基于多传感器信息融合的管道泄漏智能诊断与定位方法的研究

摘要

随着经济的飞速发展，人们对水、油等流体的需求越来越多，为此流体管道安全运行已成为一项非常重要的任务。因此流体管道泄漏诊断与定位研究已引起了广泛关注，由于大多数采用单一的方法，导致检测的结果不精确，然而多传感器信息融合技术能够很好有效地融合多种方法，基于这一想法本文提出了将多传感器信息融合技术应用到流体管道智能诊断与定位研究中。
　　 本文系统地对管道泄漏智能诊断与定位进行了研究，研究的主要工作如下:
　　 首先，本文介绍了流体管道泄漏智能诊断和定位研究的意义、目标和发展趋势。简单分析了管道泄漏检测的几种常用方法，主要对负压波检测技术和音波检测技术进行了详细分析。由于噪音的存在我们利用小波变换对负压波信号和音波信号的数据进行了消噪，并提取消噪后的特征值。
　　 其次，针对传统单一管道泄漏智能检测方法的不足，本文提出了一种基于多传感器信息融合的方法，详细分析了多层前馈神经网络的信息融合方法，并对其算法进行了改进，采用更有效的BP-LM优化算法，结果表明基于神经网络的多传感器信息融合的管道泄漏智能检测有利于提高泄漏故障检测的准确性。
　　 最后，分析管道检测泄漏的最终目的是要发现管道的泄漏位置，为此分别利用负压波和音波进行定位，但由于方法单一使得结果并不准确，为此利用信息融合算法D-S证据理论将其两种方法的结果进行融合，结果表明了比单一检测方法精度高，定位更准确。

目录

声明

摘要

第1章 绪论

1．1 引言

1．2 管道泄漏智能诊断与定位方法研究的实际意义

1．3 管道泄漏智能诊断与定位方法研究的内容和起源

1．4 管道泄漏智能诊断与定位方法研究的目标、任务及特点

1．4．1 管道泄漏智能诊断与定位方法研究的目标及任务

1．4．2 管道泄漏智能诊断与定位方法研究的特点

1．5 本文研究的主要内容

第2章 管道检测技术

2．1 管道检测技术概况

2．2 管道泄露漏检测常用的方法

2．3 负压波检测技术

2．3．1 负压波泄漏检测的原理

2．3．2 负压波的时域特征提取

2．4 小波变换简介

2．4．1 连续小波变换

2．4．2 离散小波变换

2．4．3 小波去噪及Matlab仿真图

2．5 音波检测技术

2．6 功率谱

2．6．1 功率谱的定义

2．6．2 功率谱的种类

2．7 基于小波包变换提取能量特征值

2．7．1 信号的小波包分解原理

2．7．2 基于小波包能量谱的特征提取

2．8 本章小结

第3章 多传感器信息融合技术

3．1 多传感器信息融合

3．1．1 多传感器信息融合的定义

3．1．2 多传感器信息融合的基本原理

3．2 多传感器信息融合的分类

3．3 信息融合的处理过程

3．4 信息融合技术的应用领域及优点

3．5 本章小结

第4章 基于信息融合的神经网络智能诊断

4．1 基于信息融合的神经网络智能诊断

4．1．1 人工神经网络的基本概述

4．1．2 基于神经网络的智能诊断的形成

4．1．3 神经网络与故障诊断的关系

4．2 多层前馈神经网络模型

4．2．1 BP网络的学习算法过程

4．2．2 BP学习算法的改进方法

4．3 本章小结

第5章 多传感器信息融合的管道泄漏定位算法

5．1 负压波法泄漏定位的基本原理和关键问题

5．2 负压波波速算法

5．3 小波变换确定负压波特征拐点

5．3．1 信号奇异性的数学描述

5．3．2 信小波变换的模极大值与信号奇异性的关系

5．3．3 小波奇异性分析确定时间差

5．4 音波泄漏定位

5．4．1 音波定位的基本原理

5．4．2 基于互相关分析管道泄漏点定位

5．5 D-S证据理论

5．5．1 基本概念

5．5．2 Dempster组合规则

5．5．3 D-S证据理论算法

5．6 D-S证据理论信息融合的结果

5．7 本章小结

结论

参考文献

攻读硕士学位期间所发表的论文

致谢