發(fā)布時(shí)間：2022-10-28 22:14

　　隨著我國經(jīng)濟(jì)的快速發(fā)展,工業(yè)生產(chǎn)中對(duì)石油、天然氣的需求量急劇上升,對(duì)輸油管道的依賴性也越來越強(qiáng)。在管道故障診斷領(lǐng)域,即使一些微小的故障都會(huì)帶來價(jià)格昂貴的維護(hù)成本。為了減少管道的故障以及由故障帶來的經(jīng)濟(jì)損失,海底管道的狀態(tài)監(jiān)測(cè)和故障診斷在降低停機(jī)時(shí)間和維修成本方面日益重要。目前在海底管道異常識(shí)別與分類領(lǐng)域存在微小異常難以發(fā)現(xiàn)、多類復(fù)雜異常難以識(shí)別的問題。為了解決這些問題,本文提出了一種基于中層特征的管道缺陷故障分類方法,主要完成了以下幾個(gè)方面的研究:第一,針對(duì)利用現(xiàn)有的管道缺陷故障分類方法對(duì)微小缺陷及缺陷局部進(jìn)行分類時(shí)精度低的問題,提出了一種基于詞袋模型（Bagof Words,BOW）的中層特征提取方法。該模型可將圖像的底層特征轉(zhuǎn)化成中層語義特征。由于海管內(nèi)檢測(cè)器采集到的漏磁數(shù)據(jù)含有噪聲,因此需要對(duì)漏磁數(shù)據(jù)進(jìn)行預(yù)處理操作,包括對(duì)信號(hào)進(jìn)行放大、插值和濾波,然后對(duì)漏磁數(shù)據(jù)進(jìn)行圈框,并將圈框內(nèi)的數(shù)據(jù)映射到0～255之間,形成漏磁數(shù)據(jù)樣本集。第二,針對(duì)BOW模型忽略圖像特征點(diǎn)間的空間位置信息的問題,提出了一種基于空間金字塔模型（Spatial Pyramid Matching,SPM）的中層特... 

【文章頁數(shù)】：85 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題的背景及研究意義
        1.1.1 課題的背景
        1.1.2 課題的意義
    1.2 管道漏磁檢測(cè)技術(shù)
        1.2.1 漏磁檢測(cè)的原理
        1.2.2 漏磁數(shù)據(jù)的檢測(cè)與處理流程
        1.2.3 無損檢測(cè)技術(shù)對(duì)比
    1.3 國內(nèi)外發(fā)展現(xiàn)狀
        1.3.1 故障診斷研究發(fā)展現(xiàn)狀
        1.3.2 特征提取方法的研究現(xiàn)狀
    1.4 本文的研究內(nèi)容及章節(jié)安排
第2章 漏磁圖像特征表示方法
    2.1 漏磁圖像底層特征分析
        2.1.1 顏色特征提取方法
        2.1.2 灰度直方圖特征提取方法
        2.1.3 紋理特征提取方法
        2.1.4 SIFT算法分析
    2.2 漏磁圖像中層特征分析
        2.2.1 故障圖像的語義信息
        2.2.2 BOW模型提取的圖像中層特征仿真分析
        2.2.3 SPM提取的圖像中層特征仿真分析
    2.3 本章小結(jié)
第3章 基于BOW模型的管道缺陷故障分類方法研究
    3.1 支持向量機(jī)
        3.1.1 SVM基本原理
        3.1.2 SVM實(shí)現(xiàn)圖像分類的過程
        3.1.3 SVM的核函數(shù)
    3.2 BOW模型提取漏磁圖像中層特征的方法
        3.2.1 SIFT底層特征提取方法
        3.2.2 視覺詞典生成過程
        3.2.3 BOW中層特征生成方法
    3.3 基于徑向基核函數(shù)的漏磁圖像BOW特征分類方法的分析與設(shè)計(jì)
        3.3.1 徑向基核函數(shù)原理
        3.3.2 漏磁圖像BOW特征分類仿真實(shí)驗(yàn)設(shè)計(jì)
        3.3.3 實(shí)驗(yàn)結(jié)果分析
    3.4 基于直方圖交叉核的漏磁圖像BOW特征分類方法的分析與設(shè)計(jì)
        3.4.1 直方圖交叉核原理
        3.4.2 基于直方圖交叉核的漏磁圖像BOW特征分類仿真實(shí)驗(yàn)設(shè)計(jì)
        3.4.3 分類效果受參數(shù)影響的規(guī)律分析
    3.5 本章小結(jié)
第4章 基于SPM的管道缺陷故障分類方法研究
    4.1 故障圖像的空間信息方法
        4.1.1 局部空間信息方法
        4.1.2 全局空間信息方法
    4.2 SPM模型提取漏磁圖像中層特征的過程
        4.2.1 圖像的尺度空間
        4.2.2 中層特征提取方法的改進(jìn)
    4.3 基于徑向基核函數(shù)的漏磁圖像SPM特征分類方法分析與設(shè)計(jì)
        4.3.1 漏磁圖像SPM中層特征分類方法仿真實(shí)驗(yàn)設(shè)計(jì)
        4.3.2 基于徑向基核函數(shù)的SPM特征分類實(shí)驗(yàn)結(jié)果分析
    4.4 基于直方圖交叉核的漏磁圖像SPM特征分類方法分析與設(shè)計(jì)
        4.4.1 基于直方圖交叉核的漏磁圖像SPM特征分類仿真實(shí)驗(yàn)設(shè)計(jì)
        4.4.2 四種分類方法性能的對(duì)比分析
    4.5 本章小結(jié)
第5章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
致謝
攻讀碩士期間科研情況


