| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题研究的背景和意义 | 第9页 |
| 1.2 管道泄漏检测技术概述 | 第9-12页 |
| 1.3 基于音波的管道泄漏检测技术研究情况 | 第12-14页 |
| 1.4 论文的主要工作 | 第14-15页 |
| 第2章 基于音波的泄漏检测实验系统组成 | 第15-21页 |
| 2.1 实验系统硬件部分介绍 | 第15-17页 |
| 2.2 数据采集系统 | 第17-19页 |
| 2.3 基于虚拟仪器的数据汇集处理系统 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第3章 基于小波变换的音波信号处理 | 第21-39页 |
| 3.1 小波变换的原理 | 第21-23页 |
| 3.2 小波去噪原理及步骤 | 第23-24页 |
| 3.3 基于小波阈值法的泄漏信号去噪处理 | 第24-32页 |
| 3.3.1 小波基的选取 | 第26-28页 |
| 3.3.2 阈值处理方法确定 | 第28-29页 |
| 3.3.3 阈值处理规则及分解层数的确定 | 第29-31页 |
| 3.3.4 小波去噪效果图 | 第31-32页 |
| 3.4 基于小波的泄漏信号时频分析 | 第32-38页 |
| 3.4.1 最优基的选取 | 第32-35页 |
| 3.4.2 音波信号的小波时频分析 | 第35-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第4章 音波信号的特征提取与泄漏判断 | 第39-58页 |
| 4.1 音波信号的特征提取 | 第39-50页 |
| 4.1.1 音波泄漏信号的时域特征提取 | 第40-45页 |
| 4.1.2 音波泄漏信号的频域特征提取 | 第45-48页 |
| 4.1.3 基于小波包分解的音波泄漏信号特征提取 | 第48-50页 |
| 4.2 基于人工神经网络的泄漏判断 | 第50-57页 |
| 4.2.1 人工神经网络概述 | 第51-53页 |
| 4.2.2 BP神经网络的建立 | 第53-57页 |
| 4.3 本章小结 | 第57-58页 |
| 第5章 基于LabVIEW的输气管道泄漏检测程序设计 | 第58-67页 |
| 5.1 基于LabVIEW的泄漏检测系统的算法流程 | 第58-59页 |
| 5.2 基于LabVIEW的数据处理程序设计 | 第59-64页 |
| 5.2.1 数据预处理及小波去噪 | 第59-60页 |
| 5.2.2 特征值提取 | 第60-61页 |
| 5.2.3 基于BP神经网络的泄漏诊断 | 第61-64页 |
| 5.3 工况干扰的排除 | 第64-66页 |
| 5.3.1 时间差法排除工况原理 | 第64-65页 |
| 5.3.2 互相关法确定时间差 | 第65-66页 |
| 5.3.3 工况干扰排除LabVIEW程序设计 | 第66页 |
| 5.4 本章小结 | 第66-67页 |
| 总结与建议 | 第67-69页 |
| 参考文献 | 第69-72页 |
| 致谢 | 第72页 |