俞樹榮 林 驊

(蘭州理工大學(xué)石油化工學(xué)院)

海洋工程壓力容器安全的神經(jīng)網(wǎng)絡(luò)對比分析①

俞樹榮 林 驊

(蘭州理工大學(xué)石油化工學(xué)院)

為了提升海洋工程壓力容器的安全性，結(jié)合海洋工程壓力容器服役的復(fù)雜工況，首次將不可控的環(huán)境因素列為評價(jià)指標(biāo)，建立一套適用于海洋工程壓力容器的安全評價(jià)指標(biāo)體系，根據(jù)德爾菲法得出下一輪的評價(jià)周期為3～6年，并建立神經(jīng)網(wǎng)絡(luò)模型。通過BP神經(jīng)網(wǎng)絡(luò)與GA-BP神經(jīng)網(wǎng)絡(luò)的對比，GA-BP神經(jīng)網(wǎng)絡(luò)收斂步長較少，體現(xiàn)后者在安全評價(jià)工作中的優(yōu)越性，驗(yàn)證其評價(jià)結(jié)果的準(zhǔn)確性。

海洋工程壓力容器 安全評價(jià) 德爾菲法 GA-BP神經(jīng)網(wǎng)絡(luò) 評價(jià)模型

海洋蘊(yùn)藏著大量的石油資源，是各國發(fā)展和生存不可或缺的戰(zhàn)略資源。海洋平臺的安全不容忽視，壓力容器作為石油生產(chǎn)的重要環(huán)節(jié)，因儲存介質(zhì)為易燃、易爆、易污染的石油，如若管理不善，將對人員、生產(chǎn)和環(huán)境造成嚴(yán)重的破壞。因此，建立一套完善的安全評價(jià)指標(biāo)體系對提高海洋工程壓力容器的安全性是至關(guān)重要的。

由于海洋工程壓力容器缺少相關(guān)資料、法律法規(guī)等，而陸地壓力容器已經(jīng)具備較完善的安全評價(jià)指標(biāo)體系，在建立安全評價(jià)指標(biāo)體系時(shí)可以借鑒陸地壓力容器的經(jīng)驗(yàn)。海洋壓力容器較陸地壓力容器而言，具有作業(yè)環(huán)境惡劣、遠(yuǎn)離陸地及風(fēng)險(xiǎn)因素多等特點(diǎn)，在建立安全評價(jià)指標(biāo)體系時(shí)需充分考慮環(huán)境因素。安全評價(jià)體系是由許多復(fù)雜因素構(gòu)成的一系列非線性問題，大部分的安全評價(jià)體系常使用預(yù)先危險(xiǎn)性分析、故障類型和影響分析及模糊綜合評價(jià)等方法[1]，雖簡便實(shí)用，但受評價(jià)人員主觀因素的影響。因此結(jié)合陸地壓力容器的安全評價(jià)方法和神經(jīng)網(wǎng)絡(luò)在安全評價(jià)方面的大量成功案例已成為海洋壓力容器研究的熱點(diǎn)與新方向。

在安全評價(jià)理論中，如陳海宇建立模型預(yù)測油氣層的損害程度[2]，沈繼忱等通過神經(jīng)網(wǎng)絡(luò)對管道泄漏進(jìn)行診斷[3]，高丙坤等通過神經(jīng)網(wǎng)絡(luò)對天然氣管道泄漏進(jìn)行檢查[4]，賈瑩和高丙坤在原有的基礎(chǔ)上，利用遺傳算法優(yōu)化了天然氣管道泄漏的檢測方法[5]，在技術(shù)成果應(yīng)用實(shí)際工程中神經(jīng)網(wǎng)絡(luò)還處于試驗(yàn)階段，缺乏在實(shí)踐中的應(yīng)用，有待與工廠的進(jìn)一步合作開發(fā)。筆者基于以上案例并結(jié)合其他相關(guān)領(lǐng)域的理論和實(shí)踐經(jīng)驗(yàn)，首次提出環(huán)境因素，并建立屬于海洋工程壓力容器的安全評價(jià)模型，驗(yàn)證模型的科學(xué)性和解決優(yōu)化非線性問題的突出能力，將在很大程度上提高海洋工程壓力容器的安全性。

