基于改进的授粉算法,对天然气管道缺陷进行智能识别
Yiqiong Gao1, Zhengshan Luo1, Yuchen Wanng1
1School of Management, Xi'an University of Architecture and Technology, Xi'an, Shanxi, China.
PloS one
|July 27, 2023
概括
改进的花粉算法 (IFPA) 与极端学习机器 (ELM) 结合,提高了管道缺陷识别的准确性. 这种IFPA-ELM模型显著提高了管道腐蚀和裂的检测率,确保了更安全的操作.
科学领域:
- 工程 工程师 工程师 工程师
- 计算机科学 计算机科学
- 材料科学 材料科学 材料科学
背景情况:
- 管道完整性对于安全的天然气运输至关重要,但老化的基础设施面临着腐蚀和裂等缺陷.
- 准确识别这些管道缺陷对于保持运营效率和防止故障至关重要.
研究的目的:
- 开发一种增强的算法,以准确有效地识别管道缺陷.
- 提高搜索能力,克服传统算法在缺陷检测方面的局限性.
主要方法:
- 通过适应性调整转换概率和高斯基突变策略,开发了一种改进的花授粉算法 (IFPA).
- IFPA与极端学习机器 (ELM) 集成,以优化初始权重和缺陷识别值.
- 拟议的IFPA-ELM模型的性能使用基准函数进行了验证,并与现有方法进行了比较.
主要成果:
- IFPA-ELM模型在识别各种管道缺陷方面表现出卓越的性能,实现分别97%和96%的识别率.
- 这与传统的FPA和FPA-ELM方法相比显著改善,分别增加了34%和13%.
- IFPA-ELM有效地解决了FPA中的局部最佳收问题和ELM中的过拟合问题,从而提高了识别准确性.
结论:
- IFPA-ELM模型为智能管道缺陷诊断提供了强大而准确的解决方案,解决了实际的工程挑战.
- 增强的花花授粉算法 (IFPA) 显示出在复杂的工程优化问题中具有更广泛应用的潜力.
- 在时间,参数和一般适应性方面进一步优化IFPA可以扩大其在不同领域的实用性.
