基于遺傳優(yōu)化BP神經(jīng)網(wǎng)絡的供熱管網(wǎng)故障診斷.pdf

1、隨著我國城市基礎設施建設的不斷完善，城市集中供熱日益受到重視，城市集中供熱管網(wǎng)作為城市生命線的一部分，是保證城市功能正常發(fā)揮的一個重要方面。由于供熱管道材質、環(huán)境、運行年代等眾多因素的影響，供熱管網(wǎng)會不可避免的發(fā)生一些故障，不僅增大供熱能耗、浪費投資，還會給城市居民生活和企業(yè)生產(chǎn)帶來巨大的安全隱患。因此，對于供熱管網(wǎng)故障的準確診斷就成為供熱工程安全領域的重要研究課題。
　　供熱管網(wǎng)最常見的故障是管道泄漏故障。泄漏故障具有隨機性、模

2、糊性、可變性等不確定性特點。國內大多數(shù)供熱公司普遍使用人工檢漏和聲學檢漏方法，這些傳統(tǒng)方法容易受到人為和外界因素的干擾，誤判率很高，不能滿足供熱管網(wǎng)現(xiàn)代化安全監(jiān)控的要求。目前國內外發(fā)展較為成熟供熱管網(wǎng)泄漏故障診斷技術有基于數(shù)學模型和傳感器的診斷技術，但是兩者都存在著一定的局限性?；跀?shù)學模型的泄漏故障診斷需要建立管網(wǎng)的精確數(shù)學模型，一般的實際供熱管網(wǎng)很難達到要求;基于傳感器檢測的診斷方法，直接對檢測信號處理，不需要建立數(shù)學模型，但是由于

3、一般的城市供熱管網(wǎng)供水溫度都在90℃以上，所以普通的傳感器很難滿足實際供熱系統(tǒng)的要求。
　　隨著人工智能的飛速發(fā)展，供熱管網(wǎng)泄漏診斷的研究重點逐漸轉移到了自動化和智能化的泄漏故障診斷技術，特別是具有自學習和高度非線性擬合能力的BP神經(jīng)網(wǎng)絡，已成為一大研究熱點。供熱管網(wǎng)的BP神經(jīng)網(wǎng)絡故障診斷以不同泄漏工況的壓力變化為學習樣本通過一系列的學習得到診斷模型，但是BP神經(jīng)網(wǎng)絡采用的梯度下降學習法決定了其容易出現(xiàn)收斂速度慢、陷入局部極值的問

4、題。為了彌補這一缺陷，本文將有強大搜索尋優(yōu)能力的遺傳算法與之結合，提出了一種基于遺傳優(yōu)化的二級BP神經(jīng)網(wǎng)絡供熱管網(wǎng)泄漏故障診斷模型，該模型包括遺傳優(yōu)化BP神經(jīng)網(wǎng)絡泄漏管段診斷模型和遺傳優(yōu)化BP神經(jīng)網(wǎng)絡泄漏定位和泄漏量診斷模型，不僅可以快速、精確的診斷出發(fā)生泄漏的具體管段，還可以針對泄漏管段進行泄漏點定位和泄漏量估計。
　　最后本文利用MATLAB將上述模型應用到了一個實際供熱管網(wǎng)中，通過實例的結果對比分析，證明了基于遺傳優(yōu)化BP神