典型文献
基于IPSO-BP神经网络的管道损伤检测方法
文献摘要：
为了更高效准确地对流质输送管道进行损伤检测,结合改进粒子群算法和误差反向传播神经网络,提出了一种IPSO-BP神经网络模型,并以IPSO-BP网络和IPSO算法建立损伤位置和损伤程度识别器.针对管道损伤检测问题,提出以曲率模态和位移模态为输入特征参数,由损伤位置识别器、损伤程度识别器构成的管道结构损伤识别模型.基于管道的特定工况,对不同损伤状态下的管道进行模态分析和静力学分析,得到共100组训练样本和12组测试样本,利用IPSO-BP神经网络进行结构损伤识别模型的训练和测试.结果表明:提出的基于IPSO-BP神经网络的管道损伤识别模型对损伤位置的识别准确率为100％,损伤程度误差率低于5％,该模型为各种工况下的管道损伤检测提供了一类快速准确的方法.
文献关键词：
粒子群优化算法;BP神经网络;管道损伤检测;曲率模态;位移模态
中图分类号：
作者姓名：
吴磊;梅江涛;赵硕
作者机构：
中国石油大学(华东)石油工程学院,山东青岛266580
文献出处：
引用格式：
[1]吴磊;梅江涛;赵硕-.基于IPSO-BP神经网络的管道损伤检测方法)[J].实验室研究与探索,2022(07):44-49
A类：
管道损伤检测
B类：
IPSO,流质,输送管道,改进粒子群算法,误差反向传播神经网络,识别器,检测问题,曲率模态,位移模态,输入特征,位置识别,管道结构,结构损伤识别,识别模型,特定工况,损伤状态,模态分析,静力学分析,组训,训练样本,识别准确率,误差率,快速准确,粒子群优化算法
AB值：
0.251645
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
