一种广义回归神经网络城市燃气管道泄漏定位分析方法

摘要

本发明公开了一种广义回归神经网络城市燃气管道泄漏定位分析方法，基于GRNN技术，结合声波法泄漏检测原理，针对城市燃气管道特点，改进了声波法定位计算公式，并根据实测管道介质入口、出口的压力、温度和流量，结合管道相关参数和声波法定位机理，得到管道沿途的温度、波速、和理论时间差分布。以管道进出口压力、温度、流量8个等数据作为输入变量，以泄漏检测定位值为神经网络的输出变量，编制神经网络训练预测代码，构建GRNN预测模型，实现更为精确的泄漏定位。结果表明该方法定位精度高，能够实时、可靠地解决泄漏定位问题。

主权项

一种广义回归神经网络城市燃气管道泄漏定位分析方法，其特征在于：包括以下步骤：(1)在所述城市燃气管道的上游和下游安装压力传感器；(2)根据上、下游压力传感器接收到同一声波的时间差以及该声波在管道介质中的传播速度进行定位：$x=\frac{L-\mathrm{v\Delta t}}{2}---\left(1\right)$式中：x：泄漏定位值，即泄漏点到上游压力传感器的距离(m)；L：两压力传感器之间的距离(m)；v：声波在泄漏燃气管道中的传播速度(m/s)；Δt：泄漏声波从泄漏点到达上、下游压力传感器之间的时间差(s)；其中，燃气管道泄漏声波的波速v的计算公式为：$v(T,p)=\frac{1}{\sqrt{{\alpha }_p(T,p)\rho (T,p)}}---\left(2\right)$式中α_p为气体压缩系数，Pa^‑1；ρ为气体密度，kg/m³；T为温度，K；p为压强，10⁵Pa；从泄漏点x处产生的泄漏声波传播到上、下游压力传感器的理论时间差Δt的计算公式如下：$\mathrm{\Delta t}={\int }_0^x\frac{1}{v\left(x\right)}\mathrm{dx}-{\int }_x^L\frac{1}{v\left(x\right)}\mathrm{dx}---\left(3\right)$(3)将与步骤(2)的理论时间差Δt和波速v有关的参数作为神经网络的输入变量，以泄漏定位值x作为神经网络的输出变量，开始广义回归神经网络训练；(4)根据公式(1)、(2)、(3)建立x＝f(v,Δt)的对应关系；(5)计算实际时间差，代入训练好的广义神经网络进行预测分析；(6)得出定位结果。