结合BP神经网络与改进粒子群的管道应力场反演研究

摘要

为了保障输气站管道系统稳定运行，针对管道应力场难以实时反演的问题，提出了一种融合BP神经网络代理模型与改进粒子群优化算法的应力场反演方法。首先，根据有限元模型使用BP神经网络建立了载荷-应变代理模型，代理模型与有限元计算的平均相对误差为0.010 4%,大幅减少了计算时间。之后，提出了改进粒子群优化算法，通过引入传感器筛选策略降低了反演载荷和应变误差，减小了传感器受环境影响产生的误差。实验表明：该方法在3次加载实验中效果良好，反演载荷平均误差为6.64%,大于200με传感器平均误差为6.15%,应变预测平均误差为4.04%,为管道系统数字孪生模型的实时监测与安全评估提供了高效技术方案。

关键词

数字孪生 / 油气管道 / 代理模型 / 粒子群算法 / 应力场反演

基金资助

国家自然科学基金项目(52471351)