[发明专利]一种石油管道PSO-BP神经网络二维缺陷重现方法

说明书

技术领域

本发明涉及的是一种管道缺陷检测的方法。

背景技术

随着我国石油和天然气工业的快速发展，管道运输已经成为我国陆上油气运 输的主要方式。但随着管龄增长、施工缺陷、人为破坏以及腐蚀等原因，管道事 故频频发生，不仅造成重大的经济损失，还严重污染环境甚至危及生产人员的生 命安全。漏磁检测技术是管道缺陷检测中使用最广泛的一种方法，它利用超声波、 漏磁、射线等探伤原理，在不影响正常生产的情况下，通过智能检测器在管道内 的行走，对油气管道的管壁或涂层的缺陷：如变形、损伤、腐蚀、穿孔、管壁失 重及厚度变化等，进行在线检测与分析，以获得准确可靠的检测数据，检测管道 中存在的各种缺陷，为管道维修提供科学准确的数据，避免盲目大修或维修不及 时，从而节省大量维护费用，产生重大的经济效益和社会效益。漏磁无损检测中 一个重要问题是信号逆问题，即从测量信号中确定缺陷的长、宽、深等参数或确 定缺陷的形状。逆问题非常复杂，求解逆问题的一个普遍使用的方法是使用迭代 方法，但该方法的计算量很大。

BP神经网络具有通过学习逼近任意非线性映射的能力，但标准BP神经网 络存在易陷入局部极小、收敛速度慢和引起振荡效应等缺点。粒子群优化算法 (Particle Swarm Optimization，PSO)，是由Kennedy和Eberhart于1995年首次 提出的一种基于迭代的寻优算法。该算法是对鸟群社会行为的模拟，PSO算法 和遗传算法类似，是一种基于群体(population)的优化算法，每个粒子通过和其 他粒子进行信息交互，调整自己的进化方向，以及避免陷入局部最优。

发明内容

本发明的目的在于提供将PSO算法与BP神经网络结合，利用粒子群优化 算法优化BP神经网络的权值和阈值，有效地解决BP算法易陷入局部极小值的 缺点并实现快速收敛的一种石油管道PSO-BP神经网络二维缺陷重现方法。

本发明的目的是这样实现的：

本发明一种石油管道PSO-BP神经网络二维缺陷重现方法，其特征是：

(1)将从实际管道缺陷的测量值作为进行网络训练的样本集，对采得的信 号进行消噪后，作为缺陷重构的实验数据，将漏磁信号作为PSO-BP神经网络的 输入，缺陷轮廓作为输出；

(2)初始化粒子群算法参数，设置种群规模、惯性权重w、学习因子c₁c₂、 迭代次数、确定粒子维度，随机初始化粒子的初始位置和初始速度；

(3)针对种群中的每个粒子，计算粒子适应度函数值F，将每个粒子当前 适应度值与其历史最优值p_best比较：若当前值优于p_best，则更新p_best，否则保持 p_best不变；

(4)将每个粒子的p_best与整个粒子群的全局最优值g_best比较：若当前值优 于g_best，则更新g_best，否则保持g_best不变；

(5)更新粒子的位置和速度；

(6)判断是否达到最大迭代次数或预设的精度：若达到最大迭代次数或预 设的精度则输出神经网络的权值和阈值，否则，转到步骤(3)；

(7)将训练好的神经网络模型用于管道二维缺陷重现，将漏磁信号作为输 入，重现管道缺陷轮廓。

本发明的优势在于：

(1)由于BP神经网络具有通过学习逼近任意非线性映射的能力，将神经 网络应用于管道缺陷二维重构问题，只需利用管道漏磁数据和缺陷数据，建立二 维重构模型来进行管道缺陷重构。

(2)将粒子群优化算法与BP神经网络结合，利用粒子群优化算法优化 BP神经网络的权值和阈值，建立PSO-BP神经网络管道二维重构模型，可有效 地解决BP算法易陷入局部极小值的缺点，提高收敛精度，从而实现了对管道 缺陷的精确重现。

附图说明

图1为本发明的PSO-BP神经网络管道二维缺陷重构方法流程图；

图2为本发明的BP神经网络管道二维缺陷预测值与真实值的对比图；

图3为本发明的PSO-BP神经网络管道二维缺陷预测值与真实值的对比图。

具体实施方式

下面结合附图举例对本发明做更详细地描述：