1 安全評價(jià)指標(biāo)體系

陸地壓力容器所處環(huán)境相對穩(wěn)定，因此評價(jià)過程中往往忽略環(huán)境因素。但海洋特殊的地理環(huán)境和復(fù)雜的風(fēng)險(xiǎn)因素，使得在建立安全評價(jià)指標(biāo)體系時(shí)，應(yīng)盡可能充分地考慮環(huán)境因素。筆者在文獻(xiàn)[6]的基礎(chǔ)上，首次在評價(jià)體系中增加了環(huán)境因素，建立一套海洋工程壓力容器安全評價(jià)指標(biāo)體系，分別從人員素質(zhì)、儲罐設(shè)施、安全管理和環(huán)境因素4個(gè)一級指標(biāo)入手，再細(xì)分為17個(gè)二級指標(biāo)，如圖1所示。

圖1 海洋工程壓力容器安全評價(jià)指標(biāo)體系

在整個(gè)海洋油氣集輸系統(tǒng)中，人為因素首當(dāng)其沖，不適當(dāng)?shù)牟僮饔锌赡茚劤芍卮笫鹿?，因此在建立評價(jià)體系時(shí)需考慮人員素質(zhì)因素，必須加大安全意識教育和專業(yè)技能培訓(xùn)。

為應(yīng)對多變的海洋環(huán)境和惡劣的海況要求，確保系統(tǒng)正常運(yùn)轉(zhuǎn)，海洋油氣集輸壓力容器需達(dá)到儲罐設(shè)施的安全標(biāo)準(zhǔn)。因此在評價(jià)過程中需進(jìn)行詳細(xì)的檢測，確保萬無一失。

油氣集輸中壓力容器儲存的是易燃易爆、有毒有害、腐蝕性的液體，加之受限于平臺空間，各種設(shè)施、設(shè)備和人員住房高度集中，這對平臺的安全提出了很高的要求。為了保障系統(tǒng)安全、穩(wěn)定地運(yùn)行，需充分考慮安全管理因素。

安全評價(jià)指標(biāo)體系分為可控因素和不可控因素兩大類，前述三因素屬于可控因素，而環(huán)境因素屬于不可控因素，它的出現(xiàn)有可能對壓力容器造成毀滅性的破壞，所以只能通過預(yù)測來降低風(fēng)險(xiǎn)[7，8]。由于風(fēng)和波浪屬于可預(yù)測數(shù)據(jù)，將它們作為海洋工程壓力容器考慮的主要環(huán)境因素，加之風(fēng)和波浪存在必然的聯(lián)系，因此將二者結(jié)合考慮。

2 神經(jīng)網(wǎng)絡(luò)簡介

2.1 BP神經(jīng)網(wǎng)絡(luò)

BP神經(jīng)網(wǎng)絡(luò)是基于人類大腦神經(jīng)網(wǎng)絡(luò)且能夠?qū)崿F(xiàn)某種功能的神經(jīng)網(wǎng)絡(luò)，并不是對人腦系統(tǒng)的簡單還原，而是一種模仿、抽象和簡化。它是由輸入層、隱含層、輸出層組成的多層前饋網(wǎng)絡(luò)(圖2)，以正向傳播與誤差反向傳播的方式，利用誤差不斷調(diào)整神經(jīng)元層與層之間的權(quán)值和閾值，使計(jì)算結(jié)果與數(shù)據(jù)高度擬合。BP神經(jīng)網(wǎng)絡(luò)能夠反映安全評價(jià)指標(biāo)的非線性關(guān)系，它的算法又稱BP算法。

圖2 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

隱含層的輸入函數(shù)：

(1)

輸出層的輸出函數(shù)：

yi=g(neti)

(2)

誤差函數(shù)：

(3)

式中ai——實(shí)際輸出；

en——相對誤差；

neti——凈輸入；

xj——神經(jīng)元的輸入；

yi——神經(jīng)元的輸出；

θi——神經(jīng)元的閾值；

ωij——神經(jīng)元的權(quán)值。

但BP神經(jīng)網(wǎng)絡(luò)也存在不足，如：收斂速度慢、學(xué)習(xí)效率低和容易陷入局部極小值，因此需要對其算法進(jìn)行優(yōu)化[9，10]。

2.2 GA-BP神經(jīng)網(wǎng)絡(luò)

遺傳算法是一種基于自然選擇和基因遺傳學(xué)原理的全局優(yōu)化搜索算法，通過一系列的遺傳操作，如選擇、交叉及變異等，將生物進(jìn)化和遺傳機(jī)制引入到算法中，選擇適應(yīng)度值高的個(gè)體，直到滿足一定的條件為止。由于其簡單的編碼技術(shù)和遺傳操作，優(yōu)化不受條件約束，能解決組合優(yōu)化問題和非線性問題[11～13]。

