输油管道压力异常波动分析与识别方法研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 课题研究的背景与意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 国外研究现状 | 第10-11页 |
| 1.2.2 国内研究现状 | 第11-12页 |
| 1.3 本文主要研究内容 | 第12-13页 |
| 1.4 本章小结 | 第13-15页 |
| 第二章 管道压力异常波动的诱因分析 | 第15-32页 |
| 2.1 管道压力异常波动的产生与传播机理 | 第15-17页 |
| 2.2 管道压力异常波动诱导模型的构建 | 第17-22页 |
| 2.2.1 故障树分析法的基本原理 | 第17-18页 |
| 2.2.2 压力异常波动故障树的模型建立 | 第18-21页 |
| 2.2.3 故障树模型的定性分析 | 第21-22页 |
| 2.3 管道压力异常波动防控模型的建立 | 第22-30页 |
| 2.3.1 我国东部某进口原油管道Y工程实例 | 第22页 |
| 2.3.2 故障树底事件概率的确定 | 第22-27页 |
| 2.3.3 故障树顶事件概率的计算 | 第27-28页 |
| 2.3.4 压力异常波动的防控决策 | 第28-30页 |
| 2.4 本章小结 | 第30-32页 |
| 第三章 管道压力异常波动的信号分析 | 第32-48页 |
| 3.1 小型环道实验装置的基本情况 | 第32-36页 |
| 3.1.1 小型环道实验装置的工作流程 | 第32-33页 |
| 3.1.2 小型试验环道装置的设备组成 | 第33-36页 |
| 3.2 小波变换优势分析 | 第36-38页 |
| 3.2.1 傅立叶变换(FT)的局限性 | 第36-37页 |
| 3.2.2 小波变换(WT)的原理 | 第37-38页 |
| 3.3 管道压力信号的小波去噪 | 第38-43页 |
| 3.3.1 小波信号去噪原理 | 第38页 |
| 3.3.2 最优小波基的确定 | 第38-41页 |
| 3.3.3 最优分解尺度的确定 | 第41-43页 |
| 3.4 压力波动信号的奇异分析 | 第43-46页 |
| 3.4.1 信号奇异性原理 | 第44页 |
| 3.4.2 小波变换模极大值原理 | 第44-45页 |
| 3.4.3 压力信号的拐点捕捉 | 第45-46页 |
| 3.5 本章小结 | 第46-48页 |
| 第四章 常规压力异常波动信号的智能识别 | 第48-60页 |
| 4.1 典型工况压力异常波动规律分析 | 第48-52页 |
| 4.1.1 动力骤变型工况分析 | 第48-49页 |
| 4.1.2 调阀堵塞型工况分析 | 第49-50页 |
| 4.1.3 泄漏分输型工况分析 | 第50-52页 |
| 4.1.4 三类工况影响规律归纳 | 第52页 |
| 4.2 典型站场压力异常波动规律分析 | 第52-57页 |
| 4.2.1 典型输油首站压力异常波动规律 | 第52-54页 |
| 4.2.2 典型中间泵站压力异常波动规律 | 第54-55页 |
| 4.2.3 典型计量末站压力异常波动规律 | 第55-57页 |
| 4.3 智能判断的实现策略 | 第57-59页 |
| 4.4 本章小结 | 第59-60页 |
| 第五章 复杂压力异常波动信号的智能识别 | 第60-81页 |
| 5.1 复杂压力信号的预处理 | 第60-63页 |
| 5.1.1 不同管输工况的实验方案 | 第60-61页 |
| 5.1.2 压力信号特征波形的获取 | 第61-63页 |
| 5.2 信号特征值的主成分分析 | 第63-69页 |
| 5.2.1 信号特征值的提取 | 第63-67页 |
| 5.2.2 基于PCA的特征参数降维 | 第67-69页 |
| 5.3 基于最优特征向量的智能识别 | 第69-74页 |
| 5.3.1 神经网络与BP算法简介 | 第69-72页 |
| 5.3.2 最优特征向量的确立与应用 | 第72-74页 |
| 5.4 基于最优三维特征库的智能识别 | 第74-78页 |
| 5.4.1 最优三维特征库的建立过程 | 第74-77页 |
| 5.4.2 最优三维特征库智能识别的实现方法 | 第77-78页 |
| 5.5 工业应用的概念模型与预期流程 | 第78-80页 |
| 5.6 本章小结 | 第80-81页 |
| 结论、建议与创新点 | 第81-84页 |
| 参考文献 | 第84-88页 |
| 攻读硕士学位期间取得的学术成果 | 第88-89页 |
| 致谢 | 第89页 |
