一种天然气掺氢管道弯头冲蚀预测方法及系统

本发明涉及冲蚀预测，特别是一种天然气掺氢管道弯头冲蚀预测方法及系统。

背景技术：

1、天然气掺氢管道内的腐蚀颗粒的冲蚀磨损是细小的松散腐蚀颗粒以一定的速度或角度冲击管道壁面而引起的壁面受损的现象或过程，经过长期运行，会造成管道及设备内壁累积冲蚀磨损。天然气掺氢管道输送的天然气及氢气中不可避免地携带部分腐蚀颗粒，另外，管道实际运行过程中，上游管壁腐蚀产物会从壁面脱落，这些颗粒随介质的输送会对管壁、装置内壁造成一定程度的冲蚀磨损。长输天然气掺氢管道中，气流携带的颗粒与管道壁面发生碰撞，造成冲蚀破坏，尤其是对于弯管等流向改变的部件，大大降低管道的使用寿命。这种结果会导致严重的经济影响，甚至可能带来安全风险。精准的冲蚀模型对冲蚀的预测以及管道更换部件，防止管道因损坏而造成泄漏具有指导作用。因此，建立高精度的弯头冲蚀预测模型对于保证气固两相流气动输送系统安全稳定运行至关重要。近年来，国内外开展了一系列关于管道冲蚀的研究工作，主要集中在实验研究和数值计算两方面。

2、冲蚀实验系统有效地模拟了多相流管道冲蚀工况，便于研究管道内不同流态的冲蚀行为。然而，实证研究方法往往受到人为误差、环境干扰等因素的影响。它需要大量的劳动力和物质资源，限制了进行许多实验的可行性。

3、随着计算流体力学(cfd)的发展，数值模拟方法有效地解决了实验方法的局限性，基于cfd的冲蚀计算方法不仅可以计算管道冲蚀分布，还可以求解管道内的流体和颗粒分布。因此，它作为一种较为完善、准确的冲蚀预测方法得到了越来越多的应用。上述计算方法虽然能更全面、真实地模拟多相流冲蚀过程，但其计算速度慢，难以收敛。对仿真计算能力和仿真建模要求较高，无法实现管道冲蚀速率的快速预测，不利于实时分析和优化。

4、随着计算机领域的不断探索，人工智能在众多工程应用中得到了广泛的应用。一些研究者将人工智能中的机器学习方法应用到冲蚀预测中，试图从数据驱动的角度建立相应的冲蚀预测模型，然而，传统的机器学习模型目前在处理包含复杂非线性关系的数据集时表现出局限性，元启发式算法可以根据数据集特征自动确定最优的模型参数配置，从而提高模型的性能效能，具有较强的寻优能力，收敛速度快，性能优良。采用深度学习结构作为特征提取层，对提取的数据特征进行深入挖掘。回归层采用增加核函数的机器学习模型来提高预测精度。

技术实现思路

1、鉴于上述存在的问题，提出了本发明。

2、因此，本发明所要解决的问题在于：传统的机器学习模型目前在处理包含复杂非线性关系的数据集时表现出局限性。

3、为解决上述技术问题，本发明提供如下技术方案：一种天然气掺氢管道弯头冲蚀预测方法，其包括，获取多组管道弯头冲蚀的实验数据，并对数据中由相同实验情况下多次实验产生的不同预测结果进行均值处理，建立出数据集，对数据集进行归一化处理，并按7:3的比例进行训练集和测试集的划分；确定kelm的核函数及相应的核参数，设置bpnn和kelm的初始参数，基于coa算法，引入混沌映射和robl策略进行种群初始化，设置coa的种群大小、迭代次数、搜索空间的上限和下限，随机生成一个初始种群，创建相对于初始种群的个体，计算每个个体的适应度值，迭代次数加1，比较相对个体与原始个体的适应度，保留最合适的个体，更新种群个体；引入levy飞行因子计算步长，采用soa算法进行搜索，同时在局部搜索阶段引入自适应t分布方差扰动策略，找到最优解，更新个体位置，确定是否达到了最大迭代次数，若达到则输出bpnn-kelm的最优参数，否则继续迭代；设定kelm参数范围，采用改进的coa算法确定最优预测模型的模型参数，并利用该模型进行预测，获得新的预测结果，对新的预测结果进行反归一化得到实际预测结果。

