基于小波分析的长输油管道泄漏检测与定位
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 前言 | 第9-14页 |
| 1.1 选题背景及意义 | 第9-10页 |
| 1.2 管道故障检测与定位技术简介 | 第10-12页 |
| 1.2.1 流量平衡法 | 第10页 |
| 1.2.2 基于模型的管道泄漏检测 | 第10-11页 |
| 1.2.3 基于信号处理的故障检测和定位方法 | 第11页 |
| 1.2.4 基于经验的方法 | 第11-12页 |
| 1.3 小波分析及其在管道泄漏检测中的应用 | 第12-13页 |
| 1.4 本文的主要内容 | 第13-14页 |
| 第2章 管道瞬态流动方程 | 第14-25页 |
| 2.1 管道瞬变流的理论依据 | 第14-23页 |
| 2.1.1 管道瞬变流的控制方程 | 第14-15页 |
| 2.1.2 管道瞬变流的特征线法 | 第15-17页 |
| 2.1.3 特征线方程的求解 | 第17-20页 |
| 2.1.4 边界条件的确定 | 第20-23页 |
| 2.2 仿真压力信号曲线 | 第23-25页 |
| 第3章 小波分析理论 | 第25-33页 |
| 3.1 小波变换 | 第25-26页 |
| 3.1.1 连续小波变换 | 第25页 |
| 3.1.2 离散小波变换 | 第25-26页 |
| 3.2 多分辨分析 | 第26-29页 |
| 3.2.1 多分辨分析 | 第26-27页 |
| 3.2.2 Mallat算法 | 第27-29页 |
| 3.3 小波包理论 | 第29-31页 |
| 3.4 提升小波变换 | 第31-33页 |
| 第4章 基于小波分析的管道泄漏检测 | 第33-46页 |
| 4.1 基于小波分析的信号降噪 | 第33-38页 |
| 4.1.1 小波函数及分解尺度的选择 | 第33-34页 |
| 4.1.2 消噪阈值及其选取 | 第34-36页 |
| 4.1.3 提升小波包去噪 | 第36-38页 |
| 4.2 基于小波变换模极大值的管道泄漏检测 | 第38-43页 |
| 4.2.1 小波模极大值理论 | 第38-39页 |
| 4.2.2 泄漏故障检测 | 第39-43页 |
| 4.3 负压波法定位 | 第43-46页 |
| 第5章 基于小波神经网络的管道泄漏定位方法 | 第46-67页 |
| 5.1 小波神经网络理论 | 第46-50页 |
| 5.1.1 人工神经网络 | 第46-48页 |
| 5.1.2 小波神经网络 | 第48-50页 |
| 5.2 小波神经网络的算法推导 | 第50-55页 |
| 5.2.1 BP网络学习算法 | 第50-52页 |
| 5.2.2 小波神经网络学习算法 | 第52-55页 |
| 5.3 改进的小波神经网络 | 第55-59页 |
| 5.4 小波神经网络故障诊断 | 第59-67页 |
| 5.4.1 故障特征提取 | 第59-60页 |
| 5.4.2 故障诊断系统 | 第60-61页 |
| 5.4.3 基于小波神经网络的管道泄漏定位 | 第61-67页 |
| 第6章 总结与展望 | 第67-69页 |
| 参考文献 | 第69-74页 |
| 致谢 | 第74页 |
