基于优化BP神经网络的连续管疲劳寿命预测

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...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Veröffentlicht in:石油机械 2023, Vol.51 (10), p.144-149
Hauptverfasser: 窦益华, 张佳强, 李国亮, 韦亮, 曹银萍
Format: Artikel
Sprache:chi
Online-Zugang:Volltext
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
container_end_page 149
container_issue 10
container_start_page 144
container_title 石油机械
container_volume 51
creator 窦益华
张佳强
李国亮
韦亮
曹银萍
description 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.
doi_str_mv 10.16082/j.cnki.issn.1001-4578.2023.10.019
format Article
fullrecord <record><control><sourceid>wanfang_jour</sourceid><recordid>TN_cdi_wanfang_journals_syjx202310019</recordid><sourceformat>XML</sourceformat><sourcesystem>PC</sourcesystem><wanfj_id>syjx202310019</wanfj_id><sourcerecordid>syjx202310019</sourcerecordid><originalsourceid>FETCH-wanfang_journals_syjx2023100193</originalsourceid><addsrcrecordid>eNpjYNAyNNAzNDOwMNLP0kvOy87UyywuztMzNDAw1DUxNbfQMzIwMgZy9QwMLVkYOOHiHAy8xcVZBgYGRpaWhuamZpwMFk_n73qyq-_JnhlPe6Y5BTxfOu_57v7neyc-3z3n-ayWF_uB3LXP1y18Pm3T067NT9fvfzpx78tFLc-2dvMwsKYl5hSn8kJpbgZVN9cQZw_d8sS8tMS89Pis_NKiPKBMfHFlVgXIPSBXWBoTqw4AsTlVIQ</addsrcrecordid><sourcetype>Aggregation Database</sourcetype><iscdi>true</iscdi><recordtype>article</recordtype></control><display><type>article</type><title>基于优化BP神经网络的连续管疲劳寿命预测</title><source>DOAJ Directory of Open Access Journals</source><creator>窦益华 ; 张佳强 ; 李国亮 ; 韦亮 ; 曹银萍</creator><creatorcontrib>窦益华 ; 张佳强 ; 李国亮 ; 韦亮 ; 曹银萍</creatorcontrib><description>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.</description><identifier>ISSN: 1001-4578</identifier><identifier>DOI: 10.16082/j.cnki.issn.1001-4578.2023.10.019</identifier><language>chi</language><publisher>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</publisher><ispartof>石油机械, 2023, Vol.51 (10), p.144-149</ispartof><rights>Copyright © Wanfang Data Co. Ltd. All Rights Reserved.</rights><lds50>peer_reviewed</lds50><woscitedreferencessubscribed>false</woscitedreferencessubscribed></display><links><openurl>$$Topenurl_article</openurl><openurlfulltext>$$Topenurlfull_article</openurlfulltext><thumbnail>$$Uhttp://www.wanfangdata.com.cn/images/PeriodicalImages/syjx/syjx.jpg</thumbnail><link.rule.ids>314,777,781,861,4010,27904,27905,27906</link.rule.ids></links><search><creatorcontrib>窦益华</creatorcontrib><creatorcontrib>张佳强</creatorcontrib><creatorcontrib>李国亮</creatorcontrib><creatorcontrib>韦亮</creatorcontrib><creatorcontrib>曹银萍</creatorcontrib><title>基于优化BP神经网络的连续管疲劳寿命预测</title><title>石油机械</title><description>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.</description><issn>1001-4578</issn><fulltext>true</fulltext><rsrctype>article</rsrctype><creationdate>2023</creationdate><recordtype>article</recordtype><recordid>eNpjYNAyNNAzNDOwMNLP0kvOy87UyywuztMzNDAw1DUxNbfQMzIwMgZy9QwMLVkYOOHiHAy8xcVZBgYGRpaWhuamZpwMFk_n73qyq-_JnhlPe6Y5BTxfOu_57v7neyc-3z3n-ayWF_uB3LXP1y18Pm3T067NT9fvfzpx78tFLc-2dvMwsKYl5hSn8kJpbgZVN9cQZw_d8sS8tMS89Pis_NKiPKBMfHFlVgXIPSBXWBoTqw4AsTlVIQ</recordid><startdate>2023</startdate><enddate>2023</enddate><creator>窦益华</creator><creator>张佳强</creator><creator>李国亮</creator><creator>韦亮</creator><creator>曹银萍</creator><general>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</general><scope>2B.