[发明专利]一种管道中腐蚀点的参数测量方法及其设备

权利要求书

1.一种管道中腐蚀点的参数测量方法，包括：

获取包含多个训练样本的集合，其中，所述训练样本对应于预先被确定的腐蚀点，所述训练样本以腐蚀深度h和腐蚀半径r为特征，以训练样本的电场指纹特征值为标签；

根据所述集合中的训练样本，对神经网络模型的参数的初始值进行调整，得到所述参数的目标初始值，具体包括：

确定包含多个待训练编码的编码集合，所述待训练编码中包含与所述参数一一对应的编码片段；

对所述待训练编码采用实数编码，确定所述待训练编码；根据所述集合中的训练样本，对所述待训练编码进行调整，具体包括：确定包含所述待训练编码所对应的参数的所述神经网络模型对于所述训练样本的预测输出和期望输出，确定目标函数其中，O_jk为第j个训练样本在第k个输出层节点的预测值；Y_jk为第j个训练样本在第k个输出层节点的期望输出；n为训练样本数量，K₀为预定义的常数；将所述目标函数的倒数确定为适应度函数F＝E^—1，用于确定每个待训练编码的适应度；根据调整后的待训练编码得到所述参数的目标初始值；其中，所述待训练编码的长度根据所述神经网络模型的拓扑形式确定：S＝n₁×n₂+n₂×n₃+n₂+n₃，其中，n₁为所述神经网络模型的输入层节点数、n₂为隐含层节点数、n₃为输出层节点数，S为待训练编码的长度，所述参数的初始值包括神经网络中输入层与隐含层之间的初始权值、隐含层与输出层之间的初始权值、隐含层神经元的初始阈值或者输出层神经元的初始阈值中的至少一个；

根据所述集合中的训练样本，对包含所述参数的目标初始值的神经网络模型进行训练，当达到预设的训练截止条件时，确定此时的神经网络模型为目标模型；

获取待预测的腐蚀点的电场指纹特征值，基于所述目标模型预测所述待预测的腐蚀点的腐蚀深度h和腐蚀半径r。

2.如权利要求1所述的方法，所述腐蚀点的电场指纹特征值，通过如下方式得到：

确定管道中的腐蚀点所对应的两个电极所组成的电极对；

获取所述电极对中的两个电极的电压差，将所述电压差确定为所述电极对的测量特征值；

根据所述电极对所对应的测量特征值和预设的标准特征值确定该电极对的电场指纹特征；

将该电极对的电场指纹特征确定为所述腐蚀点的电场指纹特征。

3.如权利要求2所述的方法，根据所述电极对所对应的测量特征值和预设的标准特征值确定该电极对的电场指纹特征，包括：

针对第i个电极对，采用如下方式确定电场指纹特征FC_i，其中，U₂为第i个电极对的测量特征值，U₁为第i个电极对的标准特征值，k为预设的放大系数。

4.如权利要求1所述的方法，根据所述集合中的训练样本，对所述待训练编码进行调整，包括：

确定每个待训练编码被选中的概率为其中，F_i为第i个待训练编码的适应度。

5.如权利要求4所述的方法，根据所述集合中的训练样本，对所述待训练编码进行调整，包括：

从所述编码集合中随机选取两个待训练编码进行如下交叉操作，生成新的待训练编码：其中，和为随机选取的第i个和第j个待训练编码，和为生成的新的待训练编码；β为[0，1]之间的均匀分布的随机数，t为交叉操作的次数，l为所述第i个和第j个待训练编码交换编码的起始位置。

6.如权利要求5所述的方法，根据所述集合中的训练样本，对所述待训练编码进行调整，还包括：

确定变异的待训练编码中的参数所对应的编码片段的取值范围为[x_min，x_max]，对发生变异的待训练编码进行变异操作：其中，为变异后的待训练编码，为变异前的待训练编码，g为当前迭代次数；G_max为最大进化迭代次数；λ、η为[0，1]之间的均匀分布随机数。