自适应模糊神经网络系统在管道泄漏检测中的应用

doi:10.7623/syxb200404023

石油学报 ›› 2004, Vol. 25 ›› Issue (4): 101-104.DOI: 10.7623/syxb200404023

自适应模糊神经网络系统在管道泄漏检测中的应用

伦淑娴^1,2, 张化光¹, 冯健¹

1. 东北大学信息科学与工程学院, 辽宁, 沈阳, 110004;
2. 渤海大学信息科学与工程学院, 辽宁, 锦州, 121003

收稿日期:2003-06-27 修回日期:2004-01-19 出版日期:2004-07-25 发布日期:2010-05-21
作者简介:伦淑娴,女,1972年1月生,1998年毕业于甘肃工业大学,现为渤海大学讲师,东北大学博士研究生,主要研究方向为智能控制和信号处理.E-mail:jzlunzi@163.com
基金资助:
国家自然科学基金(No.60274017)和沈阳市科技攻关项目(1023090-2-00)资助.

Filtering technique based on adaptive fuzzy-neural network applied to leakage detection of pipeline

LUN Shu-xian^1,2, ZHANG Hua-guang¹, FENG Jian¹

1. School of Information Science and Engineering, Northeast University, Shenyang 110004, China;
2. School of Information Science and Engineering, Bohai University, Jinzhou 121003, China

Received:2003-06-27 Revised:2004-01-19 Online:2004-07-25 Published:2010-05-21

摘要/Abstract

摘要： 输油管道泄漏信号的检测存在信噪比较低的问题,利用自适应模糊神经网络系统的去噪方法可以提高压力信号、流量信号的信噪比.由于自适应模糊神经网络系统具有非线性映射和自学习能力,能够用于噪声信号的非线性建模.它不仅能够获取信号的最佳估计,并且能够克服信号处理中存在的模型和噪声的不确定性、不完备性.应用结果表明,自适应模糊神经网络的自适应噪声抵消器不仅实现简单、节省运行时间,而且能快速、有效地消除流量、压力信号中的各种噪声,因而提高了泄漏检测和定位的精度.

关键词: 自适应滤波, 模糊神经网络系统, 管道, 泄漏检测, 信号处理, 噪声消除器

Abstract: There are some difficulties caused by lower signal-to-noise ratio in the signal processing of leakage detection for pipeline.It is possible to enhance the signal-to-noise ratios of pressure and flow rate signals in a pipeline by using the adaptive noise cancellation based on adaptive fuzzy neural network system (AFNNS). The AFNNS has the abilities of nonlinear mapping and self-learning property and can be used to achieve the nonlinear model of the noise. The adaptive noise cancellation based on the AFNNS can achieve an optimal reconstruction of signals and a desired robust against the effect of uncertainties in signal processing. The application of this system shows that the noise filter based on AFNNS can not only obtain simplicity of implementation and conservation of operation time,but also achieve better reconstruc-tion performance in the pressure and flow signal processing for the leakage detection of pipeline.

Key words: adaptive filtering, fuzzy-neural network system, pipeline, leakage detection, signal processing, noise filter

中图分类号:

TE78

伦淑娴, 张化光, 冯健. 自适应模糊神经网络系统在管道泄漏检测中的应用[J]. 石油学报, 2004, 25(4): 101-104.

LUN Shu-xian, ZHANG Hua-guang, FENG Jian. Filtering technique based on adaptive fuzzy-neural network applied to leakage detection of pipeline[J]. Editorial office of ACTA PETROLEI SINICA, 2004, 25(4): 101-104.

[1]	翟维枫, 梁志珊, 左信, 毕武喜, 蓝卫. 地磁暴引起的埋地管道管地电位“波节”和“纠缠”分布特征[J]. 石油学报, 2020, 41(8): 1001-1010.
[2]	徐秀芬, 李泓霏, 刘国豪. 加气站压缩机组效率计算新方法[J]. 石油学报, 2020, 41(8): 1019-1024.
[3]	姚安林, 田晓建, 徐涛龙, 高山, 蒋宏业, 李又绿. 管道爆炸对同沟邻管的冲击效应及防爆墙抗爆性能[J]. 石油学报, 2020, 41(6): 753-761.
[4]	陈海宏, 左丽丽, 吴长春, 李清平. 油品需求型成品油管道分输计划优化[J]. 石油学报, 2019, 40(8): 990-996.
[5]	邢潇, 崔淦, 杨紫晴, 李自力. 管线钢的裂纹生长预测新模型[J]. 石油学报, 2019, 40(6): 740-747.
[6]	郭凌云, 周晶, 代云云. 基于不同随机退化过程的腐蚀管道时变失效概率[J]. 石油学报, 2019, 40(12): 1542-1552.
[7]	张新生, 李亚云, 王小完. 基于逆高斯过程的腐蚀油气管道维修策略[J]. 石油学报, 2017, 38(3): 356-362.
[8]	梁博, 蒋宏业, 徐涛龙, 姚安林, 文霞. 基于SPH-FEM耦合算法的埋地输气管道近场爆炸冲击动力响应[J]. 石油学报, 2017, 38(11): 1326-1334.
[9]	隋冰, 刘刚, 李博, 赵家良, 陈雷. 颗粒在起伏成品油管道中的沉积运移规律[J]. 石油学报, 2016, 37(4): 523-530.
[10]	付建民, 赵振洋, 陈国明, 罗会玖, 张保坡, 张伯伦, 叶闯, 朱渊. 液相管道流量与压力对小孔泄漏速率的影响[J]. 石油学报, 2016, 37(2): 257-265.
[11]	张鹏, 彭杨. 考虑随机变量相关性的腐蚀管道失效概率[J]. 石油学报, 2016, 37(10): 1293-1301.
[12]	赵青, 李玉星, 李顺丽. 超临界二氧化碳管道杂质对节流温降的影响[J]. 石油学报, 2016, 37(1): 111-116.
[13]	董亮, 姜子涛, 杜艳霞, 路民旭, 孟庆思. 地铁杂散电流对管道牺牲阳极的影响及防护[J]. 石油学报, 2016, 37(1): 117-124.
[14]	韩文海, 周晶. 腐蚀海底管道可靠性分析[J]. 石油学报, 2015, 36(4): 516-520.
[15]	林伟国, 王晓东, 戚元华, 吴海燕. 管道泄漏信号和干扰信号的数字化判别方法[J]. 石油学报, 2014, 35(6): 1197-1203.

自适应模糊神经网络系统在管道泄漏检测中的应用

Filtering technique based on adaptive fuzzy-neural network applied to leakage detection of pipeline

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价