压力管道灌溉优化

压力管道输水灌溉适用于当前的农业生产，广泛应用，明确灌溉方式的转变对生态环境的影响，所以定期的安全阀检测等维护工作至关重要，接下来压力管道检验小编为大家详细讲解下压力管道灌溉优化。

一、传统优化算法

压力管道灌溉系统选定优化设计目标后，传统设计往往针对管路布置，采用线性规划、非线性规划、动态规划等算法进行管道系统优化，来寻找最优方案。如Kaur Damanjeet、Gupta I等采用线性规划方法，建立了树状管道灌溉系统线性规划模型。

Morgan D R等采用两阶段法，根据所建立的两个线性规划模型，分别进行管道布设与最优管径的确定。Perelman L等采用交叉熵法对管道系统各管段管径，泵站扬程等设计参数进行了优化，从而使系统的投资和运行管理费用最少。Buras、联合国粮农组织、林性粹等研究人员或机构分别采用动态规划算法、单价矢量和法、正交设计法等对管道系统布设进行了优化改进。

传统的优化设计算法往往计算量较大，针对简单的压力管道灌溉系统进行单个或两个目标的优化计算较为常见，但对复杂的管道系统进行多目标优化计算则难以实施或精度不够。

二、智能优化算法

压力管道灌溉系统优化是一个复杂的过程，而传统优化方法在计算工作量上是比较耗时耗力的，因此，提高优化算法的效率显得十分重要，智能优化算法正是在此背景下应运而生并推广应用的。近年来遗传算法、模拟退火算法、人工神经网络等智能算法越来越多地被研究人员应用于压力管道灌溉系统优化设计中，在解决所涉及的非线性和多目标复杂函数求解问题的同时，也极大提高了算法效率。

3.2.1 基于遗传算法的压力管道输水灌溉优化设计研究进展

遗传算法（Genetic Algorithm）最早由美国的Holland J教授提出，主要是模仿生物在进化过程中的规律而产生的一种随机搜索算法。其主要优点有：能对结构对象进行直接操作，避开了传统算法中求导与函数连续性限定的计算问题；内部隐并行性与全局寻优能力较强，优化结果好；寻优概率化能自动获取并指导全局搜索空间，在不需要确定的约束条件下能自适应地调整搜索方向。

Walters G A等最早将遗传算法引入压力管道系统优化设计。Simpson A R等在采用遗传算法进行管道灌溉系统优化设计时，将其与其他算法的优化效果进行了分析比较，最终发现遗传算法的搜索效率是比较高的。Dy Graeme C等采用改进的遗传算法求解了管道系统优化问题。Smith David K等根据管道系统各节点连接管段特性的不同，利用遗传算法得到了系统优化布设的最小生成树。周荣敏等采用单亲遗传算法对管道系统中常见的树状管网布设形式进行了优化。朱家松等将管道系统GIS与遗传算法进行结合，编制了管道系统GIS优化设计实现程序。Zyl Jakobus E Van等在管道系统优化设计中采用了基于上山法的遗传算法来加速收敛。

白丹在管道系统的环状管网优化设计中采用了遗传－线性规划算法，结合了遗传算法与线性规划方法的优点。万年华等在喷灌系统优化设计中采用了综合考虑管道系统经济性与运行可靠性的遗传算法优化模型。在管道系统的树状管网优化布设中，马孝义等采用了基于整数编码遗传算法两级优化方法，李海滨等则建立了基于整数遗传算法的管道系统布设与管径同步优化模型。

因为遗传算法能够从群体出发进行搜索且具备潜在并行性；在计算精度要求时，计算时间少，鲁棒性高；具有可扩展性，容易与其他算法结合等诸多优势，因此在压力管道灌溉系统优化设计方面的研究发展较快，是当下众多管道系统优化设计研究人员较常采用的智能优化算法。

3.2.2 基于模拟退火算法的压力管道输水灌溉优化设计研究进展

模拟退火算法（Simulated Annealing）于1953年由Metropolis N等提出，Kirkpatrick S等最早在组合优化领域中使用。它主要是受物理中固体物质退火过程的启发，因为该过程和一般组合优化问题有一定的相似性。模拟退火算法核心的数学思想是采用数值分析中Monte－Carlo迭代求解方法来随机寻优而得到最优解。在寻优过程中，它通过在全局中给定一个时变的概率来防止计算结果是局部极小的情况，给定概率具有全局优化性与最终趋于零的突跳性，且搜索过程是一种全局的串行结构，运行效率较高。Cunha（1999）等较早地在管道系统优化设计研究中采用了模拟退火逼近算法。王新坤等则先是将模拟退火算法与多重群体遗传算法相结合，建立了管道系统的树状管网优化模型，以用于大型树状管网的优化设计；后来又设计出一种新的退火遗传算法，除继承退火模拟的局部寻优能力外，还兼备遗传算法的全局寻优能力，大大地提高了求解结果的效率与精度。洪涛等基于模拟退火遗传算法，提出以造价最小为目标函数，节点压力为约束条件，标准管径为决策变量的自压微灌干管布设优化模型。

