| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 课题背景和研究意义 | 第10-11页 |
| 1.2 流体输送管道泄漏检测方法 | 第11-17页 |
| 1.2.1 管壁状况检测方法 | 第12页 |
| 1.2.2 管道内部流体状态检测方法 | 第12-17页 |
| 1.3 微小泄漏检测技术研究现状及发展 | 第17-18页 |
| 1.4 本文所做的主要工作 | 第18-20页 |
| 第2章 管道压力时序数据的混沌特性研究 | 第20-42页 |
| 2.1 混沌的定义和基本概念 | 第20-23页 |
| 2.1.1 混沌吸引子 | 第21-22页 |
| 2.1.2 混沌初值敏感性 | 第22-23页 |
| 2.2 嵌入空间重构 | 第23-29页 |
| 2.2.1 嵌入维数 | 第23-27页 |
| 2.2.2 嵌入延迟 | 第27-29页 |
| 2.3 管道压力时间序列的平稳性检验 | 第29-33页 |
| 2.4 管道压力时间序列的非线性检验 | 第33-35页 |
| 2.5 管道压力时间序列的混沌识别 | 第35-41页 |
| 2.5.1 关联维数的估计 | 第35-37页 |
| 2.5.2 Lyapunov指数谱 | 第37-41页 |
| 2.5.3 管道压力时间序列混沌特性的证明 | 第41页 |
| 2.6 本章小结 | 第41-42页 |
| 第3章 基于压力时间序列预测的管道泄漏在线检测方法 | 第42-70页 |
| 3.1 经典模糊双曲正切模型 | 第42-44页 |
| 3.2 广义模糊双曲正切模型及其逼近性研究 | 第44-49页 |
| 3.3 基于GFHM的管道压力时序数据预测模型建模 | 第49-52页 |
| 3.3.1 时间序列预测理论 | 第49-50页 |
| 3.3.2 基于GFHM的管道压力预测模型 | 第50-52页 |
| 3.4 广义模糊双曲正切预测模型的BP神经网络实现 | 第52-62页 |
| 3.4.1 神经网络的BP算法 | 第53-55页 |
| 3.4.2 广义模糊双曲正切模型的神经网络实现 | 第55-56页 |
| 3.4.3 广义模糊双曲正切模型的BP神经网络辨识 | 第56-62页 |
| 3.5 基于GFHM的压力时序预测模型仿真与验证 | 第62-69页 |
| 3.5.1 广义模糊双曲正切模型预测与BP神经网络预测的仿真比较 | 第62-65页 |
| 3.5.2 压力时序预测模型的泄漏实时检测仿真实现 | 第65-69页 |
| 3.6 本章小结 | 第69-70页 |
| 第4章 基于混沌分析的管道微小泄漏在线诊断 | 第70-84页 |
| 4.1 管道微小泄漏在线检测方法设计原理 | 第70-73页 |
| 4.2 基于GFHM的管道压力混沌分析算法 | 第73-76页 |
| 4.3 工况调整所引起的故障误报警的排除 | 第76-81页 |
| 4.3.1 基于GFHM的负压波分类模型 | 第77-78页 |
| 4.3.2 负压波分类模型的仿真实现 | 第78-81页 |
| 4.4 管道微小泄漏在线检测系统仿真 | 第81-82页 |
| 4.5 本章小结 | 第82-84页 |
| 第5章 总结与展望 | 第84-86页 |
| 参考文献 | 第86-92页 |
| 致谢 | 第92-94页 |
| 攻读硕士期间所得成果 | 第94-96页 |
| 附录 | 第96-101页 |
