本文選題：輸油管道　切入點：特征提取　出處：《東北石油大學》2015年碩士論文　論文類型：學位論文

【摘要】：在當今的管道運輸工業(yè)中,伴隨著它的飛速發(fā)展,隨之而來的是更多的環(huán)境被泄漏的石油所污染,同時造成能源的浪費和不可估量的經濟損失。在最近幾年中,大部分地區(qū)的管道出現(xiàn)不同程度的老化和銹蝕現(xiàn)象,加之一些不法分子的盜油事件發(fā)生,導致泄漏事故頻發(fā)。傳統(tǒng)的泄漏檢測有著一定得誤差,并且效率相對也低,所以一套有效的自動管道檢測定位系統(tǒng)顯得十分的重要,管道泄漏檢測是一門涉及廣泛的課題,有傳感技術,信號檢測,信號處理等學科。本文系統(tǒng)地歸納了國內外在輸油管道泄漏檢測方面的研究狀況,較為詳細的闡述了管道泄漏定位的工作原理、難點及解決辦法;小波包算法以及神經網絡技術,通過小波包變換實現(xiàn)壓力信號消噪處理,同時從而提取特征向量作為神經網絡的輸入。為了提高對管道泄漏檢測的準確性,本文提出了一種以混沌遺傳算法為基礎的BP神經網絡的改進算法。BP神經網絡應用廣泛但是卻容易陷入極小值,收斂速度相對也慢,經過改進后的算法是以混沌遺傳算法為基礎,優(yōu)化BP神經網絡的初始權值和閾值,并將混沌的遍歷性和遺傳算法的反演性等優(yōu)點相結合。將混沌變量加入到遺傳算法中,進一步的提高遺傳算法的全局搜索能力和收斂的速度;混沌遺傳算法優(yōu)化以后的最優(yōu)解作為BP神經網絡的初始權值和閾值。利用改進后的CGA-BP算法進行管道泄漏預測,結果表明,該方法對管道泄漏的工況的分類效果明顯好于單純使用BP神經網絡�，F(xiàn)如今,單一的泄漏檢測往往不能夠滿足我們的需求,在實際的應用中將多種方法相結合能夠得到更為準確的提出系統(tǒng)的軟硬件和總體設計。該系統(tǒng)通過管道兩端的壓力傳感器采集到的信息,進行數(shù)據(jù)傳輸實現(xiàn)及時報警與定位的功能。
[Abstract]:In today's pipeline transportation industry, with its rapid development, more and more environment is polluted by leaking oil, which results in energy waste and incalculable economic loss in recent years. In most areas, pipeline aging and corrosion to varying degrees, coupled with the oil theft incidents of some illegal elements, lead to frequent leakage accidents. Traditional leak detection has certain errors, and the efficiency is relatively low. Therefore, a set of effective automatic pipeline detection and positioning system is very important. Pipeline leakage detection is a wide range of topics, including sensing technology, signal detection, This paper systematically summarizes the research status of oil pipeline leakage detection at home and abroad, and expounds the working principle, difficulties and solutions of pipeline leakage location in detail. In order to improve the accuracy of pipeline leakage detection, wavelet packet algorithm and neural network technology can realize the noise reduction of pressure signal by wavelet packet transform, and extract the eigenvector as the input of neural network, in order to improve the accuracy of pipeline leakage detection. In this paper, an improved BP neural network algorithm based on chaotic genetic algorithm is proposed. The BP neural network is widely used, but it is easy to fall into the minimum value, and the convergence rate is relatively slow. The improved algorithm is based on the chaotic genetic algorithm. The initial weights and thresholds of BP neural network are optimized, and the ergodicity of chaos is combined with the inversion of genetic algorithm. The global searching ability and convergence speed of genetic algorithm are further improved, the optimal solution of chaos genetic algorithm is used as the initial weight and threshold of BP neural network. The improved CGA-BP algorithm is used to predict pipeline leakage. The classification effect of this method is obviously better than that of using BP neural network alone. Nowadays, a single leak detection method can not meet our needs. In practical application, the software, hardware and overall design of the system can be more accurately proposed by combining various methods. The information collected by the pressure sensor at both ends of the pipeline can be obtained by the system. Data transmission to achieve timely alarm and positioning function.
【學位授予單位】：東北石油大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TE88;TP183

