111.
[15] 趙松波.基于改進(jìn)優(yōu)化算法的液體火箭發(fā)動(dòng)機(jī)故障檢測(cè)與診斷研究[D].天津:天津理工大學(xué),2019:46-60.
【責(zé)任編輯 栗 銘】