内腐蚀海底管道剩余强度的FOA-GRNN模型

发布时间：2024-02-23 20:37

　　为探究内腐蚀海底管道剩余强度,保证管道安全运营,基于管道壁厚、直径,腐蚀深度、长度、宽度和极限抗拉强度等影响因素,提出果蝇优化算法(FOA)优化广义回归神经网络(GRNN)的剩余强度计算方法,应用GRNN构建剩余强度预测模型;采用FOA优化模型,人为设置光滑因子的负面影响;通过有限元模拟生成影响因素和剩余强度数据库,并采用FOA-GRNN模型训练和预测;以巴西国家石油研究中心的极限强度爆破试验数据为例,分析验证预测模型。结果表明:FOAGRNN模型对有限元模拟数据的剩余强度预测平均相对误差(ARE)为16.53%,对试验数据预测ARE为7.81%,预测结果合理、准确。

【文章页数】：6 页

【部分图文】：

图1GRNN的拓扑结构

模型网络为固定4层结构，如图1所示。各层处理输入信息时都使用1个特定函数实现非线性回归计算过程，其中输入层主要用于接受数据信息，接受数据信息Ui(i=1,2，…，n)直接传输到模式层;模式层每一个节点产生一个输出值Pj(j=1,2，…，m)，求和层对Pj求和，基于求和结果得到输出....

图2内腐蚀海底管道应力云图

根据不同管道壁厚t(mm)、管道直径B(mm)、腐蚀深度d(mm)、腐蚀长度L(mm)、腐蚀宽度W(mm)以及极限抗拉强度σμ(MPa)作为基础变量进行有限元模拟，其中，t、B和σμ体现为管道原有强度;L、W和d表示对管道强度的破坏性影响。在传统评价准则中，以上6个变量为计算极限....

图3果蝇迭代寻优轨迹

基于有限元模拟样本数据，建立剩余强度的GRNN结构，其中输入层为建立有限元模拟的输入参数，即:t、B、d、L、W以及σμ。该层设6个节点;训练数据为30组，对应模式层节点数为30;输出层为1个节点，即管道的剩余强度，求和层为2个节点。通过FOAξb最优取值。设初始化果蝇群体的随机....

图4不同计算方法结果对比

比较FOA-GRNN模型预测结果与ABAQUS仿真值、ASMEB31G、改进ASMEB31G(MB31G)、DNV、PCORRC方法计算结果，如图4所示。由图4可知:以上方法预测结果均小于有限元仿真值，说明以上几种方法均有一定误差。其中ASMEB31G误差最大;改进的ASM....

本文编号：3907936