天然氣工業(yè)對國民經(jīng)濟(jì)發(fā)展及人民生活具有重要作用,管道運(yùn)輸是主要的運(yùn)輸方式,因此對于天然氣管道泄漏的實(shí)時(shí)監(jiān)測及泄漏孔徑識(shí)別的研究一直受到關(guān)注。作為故障診斷理論的一種重要應(yīng)用,針對天然氣管道泄漏監(jiān)測出現(xiàn)的新問題和新挑戰(zhàn),將近年來提出的壓縮感知及深度學(xué)習(xí)理論引入泄漏信號(hào)的采集及分析中,為管道泄漏孔徑識(shí)別研究提供了新思路。主要研究內(nèi)容包括:首先,深入了解了管道泄漏監(jiān)測的發(fā)展及現(xiàn)狀,對泄漏監(jiān)測出現(xiàn)的大數(shù)據(jù)量、采集及傳輸?shù)确矫嬗龅降男聠栴}有了深刻理解。針對傳統(tǒng)泄漏信號(hào)采集冗余量大、診斷過程主觀性依賴程度高等問題,提出基于壓縮感知理論在保證信號(hào)重要信息不丟失的情況下,以較小的冗余度實(shí)現(xiàn)對高維信號(hào)的壓縮采集,引入深度神經(jīng)網(wǎng)絡(luò)分析壓縮感知域信號(hào),通過深層次結(jié)構(gòu)智能且自適應(yīng)地學(xué)習(xí)復(fù)雜泄漏信號(hào)中的隱含特征,挖掘出隱藏在數(shù)據(jù)內(nèi)部的重要信息,高效地解決了管道泄漏孔徑識(shí)別問題。其次,針對傳統(tǒng)方法對先驗(yàn)知識(shí)和診斷經(jīng)驗(yàn)的嚴(yán)重依賴,提出了壓縮采集結(jié)合稀疏濾波深度神經(jīng)網(wǎng)絡(luò)的泄漏孔徑識(shí)別方法。該方法根據(jù)泄漏信號(hào)的稀疏特性,通過測量矩陣實(shí)現(xiàn)壓縮感知域信息獲取,觀測信號(hào)可視為一種自適應(yīng)提取出的特征,再進(jìn)一步通過稀疏濾波神經(jīng)網(wǎng)絡(luò)... 

【文章來源】：燕山大學(xué)河北省

【文章頁數(shù)】：64 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

壓縮率CR對診斷準(zhǔn)確率的影響

燕山大學(xué)工程碩士學(xué)位論文多的數(shù)據(jù)，對提高診斷準(zhǔn)確率貢獻(xiàn)也不大，反而由于冗余度的增別的時(shí)間，這也說明了本章所提出的壓縮采集方法可以實(shí)現(xiàn)利用能實(shí)現(xiàn)高準(zhǔn)確度的分類識(shí)別效果。但是如果壓縮率過高時(shí)泄漏孔失，此時(shí)識(shí)別效果受到影響進(jìn)而識(shí)別準(zhǔn)確率就會(huì)下降。因此實(shí)際成本與診斷準(zhǔn)確率的要求。文中取壓縮率 CR=80%作為較理想的。壓縮采集的重要作用，在這一新的信息采集模式中，為了驗(yàn)證基的作用，以及進(jìn)行壓縮采集較沒有進(jìn)行壓縮采樣的差別。以某泄將未進(jìn)行壓縮采集與進(jìn)行了壓縮采集處理的數(shù)據(jù)輸入稀疏濾波網(wǎng)識(shí)別，圖 3-5 給出 10 次實(shí)驗(yàn)結(jié)果。

以 50 的間隔在 400~700 范圍內(nèi)進(jìn)行取值，下圖 3-5 給出了各進(jìn)行 10 次實(shí)驗(yàn)的平均識(shí)別準(zhǔn)確率及診斷時(shí)間。圖3-6 輸出特征數(shù)outN 對診斷結(jié)果的影響由圖 3-6 中可看出隨著輸出特征數(shù) 的增加，故障診斷的準(zhǔn)確率也隨之提高，當(dāng) =600 時(shí)準(zhǔn)確率為 99.499%，接近 100%，而后趨于平緩；但是隨著 的增大診斷時(shí)間明顯增加，當(dāng)輸出特征數(shù)大于 600 時(shí)，診斷準(zhǔn)確率無明顯變化，但診斷時(shí)間卻隨著輸出特征數(shù) 的增大而增加明顯，因此綜合考慮診斷時(shí)間及診斷準(zhǔn)確率的影響， =600 是較好的選擇。以上分析中稀疏濾波的輸入是壓縮率為 80%情況下的壓縮采集數(shù)據(jù)

【參考文獻(xiàn)】：
期刊論文
[1]回溯自適應(yīng)匹配追蹤電能質(zhì)量信號(hào)重構(gòu)方法[J]. 沈躍,丁靈衛(wèi),吳翃軒,劉國海,劉慧.  電子測量與儀器學(xué)報(bào). 2017(05)
[2]基于奇異值分解的風(fēng)電場雜波微動(dòng)特征提取[J]. 何煒琨,郭雙雙,王曉亮,吳仁彪.  電子測量與儀器學(xué)報(bào). 2017(04)
[3]基于BP神經(jīng)網(wǎng)絡(luò)的管道泄漏聲信號(hào)識(shí)別方法研究[J]. 焦敬品,李勇強(qiáng),吳斌,何存富.  儀器儀表學(xué)報(bào). 2016(11)
[4]基于PCA的管道缺陷導(dǎo)波信號(hào)特征優(yōu)化方法[J]. 許楨英,羅來齊,王勻,俞慧芳,劉歡.  電子測量技術(shù). 2016(04)
[5]基于深度學(xué)習(xí)理論的機(jī)械裝備大數(shù)據(jù)健康監(jiān)測方法[J]. 雷亞國,賈峰,周昕,林京.  機(jī)械工程學(xué)報(bào). 2015(21)
[6]局域均值分解分析的管道泄漏孔徑識(shí)別及定位[J]. 孫潔娣,肖啟陽,溫江濤,楊依光.  儀器儀表學(xué)報(bào). 2014(12)
[7]基于音波法的輸氣管道泄漏檢測與定位[J]. 劉翠偉,李雪潔,李玉星,劉光曉,錢昊鋮,曹鵬飛.  化工學(xué)報(bào). 2014(11)
[8]油氣管道缺陷漏磁檢測數(shù)據(jù)壓縮算法研究[J]. 陳俊杰,黃松嶺,趙偉.  電測與儀表. 2014(15)
[9]依據(jù)聲信號(hào)頻率分布和復(fù)雜度的供水管道泄漏辨識(shí)[J]. 文玉梅,張雪園,文靜,甄錦鵬,王凱.  儀器儀表學(xué)報(bào). 2014(06)
[10]基于LMD包絡(luò)譜熵及SVM的天然氣管道微小泄漏孔徑識(shí)別[J]. 孫潔娣,肖啟陽,溫江濤,王飛.  機(jī)械工程學(xué)報(bào). 2014(20)



本文編號(hào)：3127195