| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-22页 |
| ·选题背景及意义 | 第10-12页 |
| ·管道泄漏检测技术与方法 | 第12-18页 |
| ·地面间接检测 | 第13-14页 |
| ·嗅觉传感器检测 | 第14页 |
| ·智能爬机 | 第14页 |
| ·基于SCADA的软件 | 第14-15页 |
| ·基于泄漏引发的物理现象检测 | 第15-16页 |
| ·负压波法泄漏检测原理及定位方法 | 第16-18页 |
| ·噪声抵消理论的发展应用 | 第18页 |
| ·神经网络的发展应用 | 第18-20页 |
| ·本文研究的主要内容 | 第20-22页 |
| 第2章 基于小波与噪声抵消的管道泄漏信号处理 | 第22-46页 |
| ·小波分析基本理论 | 第22-33页 |
| ·连续及离散小波变换 | 第22-25页 |
| ·多尺度分析 | 第25-28页 |
| ·Mallat算法 | 第28-30页 |
| ·小波包算法 | 第30-33页 |
| ·噪声抵消技术基本理论 | 第33-39页 |
| ·自适应滤波器基本结构 | 第33-34页 |
| ·自适应噪声抵消系统的基本原理 | 第34-35页 |
| ·BP神经网络在噪声抵消中的应用 | 第35-39页 |
| ·管道泄漏信号的小波与噪声抵消仿真 | 第39-45页 |
| ·本章小结 | 第45-46页 |
| 第3章 基于Elman神经网络的管道泄漏检测方法的研究 | 第46-62页 |
| ·人工神经网络原理 | 第46-50页 |
| ·神经元模型 | 第46-47页 |
| ·神经网络的拓扑结构 | 第47-48页 |
| ·神经网络的学习规则 | 第48-50页 |
| ·Elman神经网络 | 第50-58页 |
| ·网络结构及输入输出关系式 | 第50-52页 |
| ·修正网络权值的学习算法 | 第52-54页 |
| ·稳定性推导与分析 | 第54-58页 |
| ·基于Elman神经网络的管道泄漏数据实例分析 | 第58-61页 |
| ·本章小结 | 第61-62页 |
| 第4章 Elman神经网络的泄漏检测方法的改进与研究 | 第62-70页 |
| ·引言 | 第62页 |
| ·基于OIF Elman人工神经网络的泄漏检测算法 | 第62-65页 |
| ·OIF Elman神经网络的基本原理 | 第62-63页 |
| ·OIF Elman神经网络的训练方法 | 第63-64页 |
| ·基于OIF Elman神经网络的管道泄漏数据实例分析 | 第64-65页 |
| ·增加时间因子的Elman神经网络管道泄漏检测算法 | 第65-69页 |
| ·时间因子的基本原理 | 第66页 |
| ·带时间因子的Elman神经网络 | 第66页 |
| ·带时间因子的Elman神经网络训练方法 | 第66-67页 |
| ·基于带时间因子Elman神经网络的管道泄漏数据实例分析 | 第67-69页 |
| ·本章小结 | 第69-70页 |
| 第5章 总结与展望 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76-78页 |
| 攻读硕士期间的科研情况 | 第78页 |
