您当前的位置： 首页 > 论文 > 2024,55(02) > 土木工程
基金项目:
山西省重点研发计划资助项目（201903D321043）
分类号:
TU687
DOI:
10.16355/j.tyut.1007-9432.20220606
期刊号:
2024,55(02)
收稿日期:
修回日期:
| 通讯作者 | 单位 |
| 段鹏飞 | 太原理工大学土木工程学院 |
摘要:
【目的】研究目前传统BP（back propagation）模型对热网泄漏故障诊断过程中存在故障识别率低、收敛速度慢以及易陷入局部极值等问题。【方法】提出了一种基于遗传蚁群（genetic algorithm-ant colony optimization，GA-ACO）算法优化的BP模型。利用GA算法的交叉变异算子改进了信息素初始值，通过ACO算法提高了模型的迭代速度以及最优解的寻找，优化了BP模型的初始权值和阈值，并通过系统仿真软件将此模型应用到热网泄漏故障诊断中。【结果】结果表明：相比于传统BP模型和GA-BP模型，GA-ACO-BP模型具有更快的收敛速度，预测值更加接近期望值且误差更小，有效提高了热网泄漏故障的预测精度，能够实现对泄漏故障快速、准确的诊断和定位。
关键字:
热网泄漏；BP神经网络；遗传算法；蚁群算法；故障诊断;