通過遺傳算法進(jìn)行優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)，稱為GA-BP神經(jīng)網(wǎng)絡(luò)。GA(Genetic Algorithm)進(jìn)行的是遍及整個(gè)解空間的搜索，但不能獲取高精度的最優(yōu)解，而神經(jīng)網(wǎng)絡(luò)在局部搜索時(shí)可以彌補(bǔ)這 樣的問題。因此，將二者相結(jié)合，可形成一種能 達(dá)到優(yōu)化目的的訓(xùn)練算法。

2.3 評價(jià)模型設(shè)計(jì)

2.3.1 確定網(wǎng)絡(luò)結(jié)構(gòu)

分別確定輸入層(m)、隱含層(s)和輸出層(n)的節(jié)點(diǎn)數(shù)。海洋工程壓力容器安全評價(jià)指標(biāo)體系二級指標(biāo)共17個(gè)，以此作為輸入層節(jié)點(diǎn)數(shù)。以海洋工程壓力容器的安全評價(jià)結(jié)果作為輸出結(jié)果，因此輸出層設(shè)為1。最后根據(jù)經(jīng)驗(yàn)公式[14]可得：

(4)

確定隱含層節(jié)點(diǎn)數(shù)為8，由此得到17-8-1的網(wǎng)絡(luò)結(jié)構(gòu)。神經(jīng)網(wǎng)絡(luò)流程如圖3所示。

圖3 神經(jīng)網(wǎng)絡(luò)流程

2.3.2 種群初始化

遺傳算法的染色體是通過串聯(lián)神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值組成的數(shù)組，采用浮點(diǎn)數(shù)編碼，結(jié)合17-8-1型網(wǎng)絡(luò)結(jié)構(gòu)，確定染色體長度為17×8+8×1+8+1=153，由此隨機(jī)產(chǎn)生初始種群。

2.3.3 適應(yīng)度值計(jì)算

染色體的適應(yīng)度值f(i)計(jì)算式如下：

(5)

式中E(i)——對應(yīng)網(wǎng)絡(luò)誤差。

2.3.4 遺傳算法的選擇、交叉、變異操作

選擇操作采用輪盤賭方法，在種群當(dāng)中選擇適應(yīng)度值高的個(gè)體，起到了優(yōu)勝劣汰的作用，并且避免早熟問題，利用公式可計(jì)算進(jìn)化個(gè)體概率：

(6)

交叉操作是新個(gè)體產(chǎn)生的主要方法，遺傳算法的全局搜索能力主要依靠它來完成。采用實(shí)數(shù)編碼方式，并利用拉普拉斯系數(shù)改進(jìn)其生成系數(shù)[15]：

(7)

(8)

β——拉普拉斯系數(shù)改進(jìn)系數(shù)。

變異操作輔助于交叉操作，保證遺傳算法的局部搜索能力，避免上述兩種操作造成的信息流失，維持種群多樣性和有效性。

2.3.5 BP神經(jīng)網(wǎng)絡(luò)初始權(quán)值和閾值的產(chǎn)生

將適應(yīng)度值最高的染色體解碼為網(wǎng)絡(luò)的初始權(quán)值和閾值，并賦給BP網(wǎng)絡(luò)重新訓(xùn)練。

3 案例分析

3.1 數(shù)據(jù)采集

取自渤海灣某海洋工程壓力容器，基本參數(shù)如下：

材料 Q345R

內(nèi)壓 1.6MPa

腐蝕厚度 0.8mm

溫度 65℃

圓筒直徑 3 000mm

風(fēng)速 8m/s

評價(jià)過程中發(fā)現(xiàn)壓力容器資料完善，上次定期檢查合格，宏觀檢查無明顯問題，但無損檢測發(fā)現(xiàn)一處長3mm、深0.5mm的裂紋，已打磨消除無影響。規(guī)定腐蝕裕量為1mm，如果超過腐蝕裕量必須重新進(jìn)行強(qiáng)度校核，另設(shè)新的腐蝕裕量。渤海風(fēng)速年平均6～7m/s，根據(jù)氣象局了解，近期風(fēng)速都維持在7～10m/s，屬于合理范圍內(nèi)，無巨浪出現(xiàn)。

