文档介绍：石油化工腐蚀与防护
专论 C or osio & Pro tec ti on in Pe troc hem ieal In dus 坷
2 0 0 , 2 7 ( 6 )
2 4
基于 BP 神经网络的腐蚀管道可靠性分析
魏同捧李丽茹
(渤海船舶职业学院材料工程系,辽宁葫芦岛 12 5以X) )
摘要:利用BP 人工神经网络算法建立基于 BP 神经网络腐性管道失效预测模型
通过 BP 神经
网络拟合极限状态方程,借助神经网络的函数映封关系产生大量的极限状态函数值, 作为下一步的分
析数据
采用蒙特卡洛法随机抽样的思路,对大范围的数据进行概率分析, 通过概率分析得到极限状
态函数值的均值和标准差, 求得腐蚀管道可靠性指标, 解决了腐蚀管道的可靠性分析问题
关键词:腐蚀失效 BP 神经网络蒙特卡洛法
中图分类号:咒 174. 4 文献标识码:A 文章编号:1
X) 7 一01 5x( 20 10) 肠习
卫4 一仍
管道输送是石油运输的主要方式, 国内的油气络
BP 网络
径向基函数
自组织网络和回归网络
管道大多建于 20 世纪七八十年代, 已进人事故多等网
它针对各类网络模型,集成了许多神经网络
发期, 因此, 有必要对在役管道进行安全性评价
学习算法, 既可使初级用户学习各种算法, 也可使
腐蚀是造成油气长输管道事故的主要原因之一,腐高级用户直接应用该工具箱进行相应的研究
蚀极有可能大面积减薄管道的壁厚,从而导致过度
变形或破裂, 也有可能直接造成管道穿孔, 或应力 2 腐蚀管道失效预测模型的建立
腐蚀开裂,引发漏油
漏气事故, 因此,对腐蚀管道 网络结构的确定
的失效概率进行评定, 具有重要意义
输人层与输出层设计
腐蚀管道的失效概率分析是一个复杂且耗时研究目的是建立影响腐蚀管道处的最大应力
很多的工作,受多种不确定因素的限制,所求解的值的因素与最大应力关系的模型,利用该模型对腐
极限状态方程往往是非线性的
此时,直接应用大蚀管道的失效进行预测
按照这一要求, 输人层应
多数可靠性方法都会遇到困难
而该文采用了蒙是影响最大应力值的因素个数,输出层是腐蚀管道
特卡洛法的思想,通过 BP 神经网络拟合极限状态处的最大应力
因此, 确定该 BP 神经网络的输人
函数的方法来解决腐蚀管道的失效概率问题
层 5 个节点,分别代表壁厚
腐蚀长度
腐蚀深度
屈服应力
输送压力等因素;输出层 1 个节点, 代表
1 BP 神经网络结构腐蚀管道处的最大应力
BP 网络是一种多层前馈神经网络, 由输人层
隐含层单元数目的设计
隐含层和输出层组成
层与层之间采用全互连方对于做函数映射的 BP 神经网络,隐含层神经
式, 同一层之间不存在相互连接, 隐含层可以有一元个数与要逼近的函数的精度和函数本身的波动
个或多个
构造一个 BP 网络需要确定其处理单情况有关, 对于粗略映射的 BP 神经网络, 隐含层
元一神经元的特性和网络的拓扑结构川
神经元单元个数一般根据以下经验公式确定:
是神经网络最基本的处理单元,隐层中的神经元采 m 毛了N x (L 一3) + l (l)
用 S 型变换函数