[发明专利]一种石油管道PSO-BP神经网络二维缺陷重现方法

摘要

本发明的目的在于提供一种石油管道PSO-BP神经网络二维缺陷重现方法，该方法是将实际测量到的管道漏磁数据和管道缺陷数据，作为缺陷重构的实验数据。将漏磁信号作为输入，缺陷轮廓作为输出，设置粒子初始参数，随机初始化粒子的初始位置和初始速度，计算粒子适应度函数值F，并确定每个粒子历史最优值pbest与整个粒子群的全局最优值gbest，更新粒子的位置和速度，判断是否达到最大迭代次数或预设的精度，若满足条件则输出神经网络的权值和阈值；否则重新比较。利用经粒子群算法优化权值和阈值后的神经网络，用于管道二维缺陷重现，重现管道缺陷轮廓。本发明可有效地解决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。

主权项

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