[发明专利]基于MATLAB工具箱的BP神经网络实现管件冲蚀缺陷的预测方法

权利要求书

1.基于MATLAB工具箱的BP神经网络实现管件冲蚀缺陷的预测方法，其特征在于包括以下步骤：

a、在MATLAB中建立管件冲蚀预测模型；

b、管件冲蚀速率预测神经网络模型的训练；

c、管件冲蚀速率预测模型预测结果的检验；

d、GUI界面的编制；

e、管件剩余寿命的预测。

2.根据权利要求1所述的基于MATLAB工具箱的BP神经网络实现管件冲蚀缺陷的预测方法，其特征在于：在所述的步骤a中，在建立管件冲蚀预测模型时，对非数值型数据进行处理，这些数据包括生产厂家、管件的规格型号。

3.根据权利要求2所述的基于MATLAB工具箱的BP神经网络实现管件冲蚀缺陷的预测方法，其特征在于：根据模型输出参量的不同，分为一个输出的模型和多个输出的模型。

4.根据权利要求1所述的基于MATLAB工具箱的BP神经网络实现管件冲蚀缺陷的预测方法，其特征在于：所述的步骤b中，分别对每种管件建立一个预测模型，训练过程中BP神经网络的输出与实际输出之间的误差逐渐减小，直到达到最小误差。

5.根据权利要求1所述的基于MATLAB工具箱的BP神经网络实现管件冲蚀缺陷的预测方法，其特征在于：所述的步骤c中，定义误差计算公式如下：

用模型对新数据进行预测。

6.根据权利要求1所述的基于MATLAB工具箱的BP神经网络实现管件冲蚀缺陷的预测方法，其特征在于：所述的步骤d中，GUI界面的编制以基本的MATLAB程序设计为主设计编制GUI界面。

7.根据权利要求6所述的基于MATLAB工具箱的BP神经网络实现管件冲蚀缺陷的预测方法，其特征在于：所述的GUI界面使用方法为:

(1)将含有BP神经网络训练数据的“Finally”EXCEL文件夹独立放置于磁盘；

(2)在运行界面选择需要预测的管件；

(3)点击“训练”按钮开始训练BP神经网络预测模型；当模型训练完毕，即预测模型建立完毕，点击“训练”按钮再次进行训练，直到获得需要的预测模型后，停止训练；

(4)输入想要预测管件的累计运行时长、管件最高施工压力、管件平均压力、总液量、总砂量、总酸量、管件的规格、设备编号、加砂时间、酸化时间、生产厂家；

(5)点击“预测”按钮进行计算并将结果显示于界面上。

8.根据权利要求7所述的基于MATLAB工具箱的BP神经网络实现管件冲蚀缺陷的预测方法，其特征在于：将含有BP神经网络训练数据的“Finally”EXCEL文件夹独立放置于C盘，使之名称不可更改。

9.根据权利要求1所述的基于MATLAB工具箱的BP神经网络实现管件冲蚀缺陷的预测方法，其特征在于：所述的步骤e中，使用训练好的管件模型，输入各输入参量，其中设输入的管件累计运行时间为y1，预测出该时间点管件的壁厚h1，之后更改时间为y2，预测出一个壁厚h2；那么便能得到管件冲蚀的速率：

式中v—管件冲蚀速率，m/s。

10.根据权利要求9所述的基于MATLAB工具箱的BP神经网络实现管件冲蚀缺陷的预测方法，其特征在于：计算管件要求最小壁厚t_min，首先确定环向要求最小壁厚和轴向最小壁厚的值，选择他们中较大的一个作为管道要求最小壁厚；

式中P—管道设计压力，MPa；

D—管道外径，m；

σ_s—管材的最小屈服强度，MPa；

F—强度设计系数，取0.8；

φ—焊缝系数，取1.0；

β—2倍的泊松比；

这样得到管件的允许最小壁厚后，就能预测管件的剩余寿命；

式中y_s为管件剩余寿命，h；

t_x为管件当前壁厚，m。