加权模糊推理网络及在管道损伤诊断中应用.docVIP

加权模糊推理网络及在管道损伤诊断中应用 　　摘要：针对油气管道运营维护中的管道腐蚀损伤检测问题，提出了一种加权模糊推理网络的诊断模型。模型将神经网络与模糊逻辑进行融合，可以实现部分证据的自下而上处理和自上而下处理的结合，融合了模糊逻辑能够较完整地表达领域规则和先验知识以及神经网络自适应环境的优点。具体给出了加权模糊推理网络的结构模型和学习算法，依据模糊推理规则的量化表示形式和微分方程数值解的动力学思想能较好地避免网络学习陷入局部极值点。该算法具有较好的稳定性和有效性。实际资料处理结果表明，该模型对解决管道腐蚀损伤诊断问题具有良好的适应性和实用性。 　　关键词：神经网络； 模糊推理； 管道腐蚀； 智能诊断 　　中图分类号：TP183文献标志码：A 　　文章编号：1001－3695(2008)06－1673－03 　　 　　0引言?? 　　 　　管道运输是石油、天然气最经济合理的运输方式。但是油气输送管道长时间服役后，会因各种原因造成管道损伤。其中，腐蚀损伤是影响管道系统可靠性及使用寿命的关键因素，也是导致管道失效的主要事故模式之一。因此开展管道腐蚀损伤诊断对于提高管道运营系统的安全性具有重大意义。本文在分析管道腐蚀机理和管道腐蚀检测数据特征的基础上，提出了一种加权模糊推理网络，并应用于管道损伤诊断中。 　　?ツ：?神经网络是一种集模糊逻辑推理的强大结构性知识表达能力与神经网络良好的自学习能力于一体的智能计算模型；它是模糊逻辑推理与神经网络有机结合的产物[1]。模糊逻辑的显著特点是它能自然地表达人类习惯使用的逻辑含义，很适用于直接或高层的知识表达，但较难用它来表示时变知识和过程；神经网络则能通过学习功能来实现自适应，自动获得用（精确的或模糊的）数据表达的知识，但这种知识在神经网络中是隐含表达的，难以直接看出其含义，从而不能直接对其进行语义解释[2，3]。模糊神经网络融合了模糊技术与神经网络的优点，即增强了系统的语义表达能力和对环境的自适应能力。模糊神经网络具有集学习、联想、识别、自适应及模糊信息处理于一体的优点[3，4]，很适合于管道损伤诊断中涉及到的定量和定性信息的处理。根据油田已有的大量管道腐蚀研究资料和历史数据确定管道目前腐蚀损伤程度，以期在管道未发生事故前进行有计划的检修，可以避免大量不必要的维修，节约资金[5]，从而科学地指导管道的维修计划和安全生产管理。?? 　　 　　1加权模糊推理网络模型?? 　　 　　1．1模糊逻辑规则?? 　　模糊逻辑的一般规则描述为：?? 　　 　　1．2加权模糊逻辑推理规则?? 　　在许多实际问题中，一条推理规则的各子前提的重要性或所包含的信息量是各不相同的。为了表达这类现实问题，采用加权模糊推理是十分合适的，它在上述模糊逻辑规则的基础上引入了神经元连接权这一概念，模拟生物神经元之间的突触连接强度。加权模糊推理规则一般可表示为如下形式[7]：?? 　　 　　关于高斯―塞德尔迭代算法的收敛性，文献[9]表明，如果系数矩阵具有严格对角占优性，则对任意初始向量，高斯―塞德尔迭代算法均收敛。因此，构造迭代式前可先对正规方程组（9）进行同解变换，使其系数矩阵呈现出严格对角占优性；然后再按式（10）构造出具体的高斯―塞德尔迭代式。 　　??2．3模糊推理网络的学习过程?? 　　模糊推理网络的学习过程其实就是通过逐次迭代记忆一组模糊规则的过程，将问题自身提供的模糊推理规则储存在网络权值中。网络的推理过程（应用过程）就是根据问题提供的模糊前提谓词的真度，运用储存的模糊规则推理出相应结论谓词的真度。加权模糊推理网络的学习过程可按如下步骤进行：?? 　　a)确定谓词数目N，计算样本谓词真度（可用高斯函数或直接对样本归一化）；?? 　　b)初始化权值向量W(0)，迭代精度ε＞0，最大迭代次数M，当前次数k=0，规则真度cfi，规则域限τi(i=1,2,…,m)；?? 　　 　　3加权模糊推理网络在管道损伤诊断中的应用?? 　　 　　在管道外防腐检测数据中，表征管道腐蚀损伤的特征参数较多。经大量现场相关实验资料的统计和分析，并结合专家经验，最终确定管道壁厚、腐蚀深度、腐蚀长度、土壤电阻率和防腐层电阻率五个参数作为网络输入，输出为腐蚀等级。样本举例如表1所示。?? 　　 　　表中腐蚀等级1~4分别代表一类腐蚀（轻微）、二类腐蚀（轻）、三类腐蚀（较重）和四类腐蚀（严重）。腐蚀等级表明管体腐蚀损伤程度，由此确定管道防腐工作及大修技术界限，级别越高表明管体的外腐蚀程度越严重。若管道损伤诊断结果为“1”，则建议此段管道在3~5年后需要复检；结果为“2”，则建议此段管道在1~2年后需要复检；结果为“3”，则此段管道需要有针对性地进行维修；结果为“4”，则此段管道需要部