声明
1 绪论
1.1 课题背景及意义
1.2 管道泄漏检测技术综述
1.2.1 直接检漏法
1.2.2 间接检漏法
1.3 国内外研究现状
1.4 论文内容结构安排
2 深度学习基础和负压波泄漏检漏原理
2.1 深度学习简介
2.2 深度学习发展历程
2.2.1 浅层学习阶段
2.2.2 快速发展阶段
2.2.3 爆发阶段
2.3 深度学习基本模型
2.3.1 卷积神经网络
2.3.2 递归神经网络
2.4 负压波的泄漏检测原理
2.5 本章小结
3 基于深度学习的泄漏诊断方法研究
3.1 引言
3.2 数据预处理
3.2.1 样本数据采集
3.2.2 特征值提取
3.3 深度置信网算法(DBN)
3.3.1 深度置信网原理
3.3.2 深度置信网结构
3.3.3 吉布斯采样
3.4 稀疏编码器算法(SAE)
3.4.1 自编码器
3.4.2 自编码器的稀疏约束
3.5 基于深度学习算法的管道泄漏检测仿真实验结果分析
3.5.1 基于DBN算法的仿真实验结果分析
3.5.2 基于SAE算法的仿真实验结果分析
3.6 本章小结
4 基于WinCC和IPv6的供暖系统平台设计
4.1 WinCC简介
4.2 供暖系统上位机界面
4.2.1 主界面
4.2.2 曲线界面
4.2.3 报警记录
4.3 基于IPv6网络的供暖远程诊断系统实现
4.3.1 网络环境搭建
4.3.2 网络环境测试
4.3.3 基于IPv6的远程网页发布
4.4 本章小结
5 WinCC 系统与泄漏诊断算法的通信
5.1 OPC技术简介
5.2 OPC通信流程
5.3 基于仿真函数的实验结果分析
5.3.1 仿真函数和信号标签定义
5.3.2 基于SAE的仿真实验结果分析
5.4 OPC通信测试
5. 4.1 仿真泄漏信号 测试
5.4.2 正常压力测试
5.4.3 报警记录展示
5.4.4 基于IPV6的远程发布测试
5.5 本章小结
参 考 文 献
攻读硕士学位期间发表学术论文情况
致谢
大连理工大学学位论文版权使用授权书
大连理工大学;