| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-19页 |
| ·引言 | 第10页 |
| ·管道泄漏检测与定位技术研究现状 | 第10-17页 |
| ·基于硬件的管道泄漏检测技术 | 第11页 |
| ·基于软件的管道泄漏检测技术 | 第11-15页 |
| ·气体管道泄漏检测方法综述 | 第15-17页 |
| ·本课题的研究意义和主要研究内容 | 第17-19页 |
| ·本课题的研究意义 | 第17-18页 |
| ·本课题的主要研究内容 | 第18-19页 |
| 第二章 基于气体管道传输机理的动态模型 | 第19-29页 |
| ·引言 | 第19页 |
| ·气体在管道中流动的数学模型 | 第19-21页 |
| ·气体在管道中流动的基本方程 | 第19-20页 |
| ·气体状态方程 | 第20页 |
| ·气体管道数学模型 | 第20-21页 |
| ·偏微分方程数值求解 | 第21-25页 |
| ·偏微分方程数值求解方法 | 第21-22页 |
| ·隐式差分法求解偏微分方程 | 第22-23页 |
| ·方程组求解 | 第23-25页 |
| ·气体管道状态空间模型 | 第25-28页 |
| ·管道无泄漏状态空间模型 | 第25-26页 |
| ·管道泄漏状态空间模型 | 第26-28页 |
| ·小结 | 第28-29页 |
| 第三章 神经网络在气体管道模型中的应用 | 第29-40页 |
| ·引言 | 第29页 |
| ·人工神经网络 | 第29-30页 |
| ·RBF神经网络 | 第30-35页 |
| ·RBF神经网络的基本结构和数学模型 | 第30-32页 |
| ·RBF神经网络的基本学习算法 | 第32-33页 |
| ·RBF神经网络的K-meas聚类法 | 第33-35页 |
| ·基于机理模型和神经网络模型的混合建模 | 第35-39页 |
| ·混合建模思想 | 第35页 |
| ·混合模型结构 | 第35-37页 |
| ·确定神经网络模型的输入输出 | 第37-39页 |
| ·网络输入变量归一化处理 | 第39页 |
| ·小结 | 第39-40页 |
| 第四章 基于李雅普诺夫稳定性理论的管道泄漏检测方法 | 第40-45页 |
| ·引言 | 第40页 |
| ·李雅普诺夫稳定性 | 第40-41页 |
| ·稳定性定义与稳定性条件 | 第40-41页 |
| ·系统平衡状态 | 第41页 |
| ·小偏差线性化方法与李雅普诺夫第一法 | 第41-43页 |
| ·小偏差线性化方法的基本思想 | 第41页 |
| ·状态方程在平衡状态附近的线性化 | 第41-42页 |
| ·李雅普诺夫第一法 | 第42-43页 |
| ·利用李氏第一法检测气体管道泄漏 | 第43-44页 |
| ·泄漏点和泄漏量的确定 | 第44页 |
| ·小结 | 第44-45页 |
| 第五章 基于MATLAB的数据仿真实验 | 第45-54页 |
| ·基于MATLAB的气体管道机理模型数据仿真 | 第45-49页 |
| ·气体管道稳态模型仿真实验 | 第45-47页 |
| ·气体管道泄漏模型仿真实验 | 第47-49页 |
| ·神经网络模型仿真训练和混合模型实现 | 第49-51页 |
| ·RBF神经网络模型训练及其仿真 | 第49-51页 |
| ·混合模型精度验证与仿真 | 第51页 |
| ·基于李雅普诺夫第一法的气体管道泄漏检测实验仿真 | 第51-53页 |
| ·小结 | 第53-54页 |
| 第六章 结论与展望 | 第54-56页 |
| ·结论 | 第54页 |
| ·展望 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60页 |