基于CABC-BP模型的供热管网泄漏诊断研究

针对人工蜂群算法(artificial bee colony algorithm,ABC)在供热管网泄漏检测中收敛速度慢,且易陷入局部最优解的问题,利用混沌算法遍历性、规则性的特点,采用Logistic混沌映射对人工蜂群算法初始蜜源的选择策略和侦查蜂的搜索策略进行优化改进,提出了一种基于混沌蜂群算法(chaotic artificial bee colony algorithm,CABC)优化BP神经网络的供热管网泄漏诊断模型。通过对4个标准测试函数进行仿真验证,并与ABC算法相比,验证了其可行性。将CABC算法用于供热管网泄漏故障诊断中,采用该算法优化BP神经网络的权值和阈值,利用BP神经网络自学习的特点确定泄漏的具体管段以及泄漏点具体位置。实验结果显示,相对于ABC-BP模型和传统BP模型,CABC-BP模型对供热管网泄漏诊断精度显著提高,一级网络诊断准确率为98.33%,二级网络诊断准确率为95.83%,诊断误差均在5%以内。