近日，我院机械工程学科博士研究生梅江涛在管道结构参数智能优化方面取得重要进展，相关研究成果《基于改进人工神经网络的管道参数优化设计方法》（Design optimization method of pipeline parameter based on improved artificial neural network）发表在《Knowledge-Based Systems》。《Knowledge-Based Systems》是人工智能领域的国际顶级期刊，目前影响因子为7.2（SCI一区TOP）。论文第一作者为博士研究生梅江涛，通讯作者为崔俊国副教授，中国石油大学（华东）为第一署名单位和唯一通讯单位，该研究得到国家重点研发计划、山东省重大科技创新项目、工信部高技术船舶科研项目、山东省泰山学者奖励计划等联合资助。
论文首页
输流管道设计的合理性直接关系到其能源效率、可靠性和安全性。管道异常振动可能会导致机械损失和疲劳损伤等负面影响。
Z型输流管道模型
ACSMA算法的平衡性分析
因此，本研究利用管道智能优化设计以降低负面影响。基于考虑流固耦合的仿真模型和BP机器学习方法预测流体输送管道的振动特性。提出了一种基于算术的黏菌算法(ACSMA)，该算法具有自适应决策策略和混沌映射策略，建立了一种名为ACSMA-BP的混合算法来提高模型的预测能力。通过此算法可以直接通过神经网络前向传播更为便捷地获得受约束条件下的管道振动响应，极大减少管道设计参数的试错成本。这为输流管道的结构参数设计提供了良好的理论和实践意义。
论文链接：https://doi.org/10.1016/j.knosys.2024.112409.
