首页--工业技术论文--石油、天然气工业论文--石油机械设备与自动化论文--油气储运机械设备论文--油气管道论文

基于RBF神经网络和小波变换的管道泄漏检测技术研究

摘要第1-6页
Abstract第6-10页
第1章 绪论第10-16页
   ·课题背景第10-11页
   ·故障诊断理论简介第11-12页
   ·管道泄漏检测的典型方法第12-14页
   ·本文的主要研究内容第14-16页
第2章 基于RBF神经网络的管道泄漏检测算法研究第16-36页
   ·人工神经网络基本原理第17-23页
     ·神经网络发展历程第17-18页
     ·神经元的数学建模第18-21页
     ·神经网络学习第21-23页
   ·RBF神经网络第23-29页
     ·径向基函数(RBF)简介第23-25页
     ·RBF神经网络学习方式第25-29页
   ·基于RBF神经网络的检测算法第29-34页
     ·算法描述第29-31页
     ·算法检测奇异信号的仿真实例第31-33页
     ·算法在管道泄漏检测中的应用实例第33-34页
   ·本章总结第34-36页
第3章 基于小波变换的信号去噪算法研究第36-60页
   ·小波变换的简介第36-38页
   ·小波变换去噪基本原理第38-48页
     ·连续小波第38-41页
     ·常用的小波函数第41-43页
     ·多分辨率分析和Mallt算法第43-48页
   ·基于小波变换的阈值消噪算法第48-58页
     ·小波阈值去噪相关参数的选取第48-55页
     ·信号去噪算法及仿真第55-58页
   ·本章小结第58-60页
第4章 基于RBF神经网络与小波变换的算法及定位第60-72页
   ·管道运行的工况分析第60-65页
     ·检测窗法简介第60-61页
     ·管道泄漏工况分析第61-65页
   ·基于小波和RBF神经网络的算法及实例分析第65-68页
     ·算法描述第66页
     ·管道泄漏检测实例分析第66-68页
   ·基于RBF与负压波泄漏定位的算法第68-70页
     ·负压波定位原理第68-69页
     ·利用RBF神经网络结合负压波定位第69-70页
   ·本章小结第70-72页
第5章 总结与展望第72-74页
参考文献第74-78页
致谢第78-80页
攻读硕士期间的科研情况第80页

论文共80页,点击 下载论文
上一篇:Vc二步发酵新菌系的太空诱变选育及其发酵条件优化
下一篇:炼厂蒸汽网络多目标运行优化方法研究