基于噪声抵消与Elman神经网络的管道泄漏检测方法研究

摘要

伴随着国民经济的不断发展，管道运输已被广泛地应用在城市生活、工业生产的诸多领域。由于其在流体运输中具有运输量大、成本低、连续性强等优势，管道在现代化经济建设中发挥着不可替代的重要作用。管道运输已成为一个独立的交通运输部门——管道运输业。如何确保管道运输的安全稳定成为一项极具现实意义的重要问题。
　　本文从我国管道运输的实际情况出发，并基于噪声抵消与Elman神经网络的理论和方法，对输油管道泄漏的故障诊断进行了深入的研究。在传统基于负压波的泄漏诊断中，一般采用的前向网络所建立的输入输出之间的关系式往往是静态的，而实际中的负压波信号是时变的，因此，采用静态神经网络建模就不能准确地描述系统中负压波信号的动态性能。本文所提出的Elman神经网络有别于前向网络，由于其网络中存在信息的延时，并具有延时信息的反馈，所以能较准确地描述该系统的动态性能。
　　本文主要做了如下几方面工作:
　　首先，本文对管道运输的概况做了简单介绍，并简单的介绍了国内外管道运输的历史、现状和未来的发展;分类介绍了当前管道泄漏故障诊断的一些常见方法，从原理、特点及应用等方面做了详细的分析。
　　其次，针对负压波信号中存在的噪声问题，提出了一种基于小波理论与噪声抵消的压力信号消噪算法，为基于Elman神经网络的泄漏诊断算法提供了良好的分析基础。
　　再次，以消噪后的信号为基础，对管道负压波数据进行采样，并利用Elman神经网络对动态系统的描述能力，提出了一种基于Elman神经网络的管道泄漏检测方法。
　　最后，通过以上的研究，把改进后的Elman神经网络应用于管道泄漏检测技术中，并与改进前对比，验证了该方法对管道泄漏检测的效果。
　　针对本文运用的算法，通过MATLAB软件进行了大量的仿真实验，保证该方法的实验结果有高度可信性和实际应用性。仿真结果证明，本文运用的故障检测算法应用于输油管道泄漏检测能够较准确的识别出泄漏故障，具有一定的研究价值和实用价值。

目录

声明

摘要

第1章 绪论

1．1 选题背景及意义

1．2 管道泄漏检测技术与方法

1．2．1 地面间接检测

1．2．2 嗅觉传感器检测

1．2．3 智能爬机

1．2．4 基于SCADA的软件

1．2．5 基于泄漏引发的物理现象检测

1．2．6 负压波法泄漏检测原理及定位方法

1．3 噪声抵消理论的发展应用

1．4 神经网络的发展应用

1．5 本文研究的主要内容

第2章 基于小波与噪声抵消的管道泄漏信号处理

2．1 小波分析基本理论

2．1．1 连续及离散小波变换

2．1．2 多尺度分析

2．1．3 Mallat算法

2．1．4 小波包算法

2．2 噪声抵消技术基本理论

2．2．1 自适应滤波器基本结构

2．2．2 自适应噪声抵消系统的基本原理

2．2．3 BP神经网络在噪声抵消中的应用

2．3 管道泄漏信号的小波与噪声抵消仿真

2．4 本章小结

第3章 基于Elman神经网络的管道泄漏检测方法的研究

3．1 人工神经网络原理

3．1．1 神经元模型

3．1．2 神经网络的拓扑结构

3．1．3 神经网络的学习规则

3．2 Elman神经网络

3．2．1 网络结构及输入输出关系式

3．2．2 修正网络权值的学习算法

3．2．3 稳定性推导与分析

3．3 基于Elman神经网络的管道泄漏数据实例分析

3．4 本章小结

第4章 Elman神经网络的泄漏检测方法的改进与研究

4．1 引言

4．2 基于OIF Elman人工神经网络的泄漏检测算法

4．2．1 OIF Elman神经网络的基本原理

4．2．2 OIF Elman神经网络的训练方法

4．2．3 基于OIF Elman神经网络的管道泄漏数据实例分析

4．3 增加时间因子的Elman神经网络管道泄漏检测算法

4．3．1 时间因子的基本原理

4．3．2 带时间因子的Elman神经网络

4．3．3 带时间因子的Elman神经网络训练方法

4．3．4 基于带时间因子Elman神经网络的管道泄漏数据实例分析

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