输油管线漏检信号的自动识别

论文摘要

管道运输系统为五大运输行业之一,其特点环保、经济、快捷,在国民经济中占有很高的地位。大庆油田为我国的石油重要产地,石油由管道运输到我国很多地区,支援国家经济建设。但是由于管道的自然寿命和人为因素等影响,管道泄漏事故频繁发生,造成大量经济损失、环境污染、重大的人身伤亡等。及时发现管道泄漏和精确定位泄漏点对于减少损失、维护管道安全运行十分重要。由于石油管道受到流体特性、地势状况及管道自身的特性等诸多复杂因素的制约,同时结合大庆油田管道输送的实际情况,并借鉴目前国际上各种泄漏检测与定位的先进方法,针对石油输管线泄漏故障的特点,本文提出了基于负压波的小波分析和BP神经网络相结合的检测泄漏与定位技术的方法。对此,本文主要进行了这样的工作:将采集到的信号利用瞬态负压波泄漏定位方法的时间差定位,这需要高精度的传感器,并且统一首末端数据采集系统的系统时间。采集到的信号含有很多噪声干扰,本文应用小波去噪,采取了MALLAT算法和多孔算法重构,这样得到一个特征拐点比较明显的信号,利用小波变换的李普西兹指数（Lipschitz）检测信号中模极大值,及信号中的泄露点。在一个信号中可能有几个极大值点,这时用一定的方法把模大值点送入BP神经网络进行训练;做成泄露样品库,对泄露信号进行识别。本文用的是MATLAB语言进行的实验室信号处理,可继续运用C++或VC语言继续调试,为工业应用打下准备。

论文目录

• 中文摘要
• Abstract
• 第1章 绪论
• 1.1 管道运输发展情况
• 1.2 原油管道泄露检测的研究意义
• 1.3 国内外同类课题研究现状及发展趋势
• 1.4 本课题的主要任务
• 第2章 负压波法泄漏检测原理与定位
• 2.1 引言
• 2.2 输油管道负压波泄漏定位原理
• 2.3 负压波法的优点和遇到的困难
• 2.4 负压波的技术要点与人工智能
• 2.5 负压波的仿真实例
• 2.6 本章小结
• 第3章 漏检信号识别中的小波变换
• 3.1 引言
• 3.2 小波变换简单介绍
• 3.2.1 连续小波变换
• 3.2.2 离散二进小波变换
• 3.2.3 多尺度分析
• 3.2.4 Mallat 算法和多孔算法
• 3.3 小波变换在压力信号消噪中的应用
• 3.4 小波分析的特征向量提取
• 3.4.1 李普西兹指数（Lipschitz）
• 3.4.2 小波变换模极大值
• 3.4.3 奇异点的检测
• 3.4.4 奇异信号在小波下的特性
• 3.4.5 管道泄漏点的检测
• 3.5 本章小结
• 第4章 神经网络理论及在漏检信号识别中应用
• 4.1 前言
• 4.2 人工神经网络的基本要素
• 4.2.1 神经元
• 4.2.2 网络拓扑
• 4.2.3 网络的训练学习算法
• 4.3 BP 神经网络
• 4.3.1 BP 神经网络概述
• 4.3.2 BP 算法
• 4.3.3 改进 BP 算法
• 4.4 基于 BP 神经网络的漏检信号的识别
• 4.4.1 BP 神经网络的样本
• 4.4.2 BP 神经网络的设计
• 4.5 本章小结
• 第5章 基于 MATLAB 的泄露识别信号处理
• 5.1 实验流程
• 5.1.1 硬件总体方案
• 5.1.2 数据处理流程
• 5.2 数据采集
• 5.3 MALLAT 算法和多孔算法去噪重构
• 5.4 奇异点检测
• 5.5 样本数据制作
• 5.6 神经网络训练识别
• 5.6.1 神经网络隐含层个数的选择
• 5.6.2 神经网络的识别率
• 5.7 实验中几个问题的讨论
• 5.8 本章小结
• 结论
• 参考文献
• 致谢
• 攻读硕士学位期间发表的论文和取得的科研成果