筆者利用專家打分法作為輸入數(shù)據(jù)，因此請來17位該領(lǐng)域的專家對指標(biāo)體系中的17個(gè)二級指標(biāo)進(jìn)行打分，(6～7)分為差，(7～8)分為中，(8～9)分為良，(9～10)分為優(yōu)，評價(jià)結(jié)果見表1。經(jīng)過權(quán)重計(jì)算，得到表1的17組數(shù)據(jù)，選取評價(jià)結(jié)果分?jǐn)?shù)最低的第7組數(shù)據(jù)7.48(中)作為最終結(jié)果，得出下一個(gè)評價(jià)周期為3～6年，屬于合理范圍。根據(jù)專家的打分情況，將評價(jià)結(jié)果與評價(jià)周期相聯(lián)系，確定下次的評價(jià)時(shí)間(表2)。為了降低專家打分法存在的主觀性，采用層次分析法分別對一級指標(biāo)和二級指標(biāo)的權(quán)重進(jìn)行評估，并歸一化處理[16]：

(9)

表1 部分訓(xùn)練樣本和測試樣本

表2 評價(jià)周期

為了進(jìn)一步驗(yàn)證評價(jià)結(jié)果的準(zhǔn)確性，將數(shù)據(jù)代入到模型中運(yùn)算。選取前14組樣本數(shù)據(jù)作為訓(xùn)練樣本，選取后3組樣本數(shù)據(jù)作為測試樣本，利用已經(jīng)構(gòu)造好的17-8-1型BP模型和GA-BP模型分別進(jìn)行網(wǎng)絡(luò)訓(xùn)練和測試，選取效果最好的模型作為長期使用的評價(jià)模型。

3.2 訓(xùn)練過程

將輸入數(shù)據(jù)放入Matlab中已寫好的程序中模擬，設(shè)定目標(biāo)誤差為0.001，其訓(xùn)練過程如圖4所示。BP神經(jīng)網(wǎng)絡(luò)的收斂步長為13次，而GA-BP神經(jīng)網(wǎng)絡(luò)的收斂步長為7次，由此可以看出優(yōu)化后的程序收斂性得到了有效提高。

圖4 神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程

3.3 誤差分析

圖5 誤差分析

從圖5可以看出，GA-BP神經(jīng)網(wǎng)絡(luò)的平均相對誤差比BP神經(jīng)網(wǎng)絡(luò)的小，經(jīng)優(yōu)化后的網(wǎng)絡(luò)模型彌補(bǔ)了BP神經(jīng)網(wǎng)絡(luò)容易陷入局部極小值的缺點(diǎn)，達(dá)到了全局尋優(yōu)、收斂速度快、誤差小的效果。但因評價(jià)個(gè)體數(shù)量較少，加之BP神經(jīng)網(wǎng)絡(luò)的局限性，難免存在一些誤差。

4 結(jié)論

4.1 結(jié)合海洋工程壓力容器所處的特殊環(huán)境，首次考慮環(huán)境因素中的風(fēng)和波浪的影響，提出一套適合海洋工程壓力容器的安全評價(jià)指標(biāo)體系，采用專家打分法并結(jié)合層次分析法，對海洋工程壓力容器進(jìn)行評價(jià)，分析出下一個(gè)評價(jià)周期。通過BP神經(jīng)網(wǎng)絡(luò)與GA-BP神經(jīng)網(wǎng)絡(luò)的對比，將評價(jià)結(jié)果代入后者進(jìn)行驗(yàn)證，模型結(jié)果與評價(jià)結(jié)果相符，驗(yàn)證結(jié)果良好。

4.2 神經(jīng)網(wǎng)絡(luò)主要應(yīng)用于校園安全、公路交通安全、實(shí)驗(yàn)室管理等領(lǐng)域，但還缺乏相關(guān)的實(shí)際應(yīng)用。將GA-BP神經(jīng)網(wǎng)絡(luò)引入到海洋工程壓力容器的安全評價(jià)指標(biāo)體系當(dāng)中，是為了提高海洋工程壓力容器的安全性，其他海洋平臺的安全評價(jià)也可以結(jié)合自身的特點(diǎn)對本指標(biāo)進(jìn)行適當(dāng)?shù)男薷?，賦予不同的權(quán)重，完善該指標(biāo)體系。

4.3 GA-BP神經(jīng)網(wǎng)絡(luò)能解決局部最小值問題，還能加快運(yùn)行速度，減小誤差，獲得較高精度的解，具有良好的應(yīng)用前景。但由于案例中存在檢測失職、規(guī)章制度存在漏洞、缺少波浪數(shù)據(jù)，導(dǎo)致誤差的存在，今后還需對模型進(jìn)行必要的改進(jìn)，樹立正確的職業(yè)操守，加強(qiáng)規(guī)章制度的管理，完善監(jiān)測數(shù)據(jù)，使之在評價(jià)中達(dá)到準(zhǔn)確合理的目標(biāo)，能夠更好地與實(shí)際相結(jié)合。

[1] 周波.安全評價(jià)技術(shù)[M].北京：國防工業(yè)出版社，2012：20～23.

