长输管道作为石油、天然气、水等重要物资的运输工具,已成为当今社会运输业必不可缺的重要组成部分。然而由于不可避免的老化、腐蚀及人为损坏等原因,管道泄漏频频发生,所产生的经济损失和环境污染也十分严重。因此管道泄漏的实时自动检测已成为世界重要的研究课题。对于管道泄漏检测研究至今已有很多种方法,总体而言可分为三类,即基于信息的方法、基于模型的方法和基于知识的方法。其中基于知识的方法近年来受到业界的普遍关注,其主要集中在神经网络和专家系统的应用上,但这些方法总的来说都有一定的不足之处。本文尝试性地将模糊神经网络应用于管道泄漏的检测中,主要进行了以下几方面的研究工作:1.通过对管道泄漏的机理研究,确定了以管道内的压力信号与流量信号作为泄漏检测的分析依据,并结合对管道泄漏检测的相关文献,借鉴其部分知识和实验数据,在构建了管道泄漏检测模糊神经网络的同时,建立模糊诊断规则库,并组织了学习样本。2.采用改进的BP算法对网络参数进行了训练,并以仿真实验对网络诊断结果进行了可靠性测试,验证了模糊神经网络管道泄漏检测的的有效。3.针对BP算法易受初始权值影的响陷入局部极小、收敛速度慢和引起振荡效应等缺点,引入遗传算法进行优化,仿真结果表明通过二者的有机的结合,可进一步提高管道泄漏检测的可靠性和泄漏量估计的准确性。4.考虑到故障征兆对模糊诊断规则的实际影响程度,也为了提高泄漏检测的快速性,文中还给出了网络剪裁的指导性方案。5.结合课题已完成的几种泄漏检测与定位方法的算法模块的特点,对管道泄漏检测系统软件总体实现,给出了多种方法综合进行泄漏检测与定位的简要表述。