输油管道泄漏检测及定位的仿真研究

论文摘要

管道泄漏检测及定位系统是工程领域中一个重要的研究方向,虽然经过了几十年的发展,但是到目前为止各种方法仍不尽完善,尚有许多新问题亟待解决,其中最主要的是降低误报警率。本文采用小波分析与神经网络相结合的方法进行输油管道的泄漏检测,将小波去噪后信号中最小值附近的数据按照一定频率采样,送入神经网络进行训练,构成泄漏的数据识别库,对管道进行泄漏判断,提高了负压波法检测的准确性。本文介绍了国内外出现的一些管道泄漏检测方法,研究了改进的负压波法以及相关理论。分析了管道内流体温度随传输距离变化的规律,并指出此规律对管道内负压波传播速度的影响。由于常负压波波速定位方法具有一定的局限性,本文采用改进的负压波定位技术。用复化辛普森公式将管道内的负压波波速公式进行改造,结合管道两端接受到负压波的时间差,采用差值法求解泄漏点的位置。采用消除首末端压力传感器动态响应时间差的方法及全球定位系统(GPS)来统一首末端数据采集系统的系统时间。本文对泄漏检测定位和小波去噪从原理到计算机仿真的核心算法等都进行了详细的分析和讨论。应用Matlab软件对采集到的原始输油管道泄漏信号进行数据去噪处理和泄漏定位分析。在干扰压力波排除过程中,采用神经网络的BP算法,利用神经网络的自组织、自学习的功能,先对泄漏数据及非泄漏数据进行训练并记忆其特征。根据特征的不同,来区分工况干扰和泄漏事故产生的压力波动,从而进行泄漏判断。

论文目录

• 摘要
• ABSTRACT
• 创新点摘要
• 前言
• 第一章 概述
• 1.1 国内外检测系统的研究和应用现状
• 1.1.1 国内的泄漏检测系统
• 1.1.2 国外泄漏检测系统的报道
• 1.2 泄漏检测方法概述
• 1.2.1 检测管壁的状况
• 1.2.2 检测管内流动状态
• 1.3 论文的主要工作内容及研究意义
• 第二章 小波分析用于输油管道泄漏检测
• 2.1 小波变换的历史与现状
• 2.2 小波分析的应用
• 2.2.1 小波分析在工程中的应用
• 2.2.2 小波分析在管道泄漏中的应用
• 2.3 小波变换的基本原理
• 2.3.1 从傅立叶变换到小波变换
• 2.3.2 小波变换
• 2.4 应用小波变换进行去噪
• 2.4.1 小波降噪的基本原理
• 2.4.2 小波分解与重构去噪
• 2.4.3 非线性小波变换阈值法去噪
• 2.4.4 小波变换模极大值去噪
• 2.4.5 几种小波去噪方法的比较
• 2.4.6 本文所采用的方法
• 2.5 基于域值决策的小波降噪算法研究
• 2.5.1 小波基的选取
• 2.5.2 域值的选取
• 2.5.3 噪声标准差的估计
• 2.6 本章小结
• 第三章 基于神经网络的管道泄漏检测
• 3.1 人工神经网络
• 3.2 BP 神经网络
• 3.2.1 神经元模型
• 3.2.2 前馈型神经网络结构
• 3.2.3 BP 学习算法
• 3.3 BP 神经网络训练
• 3.3.1 神经网络的样本选择
• 3.3.2 BP 神经网络的设计
• 3.3.3 样本数据制作
• 3.3.4 神经网络训练识别
• 3.4 本章小结
• 第四章 长输油管道的泄漏定位
• 4.1 瞬态负压波法泄漏定位的原理
• 4.1.1 泄漏检测原理
• 4.1.2 负压波泄漏检测及定位技术关键
• 4.2 负压波波速的确定
• 4.3 负压波泄漏检测定位关键技术及解决办法
• 4.3.1 因泄漏产生的负压波强度传播规律
• 4.3.2 两端压力传感器的动态响应时间差
• 4.3.3 原油温度的沿程变化
• 4.3.4 对常波速定位方法的改进
• 4.3.5 管道泄漏检测系统时钟校对技术
• 4.4 泄漏点的定位
• 4.5 本章小结
• 结论
• 参考文献
• 发表文章目录
• 致谢
• 详细摘要