基于RBF神经网络和小波变换的管道泄漏检测技术研究

摘要

在长距离输送原油或者成品油的过程中，管道以其独特的优势，在运输中起着至关重要的作用。但是，由于管道老化、腐蚀及其它外力破坏等原因，泄漏事故时有发生。特别是近几年有组织的打孔盗油活动，严重干扰了正常的输油，造成了重大的经济损失和环境污染。因此及时检测出管道泄漏，并对其进行准确定位，对于保护自然环境和国家财产具有重大的社会和经济意义。
　　本文研究的管道泄漏检测技术，是目前故障诊断领域的一个主要研究课题。讨论了目前典型的管道泄漏检测的方法，并对比了它们的优缺点，在此基础上,提出一种RBF神经网络结合小波变换的新的管道泄漏检测技术。本文主要进行了以下几个方面的工作:
　　1.针对管道泄漏检测过程中所存在的问题，本文引进了负梯度下降法的最近邻聚类RBF神经网络算法，这种算法不但能在线更新中心、宽度、权值，而且能自动的确定RBF神经网络结构，有效的提高了RBF神经网络的学习精度。经过大量仿真，证明了这种算法能很好的检测出管道泄漏。
　　2.针对RBF神经网络泄漏检测算法的问题，本文引进基于小波变换的去噪算法，对信号进行消噪处理。在这里构造出了新的阈值函数，能根据实时数据不断更新;同时提出了粗调和细调的方法确定分解层数，这样既能准确的确定分解的层数，又能减少分层的时间。经过MATLAB仿真，证明了该方法比常规算法有更好的效果。
　　3.通过以上的研究，提出了RBF神经网络结合小波变换的管道泄漏检测技术。同时，利用RBF神经网络结合负压波技术对泄漏点进行定位，并对工况进行了简要分析。大量的仿真结果证明本文提出的技术能够准确的检测出管道泄漏。
　　利用中石化的现场数据进行了大量的仿真实验，证明了本文所提出的技术能及时准确的检测到管道的泄漏，具有很好的实用性和可行性，随着理论和实践的进一步发展，本技术将会在管道泄漏检测中发挥越来越大的作用。

目录

声明

摘要

第1章 绪论

1．1 课题背景

1．2 故障诊断理论简介

1．3 管道泄漏检测的典型方法

1．4 本文的主要研究内容

第2章 基于RBF神经网络的管道泄漏检测算法研究

2．1 人工神经网络基本原理

2．1．1 神经网络发展历程

2．1．2 神经元的数学建模

2．1．3 神经网络学习

2．2 RBF神经网络

2．2．1 径向基函数(RBF)简介

2．2．2 RBF神经网络学习方式

2．3 基于RBF神经网络的检测算法

2．3．1 算法描述

2．3．2 算法检测奇异信号的仿真实例

2．3．3 算法在管道泄漏检测中的应用实例

2．4 本章总结

第3章 基于小波变换的信号去噪算法研究

3．1 小波变换的简介

3．2 小波变换去噪基本原理

3．2．1 连续小波和离散小波

3．2．2 常用的小波函数

3．2．3 多分辨率分析和Mallt算法

3．3 基于小波变换的阈值消噪算法

3．3．1 小波阈值去噪相关参数的选取

3．3．2 信号去噪算法及仿真

3．4 本章小结

第4章 基于RBF神经网络与小波变换的算法及定位

4．1 管道运行的工况分析

4．1．1 检测窗法简介

4．1．2 管道泄漏工况分析

4．2 基于小波和RBF神经网络的算法及实例分析

4．2．1 算法描述

4．2．2 管道泄漏检测实例分析

4．3 基于RBF与负压波泄漏定位的算法

4．3．1 负压波定位原理

4．3．2 利用RBF神经网络结合负压波定位

4．4 本章小结

第5章 总结与展望

参考文献

致谢

攻读硕士期间的科研情况