本文關(guān)鍵詞：基于側(cè)掃聲納系統(tǒng)的海底管道檢測技術(shù)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：鋪設(shè)于海床之上的輸油管道在石油運輸方面發(fā)揮著重要作用。由于受到海潮周期性漲落的影響，海底管道附近海床會被沖刷，長期的沖刷會造成海底管道的裸露、懸空和位移，諸如此類的狀態(tài)會影響海底管道的正常運行。目前檢測海底管道的狀態(tài)主要通過側(cè)掃聲納采集管道的聲學(xué)圖像，然后人工的對圖像進行判讀，存在效率低、科學(xué)性差等缺點。針對這些問題，本文提出了以解析原始數(shù)據(jù)為基礎(chǔ)，采用BP神經(jīng)網(wǎng)絡(luò)和稀疏表示等智能算法實現(xiàn)海底管道狀態(tài)的識別分類，其主要研究工作如下： 首先，本文利用DGPS技術(shù)和側(cè)掃聲納采集數(shù)據(jù)技術(shù)采集了杭州灣海底管道的側(cè)掃聲納數(shù)據(jù)，并分析了海底管道各種狀態(tài)的形成原因，為后續(xù)研究提供科學(xué)的實驗數(shù)據(jù)。 其次，在側(cè)掃聲納圖像識別研究中，通常在側(cè)掃聲納數(shù)據(jù)顯示軟件上直接截取圖像作為數(shù)據(jù)源，但是顯示軟件所顯示的圖像并不能客觀的反應(yīng)采樣數(shù)據(jù)的大小。因此，本文提出解析原始側(cè)掃聲納數(shù)據(jù)（XTF格式），從XTF格式數(shù)據(jù)中提取能反應(yīng)海底信息的采樣數(shù)據(jù)，將采樣數(shù)據(jù)轉(zhuǎn)換成能用于圖像識別分類的灰度值矩陣。同時，，本文利用Visual studio2010開發(fā)一款用于滾動顯示采樣數(shù)據(jù)的軟件，該軟件方便實驗對比研究。 最后，本文利用BP神經(jīng)網(wǎng)絡(luò)和稀疏表示兩種分類識別算法分別建立海底管道狀態(tài)的識別分類模型。在BP網(wǎng)絡(luò)識別分類模型中，對采樣數(shù)據(jù)轉(zhuǎn)換而成的灰度矩陣進行圖像預(yù)處理，然后制作成訓(xùn)練樣本和測試樣本，建立基于BP網(wǎng)絡(luò)的海底管道側(cè)掃聲納圖像狀態(tài)識別分類模型實現(xiàn)管道狀態(tài)圖像的分類。在稀疏表示識別分類模型中，將灰度矩陣轉(zhuǎn)換成灰度-梯度共生矩陣，通過由樣本灰度-梯度共生矩陣的數(shù)字特征構(gòu)成的稀疏字典實現(xiàn)海底管道狀態(tài)圖像的識別分類。然后，對比分析兩種模型的實驗結(jié)果，闡述兩種分類識別算法的各自的優(yōu)勢，為今后海底管道狀態(tài)檢測研究提供方向。
【關(guān)鍵詞】：海底管道檢測 側(cè)掃聲納 BP神經(jīng)網(wǎng)絡(luò) 稀疏表示
【學(xué)位授予單位】：中國計量學(xué)院
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：P756.2;U666.7;TP391.41
【目錄】：

