[发明专利]一种基于决策树和神经网络的恒电位仪控制方法

说明书

一种基于决策树和神经网络的恒电位仪控制方法，包括以下步骤：根据线路极化电位的分布，设置正向极化电压平均值监测点区域及监测点相应的阈值；通过网络将采集的极化电位数据传递给恒电位仪数据采集系统；运用基于决策树的恒电位仪控制策略，分析管道沿线各个位置处的杂散电流的特征属性数据，由特征属性训练数据生成决策树，并通过特征属性测试数据对决策树进行裁剪生成目标决策树模型；利用生成的目标决策树模型对采集的数据分析处理；利用BP神经网络学习、记忆、训练和预测的功能，建立一个恒电位仪占空比预测模型。本发明基于决策树和神经网络的恒电位仪控制策略能够将极化电位控制在安全范围内，有效地防护杂散电流对于管道的腐蚀。

技术领域

本发明涉及恒电位仪控制技术领域，具体涉及一种基于决策树和神经网络的恒电位仪控制方法。

背景技术

随着科学技术和城市化的发展，大运量的轨道交通（地铁、轻轨）在城市中也扮演着越来越重要的作用，已经成为市民生活中不可或缺的部分。

电流通常是按照人们的要求在指定的导体中进行流动的，但是由于某些原因，一部分电流并不在指定的导体中流动，这种沿着指定路径之外流动的电流，称为杂散电流；杂散电流从金属体流出的地方将出现电解现象，这种电解现象会使金属体的温度升高，进而会加快了金属体的电化学腐蚀。在长期的杂散电流作用下，对金属构件的腐蚀破坏相当严重，易导致水管快速穿孔漏水、锈蚀，还易导致电缆挂钩打火、道钉生锈断裂等问题的发生，严重时可能发生管道漏泄和地铁设施寿命降低的状况，从而会造成巨大经济损失。

为了防止埋地管道的腐蚀，提高其使用寿命，阴极保护是目前防腐蚀的主要方法之一,而恒电位仪装置又是阴极保护系统的关键设备。对于区域范围内、分布密度高的埋地金属管道和金属设备，需要进行区域性的阴极保护。

现阶段的恒电位仪控制属于单点控制，只能控制管道上某一点的电位，而不能解决整条管线电位分布不均匀的状况。

发明内容

针对上述现有技术存在的问题，本发明提供一种基于决策树和神经网络的恒电位仪控制方法，该策略能根据实际情况对极化电位的监测数据进行处理来决定恒电位仪的投切使用，能解决整条管线电位分布不均匀的状况。

为了实现上述目的，本发明提供一种基于决策树和神经网络的恒电位仪控制方法，所述恒电位仪中包含有决策树模块和神经网络模块，通过决策树和神经网络模块的复合控制对恒电位仪的输出电压进行控制，具体包括以下步骤：

(1)根据线路极化电位的分布，设置恒电位仪的极化电压平均值监测点区域及监测点相应的阈值；

(2)通过网络将采集到的极化电位数据传输到恒电位仪的数据采集模块中；

(3)恒电位仪内部的数据处理模块分析监测的极化电位数据中极化电位为正的数据的比例，并根据所占比例确定特征属性训练数据；

(4) 决策树模块由步骤(3)中的特征属性训练数据生成决策树，并通过特征属性测试数据对决策树进行裁剪生成目标决策树模型；

(5)利用生成的目标决策树模型对采集到的极化电位数据进行分析处理，以此决定恒电位仪的投入使用，如若投入使用，那么进入步骤(6)，否则进入步骤(7)；

(6) 神经网络模块将过去某一时间段内监测到的极化电位数据及恒电位仪开关管的占空比作为学习样本，构建出一个神经网络模型，预测恒电位仪的当前开关管占空比；

(7)将极化电压监测数据再次应用于目标决策树模型，将监测部分、决策树和神经网络模块循环利用起来，形成一个自适应的恒电位仪控制系统。

进一步，所述特征属性训练数据至少能反应管道是否发生腐蚀以及腐蚀程度。