基于优化BP网络的液体管道工况识别方法研究

• 作者: 何伟光 刘定宏 朱浩然 李传宪 李剑 路太辉
• 来源期刊: 石油化工高等学校学报
• 学科: 工学
• 关键词: BP神经网络 工况识别 KPCA 遗传算法 粒子群算法
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 油气储运
• 页码范围: 73-81
• 页数: 9页
• 分类号: TQ832
• 字数: 4560字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-396X.2018.06.012

摘要

利用环道实验装置模拟实际管道的不同工况,应用小波分析对原始信号降噪,并利用基于核的主成分分析方法(KPCA)提取处理后泄漏信号的时频域特征值,得到神经网络最终输入向量.由于传统BP神经网络在进行工况识别时容易陷入局部极小值,因此利用遗传算法(GA)和粒子群算法(PSO)对BP神经网络进行优化.结果表明,两种优化后的神经网络相较传统BP神经网络具有更强的识别泄漏工况能力.最后从测试准确度和训练时间两个方面,对两种不同优化算法进行对比并提出其不同的适用情况.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李剑		1	3	1.0	1.0
2	路太辉		2	3	1.0	1.0
3	何伟光		1	3	1.0	1.0