管道内检测器实时跟踪定位系统研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题的研究背景 | 第10-13页 |
| 1.2 内检测器跟踪定位方法的国内外现状 | 第13-15页 |
| 1.3 本文的主要工作和结构安排 | 第15-18页 |
| 第2章 内检测器定位模型 | 第18-24页 |
| 2.1 建立内检测器定位模型 | 第18-20页 |
| 2.2 影响定位精度的因素 | 第20-22页 |
| 2.2.1 负压波传播速度 | 第21页 |
| 2.2.2 首末站采集时间的同步 | 第21-22页 |
| 2.2.3 采集单元的采样频率 | 第22页 |
| 2.3 本章小结 | 第22-24页 |
| 第3章 有效负压波奇异点判断算法的研究 | 第24-40页 |
| 3.1 压力信号高斯滤波 | 第25-27页 |
| 3.2 压力信号补偿算法的设计 | 第27-31页 |
| 3.2.1 大扰动点的判断 | 第27-28页 |
| 3.2.2 基于三次样条的数据补偿算法设计 | 第28-31页 |
| 3.3 基于小波变换的压力突变点判断 | 第31-37页 |
| 3.3.1 小波变换原理 | 第31-32页 |
| 3.3.2 小波变换法判压力曲线突变点 | 第32-37页 |
| 3.4 有效奇异点的判断 | 第37-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第4章 首末站波形匹配算法的研究与设计 | 第40-58页 |
| 4.1 负压波相关参数的计算 | 第40-43页 |
| 4.1.1 首末站波形的分析时间窗选取 | 第40-41页 |
| 4.1.2 负压波基线值的确定 | 第41-42页 |
| 4.1.3 负压波均值的计算 | 第42-43页 |
| 4.1.4 负压波能量的计算 | 第43页 |
| 4.2 基于神经网络的首末站波形粗略匹配 | 第43-51页 |
| 4.2.1 神经网络 | 第44-47页 |
| 4.2.2 样本库的建立 | 第47-48页 |
| 4.2.3 波形匹配神经网络的训练 | 第48-50页 |
| 4.2.4 基于BP神经网络的末站波形能量值预测 | 第50-51页 |
| 4.3 相关性分析法精确匹配首末站负压波波形 | 第51-57页 |
| 4.3.1 相关性的定义 | 第51-53页 |
| 4.3.2 相关性法匹配首末站负压波波形的可行性 | 第53页 |
| 4.3.3 几种相关性分析方法匹配波形 | 第53-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第5章 管道内检测器定位系统的设计 | 第58-78页 |
| 5.1 内检测器定位系统平台的搭建 | 第59-74页 |
| 5.1.1 首末站单端采集单元 | 第59-66页 |
| 5.1.2 采集单元的程序设计 | 第66-71页 |
| 5.1.3 GPS授时单元 | 第71-74页 |
| 5.2 内检测器定位系统软件设计 | 第74-76页 |
| 5.2.1 系统的流程设计 | 第74-75页 |
| 5.2.2 系统的功能模块设计 | 第75-76页 |
| 5.3 本章小结 | 第76-78页 |
| 第6章 总结与展望 | 第78-80页 |
| 参考文献 | 第80-84页 |
| 致谢 | 第84-86页 |
| 攻读硕士期间科研情况 | 第86页 |
