【摘要】：針對天然氣管道泄漏檢測過程中泄漏特征信息提取困難,常造成誤報、漏報的問題,本文將可變模態(tài)分解(Variational Mode Decomposition,VMD)算法應用于管道泄漏檢測中,實現(xiàn)管道泄漏信號的預處理,然后通過云模型特征熵提取特征值,最后利用網(wǎng)格搜索法優(yōu)化支持向量機(Support Vector Machines,SVM)的主要參數(shù),從而提高工況識別的精度和準確度。首先,深入研究了可變模態(tài)分解算法的理論以及相關(guān)的基礎知識,然后利用多組仿真信號對其噪聲魯棒性、低頻信號分離、非平穩(wěn)多模態(tài)信號的處理能力進行了分析。通過與經(jīng)驗模態(tài)分解(Empirical Mode Decomposition,EMD)、小波分解做對比,初步驗證了可變模態(tài)分解算法在天然氣管道泄漏信號檢測與分析方面的可行性。其次,針對管道泄漏信號中特征信息在傳輸過程中受到噪聲影響而被削減或混淆的問題,以及VMD分解后有效模態(tài)分量選取困難的問題,提出基于VMD和豪斯多夫距離(Hausdorff Distance,HD)的聯(lián)合降噪算法(VMD-HD)。該算法在VMD分解出有限帶寬的本征模態(tài)函數(shù)(Band-Limited Intrinsic Mode Functions,BLIMF)分量的基礎上,利用豪斯多夫距離測量原始信號與每個BLIMF之間的相似性,選取有效分量進行信號重構(gòu),完成對原始信號的降噪。通過實驗仿真并采用去趨勢波動分析(DFA)評估去噪效果,得到的標度指數(shù)?=1.8992,高于EMD和HD的聯(lián)合去噪方法。因此,VMD-HD方法能有效去除噪聲,獲得更為平滑的濾波信號。再次,針對天然氣管道泄漏信號的非平穩(wěn)性和不確定性特點,提出了基于VMD和云模型特征熵的特征提取方法。同時,對VMD分解過程中預設尺度K值的選取進行了分析研究。該方法利用本文提出的聯(lián)合降噪算法,得到包含大量特征信息的濾波信號,然后利用逆向云發(fā)生器計算濾波信號的云模型特征熵,聯(lián)合其頻域特征—重心頻率(FC)作為特征參數(shù)進行下一步的工況識別。多組樣本信號的測試結(jié)果表明,該算法對能夠準確有效地提取各類工況信號的特征信息。最后,針對本文中有限樣本數(shù)量對工況識別分類正確率和泛化能力影響的問題,本文采用SVM算法來進行管道工況信號的識別判斷。通過libsvm工具箱研究了不同核函數(shù)對本文中三類信號(正常信號、泄漏信號、敲擊信號)的分類能力,并采用網(wǎng)格搜索法對c、g參數(shù)進行優(yōu)化,最終獲得的分類準確率達到98.33%,能夠有效區(qū)分正常、泄漏和敲擊信號。
【圖文】：

第一章 緒 論VMD 算法將信號分解得到多個模態(tài)函數(shù)分量 BLIMFs，由豪斯多夫距離選取出包含大量特征信息的主模態(tài)分量進行信號重構(gòu)，再利用逆向云發(fā)生器計算重構(gòu)信號的云模型特征熵，聯(lián)合 FC 作為特征參數(shù)，為下一步的工況識別做準備。第五章：介紹了支持向量機（Support Vector Machines，SVM）算法理論及多分類方法，通過研究線性核函數(shù)、多項式核函數(shù)、斯徑向基函數(shù)（RBF）對本研究課題中三類信號識別分類的泛化能力，發(fā)現(xiàn) RBF 核函數(shù)的 SVM 具有最佳分類效果，其靈敏度為 100%，識別準確率高達 96%。最后，，在結(jié)論部分總結(jié)全文并提出對未來該研究課題的展望。本課題研究的技術(shù)路線如下圖所示：信號采集變模態(tài)分解信號重構(gòu)工況識別特征提取

采用式（2-23）所示cos(4 ) 1/ 4 cos(48 ) 1/16 t t 0.05 的加性高斯白噪聲。Hz，分解尺度 K=3。原始復合 2.2（b、c、d）所示，黑色量。圖 2.3（雙對數(shù)坐標）中別對應于圖 2.2 中分解的三態(tài)的中心頻率。
【學位授予單位】：東北石油大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TE973

【參考文獻】

相關(guān)期刊論文 前10條

1 周旭;;基于SVM的天然氣管道泄漏次聲波檢測技術(shù)研究[J];中國石油和化工標準與質(zhì)量;2014年06期

2 李立;曹銳;相潔;;腦電數(shù)據(jù)近似熵與樣本熵特征對比研究[J];計算機工程與設計;2014年03期

3 王保群;林燕紅;焦中良;;我國天然氣管道現(xiàn)狀與發(fā)展方向[J];國際石油經(jīng)濟;2013年08期

4 孟令雅;付俊濤;李玉星;劉翠偉;劉光曉;;輸氣管道泄漏音波信號傳播特性及預測模型[J];中國石油大學學報(自然科學版);2013年02期

5 張仕斌;許春香;;基于云模型的信任評估方法研究[J];計算機學報;2013年02期

6 方亮;蘇旭;趙曉龍;;天然氣長輸管道泄漏檢測技術(shù)進展[J];化工裝備技術(shù);2012年03期

7 闞玲玲;梁洪衛(wèi);高丙坤;王秀芳;;基于次聲波的天然氣管道泄漏檢測系統(tǒng)設計[J];化工自動化及儀表;2011年06期

8 戚愛華;;我國油氣管道運輸發(fā)展現(xiàn)狀及問題分析[J];國際石油經(jīng)濟;2009年12期

9 張紅斌;裴慶祺;馬建峰;;內(nèi)部威脅云模型感知算法[J];計算機學報;2009年04期

10 周琰;靳世久;曾周末;封皓;;分布式光纖管道泄漏檢測及預警技術(shù)靈敏度分析[J];納米技術(shù)與精密工程;2008年05期

相關(guān)博士學位論文 前4條

1 韓龍;風力齒輪箱軸承故障的AE信號特征提取與診斷方法研究[D];哈爾濱工業(yè)大學;2016年

2 林海;離群檢測及離群釋義空間查找算法研究[D];重慶大學;2012年

3 聶鵬飛;地震勘探噪聲壓制方法研究與應用[D];吉林大學;2012年

4 程軍圣;基于Hilbert-Huang變換的旋轉(zhuǎn)機械故障診斷方法研究[D];湖南大學;2005年

相關(guān)碩士學位論文 前6條

1 王黎宏;基于次聲波的油氣管道泄漏檢測系統(tǒng)研究[D];西安石油大學;2016年

2 段樂崢;基于HHT的供水管道泄漏檢測研究[D];廈門大學;2014年

3 劉昱;基于LMD和SVM的動力機械故障診斷方法研究[D];天津大學;2012年

4 劉盈;基于次聲波的煤氣管道泄漏監(jiān)測系統(tǒng)研究[D];電子科技大學;2010年

5 王久龍;基于紅外成像技術(shù)的埋地管道泄漏定位實驗研究[D];大慶石油學院;2008年

6 趙輝;基于SVM的數(shù)據(jù)挖掘分類技術(shù)研究[D];西安電子科技大學;2008年

本文編號：2606924