基于离散小波分析的地下金属管线测量精度控制方案

贾 尧，张以文，张守好，白宗杰，吴硕先

（水发规划设计有限公司，山东 济南 250000）

1 基于离散小波分析的地下金属管线测量精度控制方案研究

1.1 利用离散小波分析处理地下金属管线测量信号

1.2 实现地下金属管线测量精度控制

为使得对地下金属管线测量的精度尽可能高，以测量误差最小为控制优化目标，建立如下的优化函数：

上式中，f 为测量电磁波频率；v 为电磁波在管线上的理想传输速度；v'为电磁波在管线上的实际传输速度；δ 为测量装置本身的误差；ζ 为其它干扰产生的误差。本文选择遗传算法与RBF 神经网络相结合后混合神经网络求解公式（4）中建立的地下金属管线测量误差最小化目标函数。以3层前向RBF 神经网络为基础结构，使用遗传算法确定神经网络中隐含层的中心，从而确定混合神经网络的各项参数。

采用二进制编码将RBF 神经网络中的输入节点、隐含层节点以浮点数表示的形式进行编码，编码长度与神经网络输入节点的个数相同。遗传算法的适应度函数根据神经网络训练过程中的目标函数求极值过程确定，则混合神经网络的适应度函数如下：

（1）设初始群体大小为20，根据给定出的地下金属管线测量信号频率、信号强度，计算出电磁信号在测量过程中的损耗数值，将数值转换为二进制编码。设置迭代次数，抽取预处理后的值计算适应度函数。

（2）将计算出的适应度函数值作为混合神经网络计算传输测量误差的起始参数。按照遗传算法的进化、变异、遗传过程得到一次计算值。

（3）使用历史数据对模型进行校正，校验数据误差的平方值作为混合神经网络求解的终止条件。当混合神经网络达到终止条件后，停止计算。混合神经网络输出的数据，则为对地下金属管线进行测量的误差值。将参数置零，等待下一次计算。

将混合神经网络计算得到的误差值作为金属管线测量装置控制器的输入偏差，从而实现对地下金属管线测量精度的控制。通过以上步骤，完成了对基于离散小波分析的地下金属管线测量精度控制方案的研究。

2 实验研究

上文研究了基于离散小波分析的地下金属管线测量精度控制方案，本节将对该方案实施的有效性进行实验验证。

2.1 实验内容

本次实验采用将本文研究的基于离散小波分析的地下金属管线测量精度控制方案与传统的地下金属管线测量精度控制方案相对比的形式。实验的对比指标为测量金属管线时，应用两种测量精度控制方法进行测量的误差以及金属管线测量控制器的输出响应变化曲线。通过对比以上两个指标数据信息，评价两种测量精度控制方案的可靠性高低。

2.2 实验结果及分析

表1 不同控制方案下测量误差对比

应用两个金属管线测量精度控制方案进行控制时，测量结果的误差如下表所示，分析表中数据，得出对应的实验结论。

对上表中的数据进行分析可知，应用本文方案对金属管线测量精度进行控制时，其测量误差要远远小于应用传统方案进行精度控制时的测量误差。并且本文方案对测量精度控制的误差不随实际测量值的变化而变化，而传统方案控制时，实际测量值越大，测量误差越大。平均计算，应用本文方案进行控制时的平均误差约为传统方案测量的平均误差的1/4，即应用本文方案能够提升约75%的精度。

应用两个金属管线测量精度控制方法进行控制时，管线测量装置的控制器的输出响应变化曲线如下所示，分析图中曲线之间的关系，得出实验结论。

图1 测量装置控制器的输出响应变化曲线

对上图中的曲线进行分析可知，应用本文方案控制时，地下金属管线测量装置控制器的输出电流经过0.80s 回归至稳态，而应用传统方案的测量装置控制器输出电流经过1.12s 回归至稳态。并且，当向测量装置施加电磁干扰信号时，应用本文方案的控制器电流偏离参考电流的幅度约为0.8A，而应用传统方案的控制器电流偏离参考电流的幅度约为4.7A。说明应用本文方案进行对地下金属管线测量精度控制时，能够更快调整误差较大的工况回归稳态，即本文方案应用时的鲁棒性更佳。

综上所述，本文研究的基于离散小波分析的地下金属管线测量精度控制方案应用时的效果更佳，具有可靠性。

3 结语

本文研究了基于离散小波分析的地下金属管线测量精度控制方案。通过与传统的地下金属管线测量精度控制方案的对比实验，验证了本文研究地下金属管线测量精度控制方案在实际应用时，测量误差远远小于传统的测量精度控制方案，具有更好的精度控制效果，可以实际推广使用。