论文部分内容阅读
基于梯度下降法的标准BP神经网络往往存在收敛速度慢、稳定性差且易陷入局部极值等问题,为此提出了一种基于L-BFGS算法改进的BP神经网络的空调水系统管网泄漏诊断方法.当系统监测到补水流量超过设定阈值时,系统压力传感器实时监测数据经过一定的数据处理输入管网诊断模型,模型输出即为具体的发生泄漏的管段编号.为了获得训练模型所需的学习样本,使用Dymola系统仿真平台搭建泄漏管网模型,通过该模型即可实现对不同泄漏工况的管网水力仿真.案例结果表明:基于改进BP神经网络的管网泄漏诊断模型在训练中速度和诊断精度两方面的性能表现均显著优于标准BP神经网络模型,该方法能够对空调水系统管网中发生泄漏的管段编号进行准确定位.