基于HHT的供水管道泄漏检测研究
摘要 | 第4-5页 |
Abstract | 第5-6页 |
目录 | 第7-10页 |
Contents | 第10-13页 |
第一章 绪论 | 第13-23页 |
1.1 研究背景及意义 | 第13-15页 |
1.2 国内外研究现状 | 第15-20页 |
1.2.1 管道泄漏检测仪器 | 第15-17页 |
1.2.2 基于声信号处理的泄漏检测方法 | 第17-18页 |
1.2.3 其他检漏方法 | 第18-20页 |
1.3 研究内容及论文结构 | 第20-23页 |
第二章 管道泄漏检测理论 | 第23-33页 |
2.1 漏水声及其产生机理 | 第23-26页 |
2.1.1 泄漏主要形式 | 第23-24页 |
2.1.2 泄漏处主要声源 | 第24-25页 |
2.1.3 泄漏声产生机理 | 第25-26页 |
2.2 泄漏声信号时频特点 | 第26-30页 |
2.2.1 功率谱 | 第26-27页 |
2.2.2 HHT时频分析 | 第27-30页 |
2.3 声信号的特征提取 | 第30-32页 |
2.3.1 IMF分量的能量 | 第30页 |
2.3.2 Hilbert谱的奇异值 | 第30-32页 |
2.4 小结 | 第32-33页 |
第三章 管道泄漏的信号检测 | 第33-53页 |
3.1 方案总体设计 | 第33-34页 |
3.2 方案各单元的实现 | 第34-38页 |
3.2.1 传感器的选择 | 第34-35页 |
3.2.2 信号调理器的选择 | 第35-36页 |
3.2.3 采集单元的选择 | 第36页 |
3.2.4 监控单元的设计 | 第36-38页 |
3.3 方案应用测试及分析 | 第38-51页 |
3.3.1 泄漏检测的标准 | 第39-50页 |
3.3.2 方案性能分析 | 第50-51页 |
3.4 小结 | 第51-53页 |
第四章 泄漏类型的分类识别 | 第53-71页 |
4.1 BP神经网络 | 第53-56页 |
4.1.1 BP神经网络简介 | 第53-54页 |
4.1.2 BP神经网络分类算法 | 第54-56页 |
4.2 基于IMF能量特征的分类 | 第56-62页 |
4.2.1 IMF分量的能量特征 | 第56-59页 |
4.2.2 分类算法的应用测试 | 第59-62页 |
4.3 基于Hilbert谱奇异值特征的分类 | 第62-68页 |
4.3.1 Hilbert谱的奇异值特征 | 第62-65页 |
4.3.2 分类算法的应用测试 | 第65-68页 |
4.4 泄漏分类的分析 | 第68-69页 |
4.4.1 两种分类方法的对比 | 第68页 |
4.4.2 泄漏分类系统 | 第68-69页 |
4.5 小结 | 第69-71页 |
第五章 总结与展望 | 第71-73页 |
5.1 全文总结 | 第71-72页 |
5.2 后续工作展望 | 第72-73页 |
参考文献 | 第73-77页 |
科研成果及参与项目情况 | 第77-79页 |
致谢 | 第79页 |