| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 论文选题的背景及意义 | 第10-11页 |
| 1.2 国内外管道泄漏检测技术发展概况 | 第11页 |
| 1.3 管道泄漏检测方法 | 第11-16页 |
| 1.3.1 负压波泄漏检测方法 | 第13-15页 |
| 1.3.2 基于管道数学模型的检测方法 | 第15-16页 |
| 1.4 本文所做主要工作 | 第16-18页 |
| 第2章 管道泄漏两级检测方法研究 | 第18-26页 |
| 2.1 管道泄漏检测问题分析 | 第18-21页 |
| 2.1.1 快速、突发性泄漏检测问题分析 | 第18-20页 |
| 2.1.2 微弱泄漏检测问题分析 | 第20-21页 |
| 2.2 管道泄漏两级检测方法 | 第21-25页 |
| 2.2.1 两级检测方法的提出 | 第21-22页 |
| 2.2.2 两级检测方法的内容 | 第22-25页 |
| 2.3 本章总结 | 第25-26页 |
| 第3章 基于神经网络的异常信号检测算法研究 | 第26-60页 |
| 3.1 基于RBF神经网络的异常信号检测算法研究 | 第26-37页 |
| 3.1.1 RBF神经网络结构 | 第26-28页 |
| 3.1.2 算法描述 | 第28-29页 |
| 3.1.3 算法检测异常信号的仿真实例 | 第29-34页 |
| 3.1.4 算法在管道泄漏异常信号检测中的应用实例 | 第34-37页 |
| 3.2 基于BP神经网络的异常信号检测算法研究 | 第37-47页 |
| 3.2.1 BP神经网络学习算法 | 第37-41页 |
| 3.2.2 算法检测异常信号的仿真实例 | 第41-44页 |
| 3.2.3 算法在管道泄漏检测中的应用实例 | 第44-47页 |
| 3.3 基于视神经网络的异常信号检测算法研究 | 第47-53页 |
| 3.3.1 视神经网络算法描述 | 第47-49页 |
| 3.3.2 算法检测异常信号的仿真实例 | 第49-51页 |
| 3.3.3 算法在管道泄漏检测中的应用 | 第51-53页 |
| 3.4 基于时间序列工具箱的异常信号算法研究 | 第53-57页 |
| 3.5 基于神经网络的异常信号检测算法对比分析 | 第57-58页 |
| 3.6 本章总结 | 第58-60页 |
| 第4章 基于混合模型的输油管道泄漏检测方法研究 | 第60-78页 |
| 4.1 输油管道的机理模型 | 第60-69页 |
| 4.1.1 输油管道机理模型建模影响因子分析 | 第60-62页 |
| 4.1.2 输油管道机理模型建模 | 第62-64页 |
| 4.1.3 输油管道机理模型求解方法及仿真 | 第64-69页 |
| 4.2 输油管道的数据驱动模型 | 第69-70页 |
| 4.3 输油管道混合模型 | 第70-73页 |
| 4.3.1 混合模型建模思想 | 第70-72页 |
| 4.3.2 管道混合模型的结构和参数 | 第72-73页 |
| 4.4 基于混合模型的管道泄漏检测方法 | 第73-76页 |
| 4.5 本章总结 | 第76-78页 |
| 第5章 总结与展望 | 第78-80页 |
| 致谢 | 第80-82页 |
| 参考文献 | 第82-88页 |
| 攻读硕士期间所得成果 | 第88页 |