多工况下基于RBF神经网络的管道泄漏检测

• 作者: 包建明 吕志博 税爱社 龚骏
• 来源期刊: 油气储运
• 学科: 工学
• 关键词: 管道 泄漏 工况识别 主成分分析 RBF 神经网络
• 年，卷（期）: 2015,（7）
• 所属期刊栏目: 投产与运行
• 页码范围: 759-763
• 分类号: TE973|TE88
• 字数: 3763字
• 语种: 中文
• DOI: 10.6047/j.issn.1000-8241.2015.07.017

摘要

针对多工况下管道泄漏检测数据处理量大、误报率较高的问题,提出了结合主成分分析和RBF神经网络的泄漏检测方法.在数据预处理基础上,计算管道压力序列的时域特征来降低数据处理量;对时域特征进行主成分分析降维,提取新的更能反映压力变化特性的综合特征;将综合特征作为RBF神经网络的输入、工况模式作为输出建立识别模型,进行管道泄漏检测.现场实验结果表明:该方法不仅减少了泄漏检测的数据处理量,提高了检测速度,而且能有效区分工况调节与管道泄漏,保证泄漏检测的识别率达100％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	税爱社	后勤工程学院后勤信息与军事物流工程系	43	206	9.0	10.0
2	龚骏	后勤工程学院后勤信息与军事物流工程系	3	14	2.0	3.0