基于RBF神经网络的天然气管道泄漏检测技术探究.pdfVIP

第 24 卷 第 16 期 电子设计工程 2016 年 8 月 Vol.24 No.16 Electronic Design Engineering Aug. 2016 基于RBF 神经网络的天然气管道泄漏检测技术研究 高丙坤 ， 郑仁谦 ， 尹淑欣 ， 张 莉 ， 岳武峰 （ 东北石油大学 电气信息工程学院 ，黑龙江 大庆 163318） 摘要 ： 为了正确判断管道是否发生泄漏 ，本文采用混合学习方法对网络进行训练学习 。 通过将管道运行参数作为神 经网络的输入 ，管道运行状态作为神经网络的输出 ，实现两者的非线性映射 ，以此来判断输入信号 是否 为 泄 漏信号 ， 并选用 K-means 聚类方法和递推最小二乘法来确定网络参数 。 通过用天然气管道运行的实测数据对 RBF 神经网络 进行了训练和测试 ，得到结果误差在可接受的范围内 ，从而证明 RBF 神经网络的方法可用于天然气管道泄漏检测的 研究 。 关键词 ： 径向基函数 （RBF ）； 聚类方法 ； 非线性映射 ； 泄漏检测 中图分类号 ： 文献标识码 ： 文章编号 （ ） TN206 A ：1674－6236 2016 16-0078-04 The natural gas pipeline leak detection technology based on RBF neural network research GAO Bing鄄kun ， ZHENG Ren鄄qian ， YIN Shu鄄xin ， ZHANG Li ， YUE Wu鄄feng （College of Electrical and Information Engineering ， Northeast Petroleum University ， Daqing 163318 ， China ） Abstract: In order to correctly determine whether pipeline leakage occurs ， this paper adopts a hybrid learning method for network training. We set the pipeline operation parameters as the input of neural network and running status of the pipe as the neural network output ， realizing the two nonlinear mapping ， in order to determine whether the input signal is leakage signal ， and select K鄄means clustering method and the recursive least square method to determine the network parameters. With the measurements of the gas pipeline operation on training and testing the RBF neural network ， we get the results in an acceptable error range ， which prove that the method of RBF neural network can be used