目前模拟退火算法在图象处理、路径优化、集成电路设计、工业优化调度等方面应用较多，在压力管道灌溉系统优化设计上应用相对较少。由于该算法与以往的算法相比，具有描述简单，使用灵活，运行效率高，较少受初始条件限制，适合并行计算等优点，因此未来其在压力管道灌溉系统优化设计中的应用有较为广阔的前景。

3.2.3 基于人工神经网络优化算法的压力管道输水灌溉优化设计研究进展

人工神经网络（Artificial Neural Networks）是受生物学启发，对生物神经网络从结构、实现机理和功能上进行模拟与近似的一种智能算法。其主要思想是搭建传统优化过程中目标函数及约束条件与神经网络中非线性动力学系统的映射关系，根据神经网络中的稳定平衡态来确定优化问题的最优解。人工神经网络算法在计算过程中采用非线性系统中动态演化原理和并行分布式计算方法，可对优化问题进行快速求解。周荣敏等基于Hopfield神经网络模型优化算法，建立了一种自压式树状管道系统神经网络优化模型。陈磊等利用BP神经元网络建立了宏观状态管道系统优化模型，并采用自适应遗传算法来对BP神经元网络拓扑结构进行了优化。

人工神经网络优化算法分类准确度高，鲁棒性与容错能力强，能充分逼近复杂非线性关系最优解，并行分布处理能力强，因而近年来在压力管道灌溉系统优化设计方面的研究逐渐增多，但其在该领域的研究应用还有待进一步加强，同时还需要完善其优化设计后实际工程的效益评价及模型验证工作。

此外，一些经典算法与其他相关数学理论进行结合而形成的优化算法，如随机规划、灰色规划、模糊规划等算法在压力管道灌溉优化设计研究中的应用也有待探讨。

总之，各种启发式算法在压力管道灌溉系统优化设计中得到了较为广泛的应用，从目前应用效果来看，遗传算法相对成熟，其他算法尚需继续深入研究，尤其是把一种算法和其他优化算法相结进行管道系统优化设计将是今后的一个重要研究方向。

（1）各种算法的适应性问题分析不够。目前，有关压力管道灌溉系统优化设计方法很多，但大多研究仅局限于单个算法的寻优过程，而对其解决实际问题的效果、精度及适用性对比分析尚无明确的界限。

（2）传统优化算法中关于管材和管件的经济模型普适性差。管材及管件费用是决定灌溉管道系统工程费用的主要因素，是管道系统优化中确定目标函数的主变量。由于管材的多样性，目前建立的管径与费用的经济模型仅仅反映某个类型管材当前的市场情况，通用性差，当管材类型、市场价格等发生变化后，就不能应用，也就影响了管道系统的优化结果。

（3）偏重管径优化，轻视管网布置形式。目前，压力管道灌溉系统的管网布置优化研究相对较少，实际地形在管道系统优化模型中常常重视不够。不仅管道的压力水头和灌溉管网的布置形式受实际地形的影响较大，整个管道管网系统的优化设计方案也与实际地形密切相关。

（4）现有研究中多数优化设计模型的构建有待验证与完善。在与工程实际相结合的压力管道灌溉优化设计过程中，如果选用的优化模型过于简单，那么只能对灌溉管网局部进行优化，将得不到满意的总体优化效果；如果选用过于复杂的优化模型，不仅计算量较大，而且优化过程较繁杂，工程设计人员掌握起来将相对困难，不利于其推广应用。因此，综合考虑各种影响因素，采用可行的算法研究实用的优化模型是当前压力管道灌溉工程优化设计的重要内容。

（5）压力管道灌溉优化设计软件的研发水平有待提高。目前通用性强、应用推广程度高的优化设计软件比较缺乏，现有优化设计软件多存在人机界面不完善、功能不全面、可操作性较差、适应性不强等缺陷。因此，对一种或几种比较方便、实用的优化设计软件进行标准化研究及推广应用是目前一项重要的研究内容。

版权声明：

本文内容由互联网用户自发贡献、该文观点仅代表作者本人、因此内容不代表本机构观点、仪器计量校准机构不对文章中的任何观点负责、内容版权归原作者机构有、内容只用于提供信息阅读、无任何商业用途。本机构仅提供信息存储空间服务、不拥有机构有权、不承担相关法律责任。如发现本机构（文章、图片、音频、视频）有涉嫌抄袭侵权/违法违规的内容、请发送邮件至2234463595 qq.com或电话13829138856举报、并提供相关证明、一经查实、经本机构核实后立即删除、维护您的正当权益。