基于优化BP神经网络的连续管疲劳寿命预测

TE925; 针对标准BP神经网络预测连续管疲劳寿命时容易陷入局部极小值和训练时间过长的缺点,利用有动量的梯度下降法、拟牛顿算法和一步正割算法分别对BP 神经网络进行优化.拟牛顿算法优化后的BP神经网络性能最佳.利用拟牛顿算法优化后的BP神经网络预测连续管疲劳寿命,并与标准试验结果进行对比研究.研究结果表明:拟牛顿算法优化后的BP 神经网络预测结果与标准试验结果最小相对误差率为 1.7%,最大相对误差率为 3.6%,满足工程精度要求.同时利用优化改进的标准BP 神经网络预测方法,提出连续管疲劳寿命区间预测.预测结果表明,所有的预测样本都处于合理的预测范围之内,证明了优化后BP 神经网络预测连续...

Full description

Saved in:
Bibliographic Details
Published in石油机械 Vol. 51; no. 10; pp. 144 - 149
Main Authors 窦益华, 张佳强, 李国亮, 韦亮, 曹银萍
Format Journal Article
LanguageChinese
Published 西安石油大学机械工程学院%中国石油西部钻探公司试油公司 2023
Subjects
寿命区间
fatigue life prediction
life interval
疲劳寿命预测
拟牛顿算法
BP neural network
method op-timization
BP神经网络
standard test
标准试验
连续管
方法优化
coiled tubing
quasi-Newton algorithm
Online AccessGet full text

Cover

More Information
Summary:TE925; 针对标准BP神经网络预测连续管疲劳寿命时容易陷入局部极小值和训练时间过长的缺点,利用有动量的梯度下降法、拟牛顿算法和一步正割算法分别对BP 神经网络进行优化.拟牛顿算法优化后的BP神经网络性能最佳.利用拟牛顿算法优化后的BP神经网络预测连续管疲劳寿命,并与标准试验结果进行对比研究.研究结果表明:拟牛顿算法优化后的BP 神经网络预测结果与标准试验结果最小相对误差率为 1.7%,最大相对误差率为 3.6%,满足工程精度要求.同时利用优化改进的标准BP 神经网络预测方法,提出连续管疲劳寿命区间预测.预测结果表明,所有的预测样本都处于合理的预测范围之内,证明了优化后BP 神经网络预测连续管疲劳寿命区间的可行性.所得结果可为连续管的疲劳寿命预测提供参考.
ISSN:1001-4578
DOI:10.16082/j.cnki.issn.1001-4578.2023.10.019