| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 管道运输的发展状况及存在的问题 | 第12页 |
| 1.2 管道泄漏检测技术的发展概况与趋势 | 第12-14页 |
| 1.3 泄漏检测技术的经典方法 | 第14-16页 |
| 1.4 本文的主要工作与创新点 | 第16-18页 |
| 第2章 基于负压波和声波协同检测的管道泄漏检测系统及定位方法 | 第18-28页 |
| 2.1 引言 | 第18-19页 |
| 2.2 负压波检测管道泄漏的基本原理 | 第19-21页 |
| 2.2.1 负压波原理 | 第19-20页 |
| 2.2.2 检测系统概述 | 第20-21页 |
| 2.3 基于负压波和声波协同检测的管道泄漏定位方法 | 第21-23页 |
| 2.4 基于负压波和声波协同检测的管道泄漏检测系统结构 | 第23-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 基于线性拟合的压力泄漏检测分析 | 第28-46页 |
| 3.1 引言 | 第28页 |
| 3.2 相关分析理论基础 | 第28-30页 |
| 3.2.1 相关系数 | 第28-29页 |
| 3.2.2 相关函数 | 第29-30页 |
| 3.3 利用线性拟合进行压力泄漏检测分析的原理 | 第30-40页 |
| 3.3.1 线性拟合的基本原理 | 第31-32页 |
| 3.3.2 一种利用线性拟合判断压力下降的思路 | 第32-34页 |
| 3.3.3 压力下降时拟合角度变化规律 | 第34-37页 |
| 3.3.4 压力上升时拟合角度变化规律 | 第37-39页 |
| 3.3.5 利用线性拟合角度变化进行压力泄漏检测分析的原理 | 第39-40页 |
| 3.4 利用线性拟合进行压力泄漏检测分析的应用与仿真 | 第40-45页 |
| 3.4.1 下降点验证 | 第40-41页 |
| 3.4.2 与互相关分析的结合 | 第41-43页 |
| 3.4.3 与小波奇异点分析法的结合 | 第43-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第4章 基于模糊最小-最大神经网络的分类方法研究 | 第46-70页 |
| 4.1 引言 | 第46页 |
| 4.2 模糊神经网络原理 | 第46-53页 |
| 4.2.1 模糊理论概述 | 第46-49页 |
| 4.2.2 神经网络理论概述 | 第49-51页 |
| 4.2.3 模糊理论与神经网络的融合 | 第51-52页 |
| 4.2.4 模糊神经网络的概念与结构 | 第52-53页 |
| 4.3 模糊最小-最大分类神经网络的研究 | 第53-62页 |
| 4.3.1 创建网络时无消减过程的模糊最小-最大神经网络 | 第53-57页 |
| 4.3.2 创建网络时含有消减过程的模糊最小-最大神经网络 | 第57-60页 |
| 4.3.3 模糊最小-最大神经网络特征分析 | 第60-62页 |
| 4.4 一种基于数据质心的模糊最小-最大神经网络分类方法 | 第62-67页 |
| 4.4.1 GFMN超盒隶属函数的参数分析 | 第62-63页 |
| 4.4.2 基于数据质心的模糊最小-最大神经网络分类方法 | 第63-67页 |
| 4.5 仿真分析 | 第67-69页 |
| 4.5.1 精度测试 | 第67页 |
| 4.5.2 耗时测试 | 第67-68页 |
| 4.5.3 扰动测试 | 第68-69页 |
| 4.6 本章小结 | 第69-70页 |
| 第5章 基于模糊最小-最大神经网络的管道状态分类方法研究 | 第70-78页 |
| 5.1 引言 | 第70-72页 |
| 5.2 数据集的获取与处理方法 | 第72-73页 |
| 5.2.1 数据集的获取 | 第72-73页 |
| 5.2.2 数据处理方法 | 第73页 |
| 5.3 应用模糊最小-最大分类网络的泄漏检测系统工作流程 | 第73-74页 |
| 5.4 仿真分析 | 第74-77页 |
| 5.4.1 精度测试 | 第75-76页 |
| 5.4.2 耗时测试 | 第76-77页 |
| 5.5 本章小结 | 第77-78页 |
| 第6章 总结与展望 | 第78-80页 |
| 参考文献 | 第80-84页 |
| 致谢 | 第84-86页 |
| 攻读硕士期间科研情况 | 第86页 |