</scope><scope>4A8</scope><scope>92I</scope><scope>93N</scope><scope>PSX</scope><scope>TCJ</scope></search><sort><creationdate>2023</creationdate><title>基于优化BP神经网络的连续管疲劳寿命预测</title><author>窦益华 ; 张佳强 ; 李国亮 ; 韦亮 ; 曹银萍</author></sort><facets><frbrtype>5</frbrtype><frbrgroupid>cdi_FETCH-wanfang_journals_syjx2023100193</frbrgroupid><rsrctype>articles</rsrctype><prefilter>articles</prefilter><language>chi</language><creationdate>2023</creationdate><toplevel>peer_reviewed</toplevel><toplevel>online_resources</toplevel><creatorcontrib>窦益华</creatorcontrib><creatorcontrib>张佳强</creatorcontrib><creatorcontrib>李国亮</creatorcontrib><creatorcontrib>韦亮</creatorcontrib><creatorcontrib>曹银萍</creatorcontrib><collection>Wanfang Data Journals - Hong Kong</collection><collection>WANFANG Data Centre</collection><collection>Wanfang Data Journals</collection><collection>万方数据期刊 - 香港版</collection><collection>China Online Journals (COJ)</collection><collection>China Online Journals (COJ)</collection><jtitle>石油机械</jtitle></facets><delivery><delcategory>Remote Search Resource</delcategory><fulltext>fulltext</fulltext></delivery><addata><au>窦益华</au><au>张佳强</au><au>李国亮</au><au>韦亮</au><au>曹银萍</au><format>journal</format><genre>article</genre><ristype>JOUR</ristype><atitle>基于优化BP神经网络的连续管疲劳寿命预测</atitle><jtitle>石油机械</jtitle><date>2023</date><risdate>2023</risdate><volume>51</volume><issue>10</issue><spage>144</spage><epage>149</epage><pages>144-149</pages><issn>1001-4578</issn><abstract>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.</abstract><pub>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</pub><doi>10.16082/j.cnki.issn.1001-4578.2023.10.019</doi></addata></record>
fulltext fulltext
identifier ISSN: 1001-4578
ispartof 石油机械, 2023, Vol.51 (10), p.144-149
issn 1001-4578
language chi
recordid cdi_wanfang_journals_syjx202310019
source DOAJ Directory of Open Access Journals
title 基于优化BP神经网络的连续管疲劳寿命预测
url https://sfx.bib-bvb.de/sfx_tum?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2025-01-19T14%3A52%3A00IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-wanfang_jour&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.genre=article&rft.atitle=%E5%9F%BA%E4%BA%8E%E4%BC%98%E5%8C%96BP%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C%E7%9A%84%E8%BF%9E%E7%BB%AD%E7%AE%A1%E7%96%B2%E5%8A%B3%E5%AF%BF%E5%91%BD%E9%A2%84%E6%B5%8B&rft.jtitle=%E7%9F%B3%E6%B2%B9%E6%9C%BA%E6%A2%B0&rft.au=%E7%AA%A6%E7%9B%8A%E5%8D%8E&rft.date=2023&rft.volume=51&rft.issue=10&rft.spage=144&rft.epage=149&rft.pages=144-149&rft.issn=1001-4578&rft_id=info:doi/10.16082/j.cnki.issn.1001-4578.2023.10.019&rft_dat=%3Cwanfang_jour%3Esyjx202310019%3C/wanfang_jour%3E%3Curl%3E%3C/url%3E&disable_directlink=true&sfx.directlink=off&sfx.report_link=0&rft_id=info:oai/&rft_id=info:pmid/&rft_wanfj_id=syjx202310019&rfr_iscdi=true