多层融合的管道泄漏诊断技术研究

作者：王云飞; 梁伟; 张来斌

来源：中国安全科学学报, 2013, (08): 171-176.

• 油气管道
• 泄漏诊断
• D-S证据理论
• BP神经网络
• 基本概率赋值函数(BPAF)
• 多层次信息融合 oil and gas pipelines
• leak diagnosis
• Dempster-Shafer(D-S) evidence theory
• BP neural network
• basic probability assignment BPAF)
• multi-layer date fusion

针对传统油气管道泄漏监测和诊断准确率不高的问题,提出一种基于BP神经网络的多层D-S证据理论融合算法。用压力传感器、流量传感器、温度传感器等传感器监测管道泄漏信号。这些信号经预处理后输入到已训练好的BP神经网络。该网络的输出结果被用作各初始命题的基本概率赋值函数(BPAF)。再用多层D-S证据理论,将不同源、不同测点以及不同时刻的传感器信息依次进行融合。并将此方法并应用于实验室中,模拟管道泄漏的检测和诊断。试验结果表明,用多层D-S证据理论算法,能够有效提高管道泄漏诊断的准确率,降低泄漏识别的不确定性。

• 出版日期2013-8-15
• 单位中国石油大学（北京）