基于 PSO-FCM 的长输管道泄漏检测方法

吉林大学学报(信息科学版) ›› 2021, Vol. 39 ›› Issue (2): 185-191.

基于 PSO-FCM 的长输管道泄漏检测方法

张勇^a, 王臣^a, 王闯^b, 姜鑫蕾^a, 刘洁^a

东北石油大学 a. 物理与电子工程学院; b. 电气信息工程学院, 黑龙江大庆 163318

收稿日期:2020-02-18 出版日期:2021-04-19 发布日期:2021-04-27
作者简介:张勇(1974— ), 男, 吉林农安人, 东北石油大学副教授, 硕士生导师,主要从事信号与信息处理研究,(Tel)86- 13604594911(E-mail)dqpizy@163.com
基金资助:
国家自然科学基金资助项目(61873058); 黑龙江省自然科学基金重点资助项目(ZD2019F001)

Novel Detection for Long-Distance Pipeline Leakage Based on PSO-FCM

ZHANG Yong^a, WANG Chen^a, WANG Chuang^b, JIANG Xinlei^a, LIU Jie^a

a. School of Physics and Electronic Engineering; b. School of Electronic Engineering & Information,Northeast Petroleum University, Daqing 163318, China

Received:2020-02-18 Online:2021-04-19 Published:2021-04-27

摘要/Abstract

摘要： 为了提高长输管道泄漏检测的准确率, 将改进模糊 C 均值算法应用于长输管道泄漏检测研究。在传统模糊 C 均值算法的基础上引入粒子群算法, 对其寻找聚类中心的迭代过程进行优化, 用粒子群算法替代模糊C 均值的梯度下降法, 以提高模糊 C 均值算法的聚类效率和准确率。然后分别用所得的基于粒子群优化的模糊 C 均值聚类模型、传统模糊 C 均值聚类模型以及 3 层 BP(Back Propagation)神经网络分类模型对同一组管道泄漏检测实验数据进行处理。对比实验结果证明, 基于粒子群优化的模糊 C 均值算法其性能优于传统的模糊C 均值算法和 3 层 BP 神经网络, 将其模型应用于长输管道泄漏检测的方案可行。

关键词: 粒子群算法, 模糊 C 均值, 长输管道泄漏检测

Abstract: In order to improve the accuracy and efficiency of leakage detection for long-distance pipeline, the modified fuzzy C-means algorithm is applied. Particle swarm optimization algorithm is introduced to optimize the troditional fuzzy C-means algorithm, which is used to represent the gradient descent so as to improve the efficiency and accuracy of fuzzy C-means algorithm. Then the proposed fuzzy C-means algorithm is used to analyze the same group of pipeline leakage experimental data compared with troditional fuzzy C-means algorithm and 3-layer BP (Back Propagation) neural network. The result proves that the proposed fuzzy C-means algorithm has a better property than the other two algorithms, so it is feasible to apply the PSO-based Fuzzy C-Means model in pipeline leakage detection.

Key words: particle swarm optimization, fuzzy c-means, long-distance pipeline leakage detection

中图分类号:

TP206

张勇, 王臣, 王闯, 姜鑫蕾, 刘洁. 基于 PSO-FCM 的长输管道泄漏检测方法[J]. 吉林大学学报(信息科学版), 2021, 39(2): 185-191.

ZHANG Yong , WANG Chen , WANG Chuang , JIANG Xinlei , LIU Jie. Novel Detection for Long-Distance Pipeline Leakage Based on PSO-FCM[J]. Journal of Jilin University (Information Science Edition), 2021, 39(2): 185-191.

[1]	刘玉敏, 高松岩. 混合粒子群算法在地震波阻抗反演中的应用[J]. 吉林大学学报(信息科学版), 2018, 36(5): 531-538.
[2]	孟钏楠，隋阳，张杰，王悦，董玮，张歆东，阮圣平. 基于YSPSO-ＲBFN 的布里渊散射谱特征提取[J]. 吉林大学学报(信息科学版), 2018, 36(4): 372-380.
[3]	康朝海,李鹏娜,张永丰,陈建玲. 基于混合蛙跳粒子群算法的 TSP 问题求解[J]. 吉林大学学报(信息科学版), 2017, 35(5): 498-506.
[4]	陈倩,李华涛,于银辉 . 基于功率控制的异构蜂窝网络基站节能机制[J]. 吉林大学学报(信息科学版), 2017, 35(1): 14-19.
[5]	任晓琳,李洪文 . 复杂多关节机械臂建模及逆运动学比较分析[J]. 吉林大学学报(信息科学版), 2016, 34(6): 753-760.
[6]	梅钦, 许芳, 陈虹, 李宗俐. 基于FPGA 的车辆横摆稳定预测控制器设计实现[J]. 吉林大学学报(信息科学版), 2016, 34(3): 359-366.
[7]	邢吉生, 武海巍. 基于支持向量机的啤酒企业能源消耗预测模型[J]. 吉林大学学报(信息科学版), 2014, 32(6): 664-669.
[8]	王琼, 王磊, 任伟建. 基于FPSO-SA算法的威布尔分布参数估计研究[J]. 吉林大学学报(信息科学版), 2014, 32(5): 476-483.
[9]	马建华\|张星奇\|张辉. 参数优化支持向量机的人参价格预测模型[J]. J4, 2012, 30(2): 218-222.
[10]	刘伟, 赵丹, 孙宏伟. 基于新型Memetic算法的多目标优化[J]. J4, 2012, 30(2): 131-137.
[11]	杨柳, 刘铁英, 李雪莲. 混合群智能算法在模体识别中的应用[J]. J4, 2012, 30(1): 56-59.