4、作为本发明所述一种天然气掺氢管道弯头冲蚀预测方法的一种优选方案，其中：所述管道弯头冲蚀的实验数据包括管道材料硬度、管道直径、管道曲率半径、颗粒直径、气体流速、气体黏度、管道最大冲蚀率和天然气的掺氢比。

5、作为本发明所述一种天然气掺氢管道弯头冲蚀预测方法的一种优选方案，其中：所述核函数包括高斯核函数和sigmoid核函数，表示为，

6、

7、其中，γ表示为高斯函数的核参数；kelm的隐式层采用核映射，隐含层神经元与输出层神经元的连接权为β，在β的解中引入常数c提高模型稳定性，表示为，

8、

9、

10、其中，ei表示为训练误差，h(x)表示为隐层特征映射函数，上角标t表示为矩阵的转置；β表示为，

11、β＝ht(i/c+hth)-1y

12、将隐式映射代替kelm中原有的显式映射函数，即构造核矩阵代替hth表示为，

13、ωelm＝hht

14、

15、则网络输出表示为，

16、

17、其中，h表示为隐层输出矩阵，i表示为隐层神经元个数，y表示为样本的输出数据，ωelm表示为核矩阵，k(xi,xj)表示为核函数。

18、作为本发明所述一种天然气掺氢管道弯头冲蚀预测方法的一种优选方案，其中：所述引入混沌映射包括，采用singer混沌映射进行数据初始化表示为，

19、

20、其中，xi+1表示为迭代后的分布，xi表示为初始分布；

21、采用robl策略进行种群初始化表示为，

22、

23、其中，xi,j表示为当前种群中第i个个体在第j维的位置，表示为其折射逆解，pj和oj分别表示为搜索空间第j维的最小值和最大值，q表示为种群总数；coa算法中coati为算法的种群成员，每个coati在搜索空间中的位置决定了决策变量的值，对coatis位置进行随机初始化，

24、

25、其中，xi表示为第i个coati在搜索空间中的位置，表示为第j个决策变量的值，n表示为coati的个数，m表示为决策变量的个数，r表示为区间[0,1]内的随机实数，lbj和ubj分别表示为第j个决策变量的下界和上界；coa种群矩阵表示为，

26、

27、在决策变量中放置候选解会导致对问题的目标函数产生不同值的评估，这些不同值表示为，

28、

29、其中，f表示为得到的目标函数的向量，fi表示为基于第i个coati得到的目标函数值。

30、作为本发明所述一种天然气掺氢管道弯头冲蚀预测方法的一种优选方案，其中：所述引入levy飞行因子计算步长表示为，

31、

32、

33、

34、

35、其中，μ和v服从标准正态分布，ε＝1.5，取值为1；所述采用soa算法进行搜索表示为，

36、sp(t)＝ebl·cos(2πl)

37、

38、其中t表示为一个时隙，包含一个参数自由度mz，t表示为总时隙数，t分布的概率密度函数表示为，

39、

40、其中，γ()表示为ii型欧拉积分，b表示为螺旋系数，l取值范围为[-1,1]。

41、作为本发明所述一种天然气掺氢管道弯头冲蚀预测方法的一种优选方案，其中：所述找到最优解包括，coa算法为模拟长鼻浣熊自然行为的算法，在进行寻优时模拟长鼻浣熊攻击鬣蜥的行为，假定种群中最佳成员的位置是鬣蜥的位置，coatis从树上升起的位置用公式进行数学模拟表示为，

