發(fā)布時間：2020-04-02 22:26

【摘要】：石油領(lǐng)域目前廣泛使用管道運輸石油,由于自然因素、人為因素及其它各種因素的影響,非常容易導(dǎo)致石油在輸油管道運輸過程中發(fā)生泄漏。輸油管道泄漏造成的各種損失和危害使得人們不得不重視對輸油管道泄漏的檢測。因此,對輸油管道泄漏檢測技術(shù)的研究已成為國內(nèi)外工業(yè)界和學(xué)術(shù)界的研究熱點。目前,對輸油管道進(jìn)行泄漏檢測已有比較成熟的方法,但隨著工業(yè)技術(shù)的發(fā)展,對輸油管道泄漏檢測精度的要求也逐漸提高,因此對輸油管道泄漏進(jìn)行檢測技術(shù)提出了更高的要求。深度學(xué)習(xí)可以自主從低層到高層進(jìn)行學(xué)習(xí),提取更深層次的特征。本文基于堆棧自編碼算法構(gòu)建了一個多層的深度學(xué)習(xí)模型,并利用現(xiàn)場管道信號數(shù)據(jù)庫和泄漏數(shù)據(jù)進(jìn)行訓(xùn)練。將基于BP神經(jīng)網(wǎng)絡(luò)的管道泄漏檢測方法與本文提出的深度學(xué)習(xí)方法進(jìn)行了對比分析,驗證了算法的有效性。本文首先對管道信號進(jìn)行3層小波分解、重構(gòu),對數(shù)據(jù)去噪。然后,對數(shù)據(jù)進(jìn)行特征提取等處理。將處理好的數(shù)據(jù)輸入到BP神經(jīng)網(wǎng)絡(luò),使用MATLAB進(jìn)行仿真,得到檢測準(zhǔn)確率為95.9%。其次,構(gòu)建了基于堆棧自編碼網(wǎng)絡(luò)的輸油管道泄漏檢測深度學(xué)習(xí)模型,該方法將原始數(shù)據(jù)作為輸入,直接提取管道數(shù)據(jù)從低層到高層的特征。本文中分別構(gòu)建了3,4,5層的深度學(xué)習(xí)模型進(jìn)行仿真實驗,最后得到在5層深度學(xué)習(xí)模型中檢測管道泄漏的準(zhǔn)確率高達(dá)97.7%。本文實現(xiàn)的多層深度學(xué)習(xí)輸油管道泄漏檢測模型各層參數(shù)多采用經(jīng)驗值,訓(xùn)練過程中權(quán)重參數(shù)還有待進(jìn)一步優(yōu)化。對于背景復(fù)雜,管道泄漏信號不明顯的數(shù)據(jù)檢測,還有待深入研究。
【圖文】：

東北石油大學(xué)工程碩士專業(yè)學(xué)位論文章 基于 BP 神經(jīng)網(wǎng)絡(luò)的輸油管道泄漏油管道建設(shè)事業(yè)蓬勃發(fā)展。其中，最早建成的原油該管道長 147.2 公里，管徑 159 毫米，設(shè)計壓力為 1959 年 1 月建成投產(chǎn)。最長的原油管道是西部原油于蘭州末站。該管道干線總長 1858 公里，管徑 81 2000 萬噸/年，于 2007 年 6 月建成投產(chǎn)。論文中來模擬管道泄漏。模擬實驗系統(tǒng)用數(shù)據(jù)來自東北石油大學(xué)油氣管道泄漏檢測模擬實圖 4.1 所示。
【學(xué)位授予單位】：東北石油大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TE973.6

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 白永軍;;輸油管道泄漏情況研究及泄漏檢測技術(shù)的發(fā)展[J];科技展望;2015年07期

2 劉建偉;劉媛;羅雄麟;;深度學(xué)習(xí)研究進(jìn)展[J];計算機應(yīng)用研究;2014年07期

3 呂君達(dá);;輸油管道泄漏檢測技術(shù)研究與應(yīng)用[J];化工管理;2014年03期

4 吳曉萍;趙學(xué)靖;喬輝;劉東梅;王志;;基于LASSO-SVM的軟件缺陷預(yù)測模型研究[J];計算機應(yīng)用研究;2013年09期

5 李永麗;劉衍珩;肖見濤;李向濤;關(guān)偉洲;;基于支持向量機的增量學(xué)習(xí)算法[J];吉林大學(xué)學(xué)報(理學(xué)版);2010年03期

6 杜永軍;時婷婷;郭鳳;杜良;;基于RFID輸油管道泄漏檢測技術(shù)的研究與探討[J];科學(xué)技術(shù)與工程;2010年09期

7 吳偉;張世娟;;長輸油管道泄漏的神經(jīng)網(wǎng)絡(luò)檢測方法研究[J];石油礦場機械;2008年06期

8 謝孝宏;王永強;劉潤華;;超聲波流量計在輸油管道泄漏檢測與定位系統(tǒng)中的應(yīng)用[J];石油化工自動化;2007年02期

9 梁偉;張來斌;王朝暉;;聲發(fā)射檢測技術(shù)在管道泄漏信號識別中的應(yīng)用[J];科學(xué)技術(shù)與工程;2007年08期

10 王立坤;趙晉云;付松廣;譚東杰;李健;靳世久;;基于神經(jīng)網(wǎng)絡(luò)的管道泄漏聲波信號特征識別[J];儀器儀表學(xué)報;2006年S3期

相關(guān)碩士學(xué)位論文 前3條

1 豐曉霞;基于深度學(xué)習(xí)的圖像識別算法研究[D];太原理工大學(xué);2015年

2 馬冬梅;基于深度學(xué)習(xí)的圖像檢索研究[D];內(nèi)蒙古大學(xué);2014年

3 劉寧;基于小波分析的長輸油管道泄漏檢測與定位[D];中國石油大學(xué)（華東）;2013年

，

本文編號：2612522