【相似文獻】

相關期刊論文 前10條

1 雷明,李作清,陳志祥,吳雅,楊叔子;神經網絡在預報控制中的應用[J];機床;1993年11期

2 楊自厚;神經網絡技術及其在鋼鐵工業(yè)中的應用第8講人工神經網絡在鋼鐵工業(yè)中的應用(下)[J];冶金自動化;1997年05期

3 李潤生,李延輝,胡學軍,劉壯,王守儉;神經網絡在冶金中的應用[J];鋼鐵研究;1998年02期

4 劉海玲,劉樹深,尹情勝,夏之寧,易忠勝;線性神經網絡及在多組分分析中的初步應用[J];計算機與應用化學;2000年Z1期

5 王繼宗,王西娟;用神經網絡確定梁上裂紋位置的研究[J];煤炭學報;2000年S1期

6 趙學慶,袁景淇,周又玲,賀松;生物發(fā)酵過程神經網絡狀態(tài)預報器的驗證[J];無錫輕工大學學報;2000年06期

7 李智,姚駐斌,張望興,賀超武;基于神經網絡的混勻配料優(yōu)化方法[J];鋼鐵研究;2000年04期

8 胡敏藝,馬榮駿;神經網絡在冶金工業(yè)中的應用[J];湖南有色金屬;2000年05期

9 倪建軍,邵琳;利用神經網絡進行觀測數(shù)據(jù)的分析與處理[J];連云港化工高等專科學校學報;2000年04期

10 裴浩東,蘇宏業(yè),褚健;材料工程中基于神經網絡的穩(wěn)態(tài)優(yōu)化策略[J];材料科學與工程;2001年02期

相關會議論文 前10條

1 徐春玉;;基于泛集的神經網絡的混沌性[A];1996中國控制與決策學術年會論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經網絡[A];2003年中國智能自動化會議論文集（上冊）[C];2003年

3 羅山;張琳;范文新;;基于神經網絡和簡單規(guī)劃的識別融合算法[A];2009系統(tǒng)仿真技術及其應用學術會議論文集[C];2009年

4 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國神經網絡與信號處理學術會議論文集[C];1999年

5 鐘義信;;知識論:神經網絡的新機遇——紀念中國神經網絡10周年[A];1999年中國神經網絡與信號處理學術會議論文集[C];1999年

6 許進;保錚;;神經網絡與圖論[A];1999年中國神經網絡與信號處理學術會議論文集[C];1999年

7 金龍;朱詩武;趙成志;陳寧;;數(shù)值預報產品的神經網絡釋用預報應用[A];1999年中國神經網絡與信號處理學術會議論文集[C];1999年

8 田金亭;;神經網絡在中學生創(chuàng)造力評估中的應用[A];第十二屆全國心理學學術大會論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經網絡的混沌特性研究[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學學報（增刊）][C];2009年

10 張廣遠;萬強;曹海源;田方濤;;基于遺傳算法優(yōu)化神經網絡的故障診斷方法研究[A];第十二屆全國設備故障診斷學術會議論文集[C];2010年

相關重要報紙文章 前10條

1 美國明尼蘇達大學社會學博士 密西西比州立大學國家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護好創(chuàng)新的“神經網絡硬件”[N];中國教師報;2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計算機世界;2001年

3 葛一鳴 路邊文;人工神經網絡將大顯身手[N];中國紡織報;2003年

4 中國科技大學計算機系　邢方亮;神經網絡挑戰(zhàn)人類大腦[N];計算機世界;2003年

5 記者 孫剛;“神經網絡”：打開復雜工藝“黑箱”[N];解放日報;2007年

6 本報記者 劉霞;美用DNA制造出首個人造神經網絡[N];科技日報;2011年

7 健康時報特約記者　 張獻懷;干細胞移植：修復受損的神經網絡[N];健康時報;2006年

8 劉力;我半導體神經網絡技術及應用研究達國際先進水平[N];中國電子報;2001年

9 ;神經網絡和模糊邏輯[N];世界金屬導報;2002年

10 鄒麗梅 陳耀群;江蘇科大神經網絡應用研究通過鑒定[N];中國船舶報;2006年

相關博士學位論文 前10條

1 楊旭華;神經網絡及其在控制中的應用研究[D];浙江大學;2004年

2 李素芳;基于神經網絡的無線通信算法研究[D];山東大學;2015年

3 石艷超;憶阻神經網絡的混沌性及幾類時滯神經網絡的同步研究[D];電子科技大學;2014年

4 王新迎;基于隨機映射神經網絡的多元時間序列預測方法研究[D];大連理工大學;2015年

5 付愛民;極速學習機的訓練殘差、穩(wěn)定性及泛化能力研究[D];中國農業(yè)大學;2015年

6 李輝;基于粒計算的神經網絡及集成方法研究[D];中國礦業(yè)大學;2015年

7 王衛(wèi)蘋;復雜網絡幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學;2015年

8 曾U喺，

本文編號：1566854