| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 管道泄漏检测国内外研究现状 | 第10-12页 |
| 1.2.1 国外管道泄漏研究现状 | 第10页 |
| 1.2.2 国内管道泄漏检测研究现状 | 第10-12页 |
| 1.3 BP神经网络研究现状 | 第12-13页 |
| 1.4 论文的主要内容及结构安排 | 第13-15页 |
| 第二章 天然气管道泄漏检测系统设计改进 | 第15-23页 |
| 2.1 系统改进需求分析 | 第15页 |
| 2.2 系统改进设计实现 | 第15-16页 |
| 2.3 泄漏报警系统改进设计 | 第16-17页 |
| 2.4 数据处理系统设计实现 | 第17-21页 |
| 2.4.1 数据处理方案设计 | 第17-19页 |
| 2.4.2 数据采集 | 第19-20页 |
| 2.4.3 管道信号特征提取 | 第20-21页 |
| 2.5 管道运行工况识别 | 第21-22页 |
| 2.6 本章小结 | 第22-23页 |
| 第三章 基于VMD算法的管道特征提取 | 第23-37页 |
| 3.1 EMD算法原理 | 第23-24页 |
| 3.2 EMD算法与VMD算法对比仿真分析 | 第24-27页 |
| 3.3 VMD算法原理 | 第27-29页 |
| 3.3.1 维纳滤波 | 第27页 |
| 3.3.2 希尔伯特变换 | 第27-28页 |
| 3.3.3 VMD算法过程 | 第28-29页 |
| 3.4 VMD信号仿真分析 | 第29-34页 |
| 3.4.1 对混合正弦信号仿真 | 第29-31页 |
| 3.4.2 对管道信号仿真 | 第31-34页 |
| 3.5 基于LabVIEW的VMD特征提取实现 | 第34-36页 |
| 3.6 本章小结 | 第36-37页 |
| 第四章 基于BP算法的管道工况识别 | 第37-46页 |
| 4.1 人工神经网络概念 | 第37-38页 |
| 4.1.1 基本特征 | 第37页 |
| 4.1.2 构成单位神经元 | 第37-38页 |
| 4.2 BP神经网络 | 第38-42页 |
| 4.2.1 BP神经网络概念及原理 | 第38页 |
| 4.2.2 BP神经网络数学模型 | 第38-39页 |
| 4.2.3 BP神经网络算法过程 | 第39-42页 |
| 4.3 VMD-BP神经网络模型搭建 | 第42-44页 |
| 4.3.1 VMD-BP模型结构 | 第42-43页 |
| 4.3.2 基于VMD-BP模型管道工况检测 | 第43-44页 |
| 4.4 VMD-BP工况识别LabVIEW程序实现 | 第44-45页 |
| 4.5 本章小结 | 第45-46页 |
| 第五章 监测中心LabVIEW实现 | 第46-56页 |
| 5.1 数据传输模块设计 | 第46-50页 |
| 5.1.1 TCP/IP协议应用程序实现 | 第46-48页 |
| 5.1.2 DATASOCKET技术应用程序实现 | 第48-50页 |
| 5.2 报警及数据存储程序实现 | 第50-52页 |
| 5.2.1 报警模块程序实现 | 第50-52页 |
| 5.2.2 数据存储程序实现 | 第52页 |
| 5.3 监测中心人机交互界面 | 第52-53页 |
| 5.4 监控中心系统测试 | 第53-55页 |
| 5.5 本章小结 | 第55-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 作者简介、发表文章及研究成果目录 | 第61-62页 |
| 致谢 | 第62-63页 |