【參考文獻(xiàn)】：
期刊論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的層級(jí)化智能故障診斷算法[J]. 曲建嶺,余路,袁濤,田沿平,高峰.  控制與決策. 2019(12)
[2]故障并行計(jì)算在船舶電力設(shè)備故障信號(hào)診斷中的應(yīng)用[J]. 張濤.  艦船科學(xué)技術(shù). 2018(22)
[3]基于對(duì)象BOW特征的高分辨率遙感影像變化檢測(cè)方法[J]. 羅星,徐偉銘,王佳.  地球信息科學(xué)學(xué)報(bào). 2018(08)
[4]基于極限學(xué)習(xí)機(jī)的中文文本分類方法[J]. 程?hào)|生,范廣璐,俞雯靜,伍飛,曾偉波.  重慶理工大學(xué)學(xué)報(bào)(自然科學(xué)). 2018(08)
[5]基于主元分析和線性判別分析降維的稀疏表示分類[J]. 那天,宋曉寧,於東軍.  南京理工大學(xué)學(xué)報(bào). 2018(03)
[6]基于改進(jìn)型主元分析和SVR的煤礦瓦斯涌出量預(yù)測(cè)[J]. 張文東,胡彧.  中北大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(03)
[7]基于魯棒滑模觀測(cè)器的多電機(jī)卷繞系統(tǒng)故障檢測(cè)和隔離[J]. 楚曉艷,年曉紅,劉靜靜.  控制理論與應(yīng)用. 2018(06)
[8]基于全矢譜時(shí)間固有尺度分解和獨(dú)立分量分析盲源分離降噪的滾動(dòng)軸承故障特征提取[J]. 劉嘉輝,董辛?xí)F,李劍飛.  中國機(jī)械工程. 2018(08)
[9]一類伴有不匹配未知干擾系統(tǒng)的故障信號(hào)檢測(cè)[J]. 李艷冰,徐克林.  精密制造與自動(dòng)化. 2018(01)
[10]基于視頻場(chǎng)景深度學(xué)習(xí)的人物語義識(shí)別模型[J]. 高翔,陳志,岳文靜,龔凱.  計(jì)算機(jī)技術(shù)與發(fā)展. 2018(06)

博士論文
[1]基于特征表示的行為識(shí)別方法研究[D]. 陳飛飛.華中科技大學(xué) 2015

碩士論文
[1]基于小波分析和隱馬爾科夫模型的風(fēng)機(jī)軸承的故障診斷研究[D]. 程恒煜.昆明理工大學(xué) 2018
[2]基于深度學(xué)習(xí)和稀疏表示的SAR圖像分類[D]. 焦翔.西安電子科技大學(xué) 2017
[3]基于中層特征的行人再識(shí)別技術(shù)研究與應(yīng)用[D]. 王亞東.寧波大學(xué) 2017
[4]基于特征學(xué)習(xí)的行人重識(shí)別研究[D]. 邱隆慶.華南理工大學(xué) 2017
[5]基于中層語義特征表達(dá)的物體檢測(cè)方法研究[D]. 陳浩.北京工業(yè)大學(xué) 2016
[6]基于多層次特征表示的場(chǎng)景圖像分類算法研究[D]. 王芬.重慶大學(xué) 2016
[7]基于中層特征的精細(xì)圖像分類[D]. 曹永嬌.哈爾濱工程大學(xué) 2015
[8]基于中層特征表示的圖像分類研究[D]. 趙悅.北京交通大學(xué) 2014
[9]基于主元分析和支持向量回歸機(jī)的故障預(yù)測(cè)[D]. 徐海永.大連理工大學(xué) 2013
[10]基于主動(dòng)學(xué)習(xí)的圖像分類研究[D]. 李向林.西安電子科技大學(xué) 2013



本文編號(hào)：3697384