高丙坤，郑仁谦，尹淑欣，张 莉，岳武峰

（东北石油大学 电气信息工程学院，黑龙江 大庆　163318）

基于RBF神经网络的天然气管道泄漏检测技术研究

高丙坤，郑仁谦，尹淑欣，张 莉，岳武峰

（东北石油大学 电气信息工程学院，黑龙江 大庆163318）

为了正确判断管道是否发生泄漏，本文采用混合学习方法对网络进行训练学习。通过将管道运行参数作为神经网络的输入，管道运行状态作为神经网络的输出，实现两者的非线性映射，以此来判断输入信号是否为泄漏信号，并选用K-means聚类方法和递推最小二乘法来确定网络参数。通过用天然气管道运行的实测数据对RBF神经网络进行了训练和测试，得到结果误差在可接受的范围内，从而证明RBF神经网络的方法可用于天然气管道泄漏检测的研究。

径向基函数（RBF）；聚类方法；非线性映射；泄漏检测

在天然气管道运输过程中，要对管道的泄漏情况进行实时监测，就要建立管道运行参数与管道运行状态二者关系的模型，但二者之间的关系无法用显式的线性函数来表达，而人工神经网络［1-3］理论打破了传统的思维模式，建立了良好的非线性模型。将神经网络应用于管道泄漏检测的研究开始于上个世纪末，根据其处理参数和应用背景的不同，主要介绍以下几种方法。北京大学的唐秀家，颜大椿等研究了管道泄漏后产生的力波在管道内传播的机理，首次将泄漏信号的特征值作为神经网络的输入数据，构建了神经网络模型对管道运行状况进行分类，进而判断管道是否发生泄漏［4-5］。……