| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 创新点摘要 | 第6-9页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 课题的研究背景及意义 | 第9-10页 |
| 1.2 管道泄漏检测与定位技术研究现状 | 第10-12页 |
| 1.2.1 基于硬件的管道泄漏定位技术 | 第10-11页 |
| 1.2.2 基于软件的管道泄漏定位技术 | 第11-12页 |
| 1.3 本文的研究意义和主要工作 | 第12-13页 |
| 第二章 输油管道泄漏检测与定位理论 | 第13-19页 |
| 2.1 输油管道泄漏理论基础 | 第13页 |
| 2.1.1 输油管道泄漏分析 | 第13页 |
| 2.1.2 泄漏信号特性分析 | 第13页 |
| 2.2 负压波法泄漏检测与基本原理 | 第13-15页 |
| 2.2.1 负压波产生的机理 | 第13-14页 |
| 2.2.2 负压波传播规律 | 第14-15页 |
| 2.3 相关分析算法定位原理 | 第15-18页 |
| 2.4 本章小结 | 第18-19页 |
| 第三章 基于小波变换对长输管道泄漏信号的处理 | 第19-32页 |
| 3.1 小波分析理论 | 第19-25页 |
| 3.1.1 连续小波变换和离散小波变换 | 第19-22页 |
| 3.1.2 多分辨率分析 | 第22-24页 |
| 3.1.3 小波包算法 | 第24-25页 |
| 3.2 小波去噪原理及参数选择 | 第25-31页 |
| 3.2.1 小波去噪参数的确定 | 第25-29页 |
| 3.2.2 信号消噪的仿真实验 | 第29页 |
| 3.2.3 小波包变换提取压力信号特征向量 | 第29-30页 |
| 3.2.4 小波包的特征向量提取 | 第30-31页 |
| 3.3 本章小结 | 第31-32页 |
| 第四章 混沌遗传算法BP神经网络的管道泄漏中的应用 | 第32-42页 |
| 4.1 BP神经网络 | 第32-35页 |
| 4.1.1 BP网络模型结构 | 第32-33页 |
| 4.1.2 BP学习算法 | 第33-35页 |
| 4.2 混沌-遗传算法 | 第35-37页 |
| 4.2.1 遗传算法 | 第35-36页 |
| 4.2.2 混沌算法 | 第36页 |
| 4.2.3 混沌优化遗传算法 | 第36-37页 |
| 4.3 基于混沌遗传算法的BP神经网络优化 | 第37-41页 |
| 4.3.1 混沌-遗传算法优化BP神经网络的实现 | 第37-39页 |
| 4.3.2 管道泄漏诊断实例分析 | 第39-41页 |
| 4.4 本章小结 | 第41-42页 |
| 第五章 基于LABVIEW的管道泄漏检测系统设计 | 第42-57页 |
| 5.1 管道泄漏检测与定位系统硬件设计方案 | 第42-44页 |
| 5.1.1 系统硬件部分设计 | 第42-43页 |
| 5.1.2 数据采集与时间校队系统设计 | 第43-44页 |
| 5.2 系统上位机硬件部分设计 | 第44-53页 |
| 5.2.1 数据采集与处理的模块设计 | 第45-47页 |
| 5.2.2 泄漏信号的计算与判断 | 第47-51页 |
| 5.2.3 GPS授时模块的设计 | 第51-53页 |
| 5.3 管道泄漏实验与结果分析 | 第53-56页 |
| 5.3.1 管道泄漏实验方案设计与数据分析 | 第54-55页 |
| 5.3.2 实验结论 | 第55-56页 |
| 5.4 本章小结 | 第56-57页 |
| 结论 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 发表文章目录 | 第62-63页 |
| 致谢 | 第63-64页 |