基于DCPSO的模糊神经网络的管道泄漏检测方法

提出了一种基于发散-收敛PSO(DCPSO)优化模糊神经网络的管道泄漏检测与估计方法。该方法采用广义概率积、广义概率和模糊算子代替普通神经网络中的传递函数,并用DCPSO算法对该模糊神经网络的权值进行优化。通过实际管道泄漏数据对网络进行仿真研究,结果表明文中所述方法在管道泄漏的检测与估计中,不仅比BP算法具有更快的收敛速度,其结果也更优,进而也昭示出该方法在管道泄漏检测与估计中的可用性。

基于裁剪后的DCPSO-FNN在管道泄漏检测中的效果探讨

DCPSO-FNN是一种基于发散-收敛PSO(DCPSO)优化模糊神经网络(FNN)的管道泄漏检测与估计方法。该方法采用广义概率积、广义概率和模糊算子代替普通神经网络中的传递函数,并用DCPSO算法对该模糊神经网络的权值进行优化。本文对DCPSO-FNN进行了网络裁剪,并将裁剪后的网络应用于管道泄漏检测与估计中。通过实际管道泄漏数据对裁剪后的网络进行仿真研究,结果表明裁剪后的DCPSO-FNN比裁剪前有更高的检测效率。