[2] 陳海宇.改進(jìn)的BP網(wǎng)絡(luò)在儲層速敏損害預(yù)測中的應(yīng)用[J].化工自動化及儀表，2011，38(1)：75～78.

[3] 沈繼忱，王春雨，王慧麗，等.管道泄漏診斷方法研究[J].化工自動化及儀表，2012，39(3)：309～312.

[4] 高丙坤，嚴(yán)娓，岳茂興，等.基于神經(jīng)網(wǎng)絡(luò)證據(jù)理論的天然氣管道泄漏檢測[J].化工自動化及儀表，2012，39(10)：1268～1271.

[5] 賈瑩，高丙坤.基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的管道泄漏檢測方法研究[J].化工自動化及儀表，2014，41(2)：128～131.

[6] TSG R0004-2009，固定式壓力容器安全技術(shù)檢查規(guī)程[S].北京：新華出版社，2009.

[7] 吳軍，王丹，陳勝蘭，等.化工園區(qū)安全評價(jià)指標(biāo)體系研究[J].電子科技大學(xué)學(xué)報(bào)(社會科學(xué)版)，2015，(4)：20～24.

[8] 陸琳睿，吳伊萍，陳祺，等.基于BP神經(jīng)網(wǎng)絡(luò)的高校實(shí)驗(yàn)室安全評價(jià)模型及應(yīng)用[J].實(shí)驗(yàn)室研究與探索，2013，32(2)：214～218.

[9] 馬朝陽，鄭運(yùn)虎，姜峰，等.基于優(yōu)化灰色神經(jīng)網(wǎng)絡(luò)法的壓力容器裂紋擴(kuò)展預(yù)測[J].化工機(jī)械，2015，42(3)：380～382.

[10] Wenjie H.Research on the Evaluation of City Road Traffic Safety Based on BP Artificial Network[J].Science Technology and Engineering，2009，18：5607～5609．

[11] 俞樹榮，王超.腐蝕海洋立管剩余強(qiáng)度預(yù)測[J].化工機(jī)械，2014，41(5)：552～556.

[12] Xue X， Li Y，Yang X，et al.Prediction of Slope Stability Based on GA-BP Hybrid Algorithm[J].Neural Network World，2015，25(2)：189.

[13] Huang J，Luo H，Wang H，et al.Prediction of Time Sequence Based on GA-BP Neural Net[J].Journal of University of Electronic Science and Technology of China，2009，5：29．

[14] 沈花玉，王兆霞，高成耀，等.BP神經(jīng)網(wǎng)絡(luò)隱含層單元數(shù)的確定[J].天津理工大學(xué)學(xué)報(bào)，2008，24(5)：13～15.

[15] Deep K，Thakur M.A New Crossover Operator for Real Coded Genetic Algorithms[J].Applied Mathematics and Computation，2007，188(1)：895～911.

[16] 柳小桐.BP神經(jīng)網(wǎng)絡(luò)輸入層數(shù)據(jù)歸一化研究[J].機(jī)械工程與自動化，2010，(3)：122～123．

SafetyAnalysisofOceanEngineeringPressureVesselsBasedonNeuralNetwork

YU Shu-rong, LIN Hua

(CollegeofPetrochemicalEngineering,LanzhouUniversityofTechnology)

In order to improve the safety of the ocean engineering pressure vessels, having complex operating conditions considered and uncontrollable environmental factors adopted as evaluation index to establish a safety evaluation system for ocean engineering pressure vessels was implemented; Based on Delphi method, a 3 to 6 year evaluation period was obtained and a neural network model was built. Comparing BP neural network with GA-BP neural network shows that, the GA-BP neural network has less convergence step and it has superiority and high accuracy in the safety evaluation.

ocean engineering pressure vessel, safety evaluation, Delphi method, GA-BP neural network，evaluation model

國家質(zhì)檢公益項(xiàng)目(201310152)。

俞樹榮(1962-)，教授，從事承壓類特種設(shè)備的失效分析和安全評價(jià)工作，yusrlut@126.com。

TQ051.3

A

0254-6094(2017)01-0059-06

2016-01-25，

2017-01-10)