• 致謝5-6
• 摘要6-7
• Abstract7-8
• 目次8-11
• 圖清單11-13
• 表清單13-14
• 1 緒論14-21
• 1.1 選題研究背景和意義14-15
• 1.2 海底管道檢測及相關(guān)技術(shù)研究現(xiàn)狀15-18
• 1.2.1 基于分布式光纖的管道檢測15-16
• 1.2.2 基于管道機器人的管道檢測16
• 1.2.3 基于側(cè)掃聲納系統(tǒng)的海底管道狀態(tài)檢測16-17
• 1.2.4 海底管道側(cè)掃聲納圖像識別分類17-18
• 1.3 論文的主要內(nèi)容及技術(shù)路線18-21
• 1.3.1 主要研究內(nèi)容18-19
• 1.3.2 論文結(jié)構(gòu)19-20
• 1.3.3 論文的技術(shù)路線20-21
• 2 側(cè)掃聲納成圖原理及圖像處理技術(shù)研究21-32
• 2.1 海底管道側(cè)掃聲納圖像聲學(xué)基礎(chǔ)21-23
• 2.1.1 聲波在海水中的傳播特性21-22
• 2.1.2 海水中聲速測量22-23
• 2.1.3 側(cè)掃聲納換能器23
• 2.2 側(cè)掃聲納數(shù)據(jù)采集原理23-25
• 2.2.1 側(cè)掃聲納成像原理23-25
• 2.2.2 側(cè)掃聲納聲圖結(jié)構(gòu)25
• 2.3 海底管道側(cè)掃聲納圖像的特點25-26
• 2.4 海底管道側(cè)掃聲納圖像處理技術(shù)研究26-31
• 2.4.1 改進型的 Canny 算子側(cè)掃聲納圖像邊緣檢測27-31
• 2.4.2 灰度圖像梯度計算31
• 2.5 本章小結(jié)31-32
• 3 數(shù)據(jù)采集系統(tǒng)32-46
• 3.0 引言32
• 3.1 實驗數(shù)據(jù)采集流程32-33
• 3.2 實驗數(shù)據(jù)采集區(qū)域及采集路線33-34
• 3.3 實驗設(shè)備簡介34-35
• 3.4 實驗數(shù)據(jù)采集35-43
• 3.4.1 側(cè)掃聲納參數(shù)設(shè)置和測線布設(shè)35
• 3.4.2 導(dǎo)航定位設(shè)置35-38
• 3.4.3 側(cè)掃聲納數(shù)據(jù)記錄38-39
• 3.4.4 圖像判讀方法39-43
• 3.5 實驗數(shù)據(jù)結(jié)果初步分析43-45
• 3.5.1 管線裸露分析43-44
• 3.5.2 管線埋深分析44-45
• 3.6 本章小節(jié)45-46
• 4 實驗數(shù)據(jù)解析與可視化系統(tǒng)實現(xiàn)46-58
• 4.1 背景分析及設(shè)計原則46-47
• 4.2 系統(tǒng)總體框架47-49
• 4.2.1 系統(tǒng)開發(fā)環(huán)境及開發(fā)環(huán)境配置47-48
• 4.2.2 系統(tǒng)結(jié)構(gòu)48-49
• 4.3 數(shù)據(jù)解析與讀取49-53
• 4.3.1 側(cè)掃聲納數(shù)據(jù)結(jié)構(gòu)49-51
• 4.3.2 數(shù)據(jù)讀取51-53
• 4.4 數(shù)據(jù)轉(zhuǎn)換53
• 4.4.1 采樣精度與灰度值的轉(zhuǎn)換53
• 4.4.2 雙通道顯示與多通道顯示的轉(zhuǎn)換53
• 4.5 數(shù)據(jù)顯示53-54
• 4.5.1 多線程讀取數(shù)據(jù)53-54
• 4.5.2 采樣數(shù)據(jù)滾動顯示54
• 4.6 系統(tǒng)運行實例54-57
• 4.6.1 側(cè)掃聲納數(shù)據(jù)多通道顯示54-56
• 4.6.2 側(cè)掃聲納數(shù)據(jù)不同灰度顯示56
• 4.6.3 側(cè)掃聲納數(shù)據(jù)斜距顯示56-57
• 4.6.4 側(cè)掃聲納數(shù)據(jù)基本信息顯示57
• 4.7 本章小結(jié)57-58
• 5 海底管道狀態(tài)檢測與識別58-73
• 5.1 引言58
• 5.2 基于 BP 神經(jīng)網(wǎng)絡(luò)的海底管道側(cè)掃聲納圖像狀態(tài)識別58-64
• 5.2.1 海底管道側(cè)掃聲納圖像特征提取58-59
• 5.2.2 BP 神經(jīng)網(wǎng)絡(luò)模型設(shè)計59-62
• 5.2.3 海底管道側(cè)掃聲納圖像分類識別模型62-63
• 5.2.4 實驗結(jié)果與分析63-64
• 5.3 基于灰度-梯度共生矩陣的稀疏表示海底管道狀態(tài)識別64-72
• 5.3.1 基于灰度梯度共生矩陣的管道圖像特征點提取64-67
• 5.3.2 稀疏表示理論67-68
• 5.3.3 海底管道側(cè)掃聲納圖像的稀疏表示68
• 5.3.4 基于灰度-梯度的實驗?zāi)Ｐ?/span>68-70
• 5.3.5 實驗結(jié)果與分析70-72
• 5.4 兩種實驗對比分析72
• 5.5 本章小結(jié)72-73
• 6 總結(jié)與展望73-75
• 6.1 研究工作總結(jié)73-74
• 6.2 工作展望74-75
• 參考文獻75-79
• 作者簡介79

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 王忠東;王寶輝;閆鐵;衣實賢;;一種分布光纖式石油管道防盜監(jiān)測系統(tǒng)[J];大慶石油學(xué)院學(xué)報;2008年04期

2 付寧;彭喜元;;基于改進l_1范數(shù)最小化組合算法的欠定盲源分離[J];電子測量與儀器學(xué)報;2009年07期

3 周琰,靳世久,張昀超,孫立瑛;管道泄漏檢測分布式光纖傳感技術(shù)研究[J];光電子·激光;2005年08期

4 徐小云,顏國正,丁國清,顏德田;管道機器人適應(yīng)不同管徑的三種調(diào)節(jié)機構(gòu)的比較[J];光學(xué)精密工程;2004年01期

5 盧逢春,張殿倫,郭海濤;基于屬性直方圖的圖像分割方法及其在聲吶圖像分割中的應(yīng)用[J];哈爾濱工程大學(xué)學(xué)報;2002年03期

6 來向華;潘國富;茍諍慷;傅曉明;;側(cè)掃聲納系統(tǒng)在海底管道檢測中應(yīng)用研究[J];海洋工程;2011年03期

7 王敏;李慶武;程曉軒;;側(cè)掃聲納圖像的NSCT域模極大值邊緣檢測[J];計算機工程;2011年24期

8 周炎濤;Windows中的多線程編程技術(shù)和實現(xiàn)[J];計算技術(shù)與自動化;2002年03期

9 洪繼光;;灰度-梯度共生矩陣紋理分析方法[J];自動化學(xué)報;1984年01期

10 徐公文;徐文;朱維慶;;基于Hough變換的水聲目標(biāo)形狀分析研究[J];模式識別與人工智能;1995年04期

  本文關(guān)鍵詞：基于側(cè)掃聲納系統(tǒng)的海底管道檢測技術(shù)研究，由筆耕文化傳播整理發(fā)布。

本文編號：256259