| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第13-23页 |
| 1.1 课题的研究目的和意义 | 第13-15页 |
| 1.1.1 管道运输的现状分析 | 第13-14页 |
| 1.1.2 管道运输中存在的问题 | 第14-15页 |
| 1.2 国内外研究现状及发展动态分析 | 第15-21页 |
| 1.2.1 基于硬件的管道泄漏诊断方法 | 第16-19页 |
| 1.2.2 基于软件的管道泄漏诊断方法 | 第19-21页 |
| 1.3 本文的主要研究内容 | 第21-23页 |
| 第二章 声波信号时域统计特征分析与提取 | 第23-33页 |
| 2.1 引言 | 第23页 |
| 2.2 声波信号时域统计特征分析 | 第23-25页 |
| 2.3 声波信号的时域统计k-P图 | 第25-29页 |
| 2.3.1 频率直方图 | 第25-27页 |
| 2.3.2 频率直方图的归一化 | 第27-29页 |
| 2.4 声波信号时域统计特征提取方法 | 第29-31页 |
| 2.5 本章小结 | 第31-33页 |
| 第三章 信息熵理论在管道泄漏诊断中的应用研究 | 第33-47页 |
| 3.1 引言 | 第33-35页 |
| 3.2 信息熵理论概述 | 第35-36页 |
| 3.3 基于信息熵的声波信号特征提取方法 | 第36-46页 |
| 3.3.1 时域信息熵特征 | 第36-37页 |
| 3.3.2 频域信息熵特征 | 第37-41页 |
| 3.3.3 时-频域信息熵特征 | 第41-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第四章 PCA-SVDD管道泄漏诊断模型 | 第47-55页 |
| 4.1 主元分析方法(PCA) | 第47-48页 |
| 4.2 支持向量数据描述(SVDD) | 第48-50页 |
| 4.3 诊断模型的建立 | 第50-53页 |
| 4.3.1 训练样本的选取 | 第50-51页 |
| 4.3.2 声波信号特征提取 | 第51-52页 |
| 4.3.3 模型训练与测试 | 第52-53页 |
| 4.4 本章小结 | 第53-55页 |
| 第五章 实验与分析 | 第55-73页 |
| 5.1 管道泄漏诊断动态库开发 | 第55-59页 |
| 5.1.1 Borland C++ Builder简介 | 第55页 |
| 5.1.2 动态链接库简介 | 第55-56页 |
| 5.1.3 管道泄漏诊断动态链接库开发 | 第56-59页 |
| 5.2 现场实验验证 | 第59-70页 |
| 5.2.1 管道泄漏监测系统 | 第59-60页 |
| 5.2.2 现场实验结果 | 第60-70页 |
| 5.3 本章小结 | 第70-73页 |
| 第六章 结论与展望 | 第73-75页 |
| 6.1 结论 | 第73-74页 |
| 6.2 展望 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 致谢 | 第79-81页 |
| 研究成果及发表的学术论文 | 第81-83页 |
| 作者及导师简介 | 第83-84页 |
| 附件 | 第84-85页 |