| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 创新点摘要 | 第6-9页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 课题研究的背景和意义 | 第9页 |
| 1.2 管道运输发展现状及安全问题 | 第9-11页 |
| 1.2.1 管道运输发展现状 | 第9-11页 |
| 1.2.2 管道安全问题 | 第11页 |
| 1.3 管道泄漏检测方法综述 | 第11-15页 |
| 1.3.1 外部检测法 | 第12-13页 |
| 1.3.2 内部检测法 | 第13-15页 |
| 1.4 国内外管道泄漏检测技术现状 | 第15-17页 |
| 1.4.1 国外油气管道泄漏检测技术现状 | 第15-16页 |
| 1.4.2 国内油气管道泄漏检测发展现状 | 第16-17页 |
| 1.5 课题研究主要内容 | 第17-19页 |
| 第二章 输油管道压力信号非线性特征提取技术研究 | 第19-34页 |
| 2.1 混沌理论分析 | 第19-24页 |
| 2.1.1 混沌理论 | 第19-20页 |
| 2.1.2 时间序列的相空间重构 | 第20-22页 |
| 2.1.3 时间序列的 Lyapunov 指数 | 第22-23页 |
| 2.1.4 时间序列的关联维数 | 第23-24页 |
| 2.2 近似熵理论研究 | 第24-26页 |
| 2.2.1 近似熵算法的基本理论 | 第24-25页 |
| 2.2.2 近似熵理论参数的选择 | 第25页 |
| 2.2.3 近似熵算法适合压力信号分析的特点 | 第25-26页 |
| 2.3 管道压力信号混沌特征提取 | 第26-31页 |
| 2.4 管道压力信号近似熵特征提取 | 第31-32页 |
| 2.5 本章小结 | 第32-34页 |
| 第三章 群智能优化神经网络算法研究 | 第34-50页 |
| 3.1 前馈神经网络及其优化技术 | 第34-37页 |
| 3.1.1 前馈神经网络 | 第34-36页 |
| 3.1.2 前馈神经网络优化技术 | 第36-37页 |
| 3.2 粒子群优化神经网络 | 第37-41页 |
| 3.2.1 PSO 粒子群优化算法 | 第37-38页 |
| 3.2.2 PSO 算法数学描述 | 第38-39页 |
| 3.2.3 PSO 优化 BP 神经网络 | 第39-41页 |
| 3.3 人工蜂群优化神经网络 | 第41-45页 |
| 3.3.1 ABC 蜂群优化算法 | 第41-42页 |
| 3.3.2 ABC 算法数学描述 | 第42-43页 |
| 3.3.3 ABC 优化 BP 神经网络 | 第43-45页 |
| 3.4 群智能优化算法优化 BP 神经网络实验比较分析 | 第45-49页 |
| 3.5 本章小结 | 第49-50页 |
| 第四章 输油管道缓泄漏检测研究 | 第50-63页 |
| 4.1 输油管道压力信号采集系统概述 | 第50-51页 |
| 4.2 管道压力数据集说明 | 第51-52页 |
| 4.3 压力信号特征提取结果 | 第52-54页 |
| 4.4 基于群智能优化 BP 神经网络的输油管道泄漏检测研究 | 第54-62页 |
| 4.4.1 BP 神经网络模型的建立 | 第54-58页 |
| 4.4.2 粒子群优化 BP 检测 | 第58-60页 |
| 4.4.3 蜂群优化 BP 检测 | 第60-61页 |
| 4.4.4 优化算法对比分析 | 第61-62页 |
| 4.5 本章小结 | 第62-63页 |
| 结论与展望 | 第63-65页 |
| 参考文献 | 第65-70页 |
| 发表文章目录与成果 | 第70-71页 |
| 致谢 | 第71-72页 |
| 详细摘要 | 第72-82页 |