-
公开(公告)号：CN110096790B
公开(公告)日：2022-05-20
申请号：CN201910349592.0
申请日：2019-04-28
Applicant: 东北大学
IPC: G06F30/27 , G06N3/04 , G06N3/08 , G06F113/14
Abstract: 本发明提供一种基于强化学习的不规则缺陷漏磁信号反演方法，涉及输油管道缺陷漏磁检测技术领域。本发明为产生一个估计的缺陷形状并将其输入正向物理模型中，该正向模型模拟了缺陷产生漏磁信号的过程，通过该模型产生仿真漏磁信号，并计算其与实际测量信号之间的差值，误差反馈给逆向迭代算法，逆向迭代算法产生下一步迭代的缺陷形状参数再次输入正向模型，通过迭代的这个过程使缺陷参数不断的趋近于真实缺陷。本方法通过环境对迭代效果的反馈，进而使价值网络得到不断的训练和提升，最终收敛至全局最优解，提高缺陷反演的精度。
-
公开(公告)号：CN110674915B
公开(公告)日：2022-11-25
申请号：CN201910881235.9
申请日：2019-09-18
Applicant: 东北大学
Abstract: 本发明公开了一种基于改进粒子群算法的不规则管道缺陷的反演方法，属于管道监测技术领域，本发明采用了改进的粒子群算法，引入个性化惯性权重的概念，分别对比每个粒子的适应度和种群的平均适应度来判断各个粒子当前所处位置的优劣，并以此为依据在基于BPSO的统一惯性权重的基础上减小位置较优粒子的惯性权重，增大位置较差粒子的惯性权重，使每个粒子的惯性权重与其当前位置更加匹配；在进行粒子的速度更新时，引入种群其他粒子的最优经验位置pbestc进行学习，调整学习因子c3使对应的pbestc随着迭代步数线性递减；并利用遗传算法的思想，通过继承与变异结合的方式，增加一个位置较优的粒子来跳出局部极小值并加速寻优进程。
-
公开(公告)号：CN110674915A
公开(公告)日：2020-01-10
申请号：CN201910881235.9
申请日：2019-09-18
Applicant: 东北大学
Abstract: 本发明公开了一种基于改进粒子群算法的不规则管道缺陷的反演方法，属于管道监测技术领域，本发明采用了改进的粒子群算法，引入个性化惯性权重的概念，分别对比每个粒子的适应度和种群的平均适应度来判断各个粒子当前所处位置的优劣，并以此为依据在基于BPSO的统一惯性权重的基础上减小位置较优粒子的惯性权重，增大位置较差粒子的惯性权重，使每个粒子的惯性权重与其当前位置更加匹配；在进行粒子的速度更新时，引入种群其他粒子的最优经验位置pbestc进行学习，调整学习因子c3使对应的pbestc随着迭代步数线性递减；并利用遗传算法的思想，通过继承与变异结合的方式，增加一个位置较优的粒子来跳出局部极小值并加速寻优进程。
-
公开(公告)号：CN110096790A
公开(公告)日：2019-08-06
申请号：CN201910349592.0
申请日：2019-04-28
Applicant: 东北大学
Abstract: 本发明提供一种基于强化学习的不规则缺陷漏磁信号反演方法，涉及输油管道缺陷漏磁检测技术领域。本发明为产生一个估计的缺陷形状并将其输入正向物理模型中，该正向模型模拟了缺陷产生漏磁信号的过程，通过该模型产生仿真漏磁信号，并计算其与实际测量信号之间的差值，误差反馈给逆向迭代算法，逆向迭代算法产生下一步迭代的缺陷形状参数再次输入正向模型，通过迭代的这个过程使缺陷参数不断的趋近于真实缺陷。本方法通过环境对迭代效果的反馈，进而使价值网络得到不断的训练和提升，最终收敛至全局最优解，提高缺陷反演的精度。
-
-
-
Search Results
4
records
(took 0.013 seconds)
