基于AOA-SVM的数字孪生管道泄漏识别模型

王冬梅; 宋南南; 张丹; 王鹏; 路敬祎

doi:10.19292/j.cnki.jdxxp.2025.05.003

吉林大学学报(信息科学版) ›› 2025, Vol. 43 ›› Issue (05) : 937 -943. DOI: 10.19292/j.cnki.jdxxp.2025.05.003

基于AOA-SVM的数字孪生管道泄漏识别模型

王冬梅, 宋南南, 张丹, 王鹏, 路敬祎

作者信息 +

Author information +

文章历史 +

摘要

针对油气管道泄漏识别准确率低的问题，引入数字孪生技术，构建了基于算术优化算法优化支持向量机(AOA-SVM:Arithmetic Optimization Algorithm-Support Vector Machine)的数字孪生管道泄漏识别模型。首先利用Ansys软件构建出油气管道的3D ROM(3D Reduced Order Model)管道模型；其次将采集到的管道信号通过Java接口导入MySql数据库，进而将数据导入3D ROM管道模型中；最后将AOA-SVM算法在Matlab环境中进行管道信号的工况识别，并通过Twin builder软件将其识别效果以动态形式展现。为体现AOA-SVM工况识别能力的优越性，在相同信号的基础上，与其他支持向量机(SVM:Support Vector Machine)优化算法进行了对比。对比结果表明AOA-SVM具有最高的分类准确率，分类准确率可达到90.5%,即所提数字孪生的识别模型不仅可以模拟管道的泄漏情况，而且监测可信度较高。