输油管线漏检信号的自动识别
| 中文摘要 | 第1-3页 |
| Abstract | 第3-8页 |
| 第1章 绪论 | 第8-13页 |
| ·管道运输发展情况 | 第8页 |
| ·原油管道泄露检测的研究意义 | 第8-10页 |
| ·国内外同类课题研究现状及发展趋势 | 第10-11页 |
| ·本课题的主要任务 | 第11-13页 |
| 第2章 负压波法泄漏检测原理与定位 | 第13-20页 |
| ·引言 | 第13-14页 |
| ·输油管道负压波泄漏定位原理 | 第14-15页 |
| ·负压波法的优点和遇到的困难 | 第15-17页 |
| ·负压波的技术要点与人工智能 | 第17-18页 |
| ·负压波的仿真实例 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第3章 漏检信号识别中的小波变换 | 第20-35页 |
| ·引言 | 第20页 |
| ·小波变换简单介绍 | 第20-28页 |
| ·连续小波变换 | 第20-21页 |
| ·离散二进小波变换 | 第21-22页 |
| ·多尺度分析 | 第22-24页 |
| ·Mallat 算法和多孔算法 | 第24-28页 |
| ·小波变换在压力信号消噪中的应用 | 第28-29页 |
| ·小波分析的特征向量提取 | 第29-34页 |
| ·李普西兹指数(Lipschitz) | 第29-30页 |
| ·小波变换模极大值 | 第30-31页 |
| ·奇异点的检测 | 第31页 |
| ·奇异信号在小波下的特性 | 第31-32页 |
| ·管道泄漏点的检测 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第4章 神经网络理论及在漏检信号识别中应用 | 第35-47页 |
| ·前言 | 第35页 |
| ·人工神经网络的基本要素 | 第35-38页 |
| ·神经元 | 第35-36页 |
| ·网络拓扑 | 第36-37页 |
| ·网络的训练学习算法 | 第37-38页 |
| ·BP 神经网络 | 第38-42页 |
| ·BP 神经网络概述 | 第38-39页 |
| ·BP 算法 | 第39-42页 |
| ·改进 BP 算法 | 第42页 |
| ·基于 BP 神经网络的漏检信号的识别 | 第42-46页 |
| ·BP 神经网络的样本 | 第43-45页 |
| ·BP 神经网络的设计 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第5章 基于 MATLAB 的泄露识别信号处理 | 第47-67页 |
| ·实验流程 | 第47-48页 |
| ·硬件总体方案 | 第47页 |
| ·数据处理流程 | 第47-48页 |
| ·数据采集 | 第48-50页 |
| ·MALLAT 算法和多孔算法去噪重构 | 第50-53页 |
| ·奇异点检测 | 第53-55页 |
| ·样本数据制作 | 第55-56页 |
| ·神经网络训练识别 | 第56-65页 |
| ·神经网络隐含层个数的选择 | 第56-62页 |
| ·神经网络的识别率 | 第62-65页 |
| ·实验中几个问题的讨论 | 第65-66页 |
| ·本章小结 | 第66-67页 |
| 结论 | 第67-68页 |
| 参考文献 | 第68-73页 |
| 致谢 | 第73-74页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第74-75页 |