42、

43、在鬣蜥落地后，将鬣蜥放置在搜索空间的任意位置，基于这个随机位置，地面上的浣熊在搜索空间中移动，模拟成公式表示为，

44、

45、

46、

47、

48、每个coati更新位置的条件表示为，

49、

50、其中，表示为第i个长鼻浣熊的新位置计算，表示为的j维度，表示为目标函数值，iguana表示为鬣蜥在搜索空间的位置，iguanaj表示为iguana的j维度，iguanag表示为鬣蜥在地面上的位置，是随机生成的，表示为iguanag的第j维，表示为iguanag的目标函数的值，{.}表示为最大整数函数；当进入开发阶段时，对浣熊在遇到捕食者和逃离捕食者时的自然行为进行模拟，并引入自适应t分布方差扰动，公式表示为，

51、

52、

53、i＝1,2,…,m,j＝1,2,…,m.

54、更新位置的条件表示为，

55、

56、其中，表示为第i个长鼻浣熊的新位置计算，基于第二阶段的表示为的j维度，表示为的目标函数值，和分别表示为第j维局部下界和局部上界，lbj和ubj分别表示为决策变量第j维的下界和上界的。

57、作为本发明所述一种天然气掺氢管道弯头冲蚀预测方法的一种优选方案，其中：所述反归一化表示为，

58、y＝yi·yvar+ymean

59、其中，y表示为模型输出经归一化处理后的实际值，yi表示未经归一化出来的模型输出值，yvar表示为模型输出序列的方差，ymean表示为模型输出序列的均值。

60、本发明的另外一个目的是提供一种天然气掺氢管道弯头冲蚀预测系统，此系统可对天然气掺氢管道弯头的冲蚀程度进行预测。

61、为解决上述技术问题，本发明提供如下技术方案：一种天然气掺氢管道弯头冲蚀预测方法的系统，包括：数据采集模块、种群初始模块、种群搜索模块和预测模块；所述数据采集模块用于采集数据并构建数据集，获取多组管道弯头冲蚀的实验数据，并对数据中由相同实验情况下多次实验产生的不同预测结果进行均值处理，建立出数据集，对数据集进行归一化处理，并按7:3的比例进行训练集和测试集的划分；所述种群初始模块用于初始化种群，确定kelm的核函数及相应的核参数，设置bpnn和kelm的初始参数，基于coa算法，引入混沌映射和robl策略进行种群初始化，设置coa的种群大小、迭代次数、搜索空间的上限和下限，随机生成一个初始种群，创建相对于初始种群的个体，计算每个个体的适应度值，迭代次数加1，比较相对个体与原始个体的适应度，保留最合适的个体，更新种群个体；所述种群搜索模块用于搜索并找到最优解，引入levy飞行因子计算步长，采用soa算法进行搜索，同时在局部搜索阶段引入自适应t分布方差扰动策略，找到最优解，更新个体位置，确定是否达到了最大迭代次数，若达到则输出bpnn-kelm的最优参数，否则继续迭代；所述预测模块用于获取预测结果，设定kelm参数范围，采用改进的coa算法确定最优预测模型的模型参数，并利用该模型进行预测，获得新的预测结果，对新的预测结果进行反归一化得到实际预测结果。

62、一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如上所述一种天然气掺氢管道弯头冲蚀预测方法的步骤。

63、一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述一种天然气掺氢管道弯头冲蚀预测方法的步骤。

64、本发明有益效果为：本发明可以提高天然气掺氢管道弯头的冲蚀预测的准确性，进而保证天然气掺氢管道输送的安全生产，同时避免了避免经济损失与生产效率的下降。

65、本发明采用改进的coa算法进行预测，增强种群多样性，提高了种群的空间搜索能力以及算法的搜索能力和计算精度。丰富了个体路径搜索方法，提高了算法搜索的效率，同时还防止算法陷入局部最优。