本文關(guān)鍵詞：基于近似熵和改進(jìn)K均值的燃?xì)庑孤z測(cè)，，由筆耕文化傳播整理發(fā)布。

【摘要】：天然氣因其清潔與高效的特性而被廣泛使用,其運(yùn)輸方式一般采用管道運(yùn)輸。在運(yùn)輸過(guò)程中,如發(fā)生管道泄露,則不僅影響天然氣的正常運(yùn)輸和人們的日常生活,而且還會(huì)造成重大經(jīng)濟(jì)損失、影響生態(tài)環(huán)境,甚至?xí)斐扇藛T傷亡。因此,如何能快速準(zhǔn)確地檢測(cè)到管道泄露是至關(guān)重要的。本文利用信號(hào)處理與模式識(shí)別理論,對(duì)管道泄露檢測(cè)開(kāi)展了如下研究:1、搭建了燃?xì)夤艿佬孤稒z測(cè)綜合實(shí)驗(yàn)平臺(tái)。該實(shí)驗(yàn)臺(tái)可對(duì)燃?xì)庵惫芫�及支狀管線,實(shí)現(xiàn)在不同壓力、不同泄露孔徑下的在線監(jiān)測(cè)和實(shí)驗(yàn)?zāi)M。2、提出一種基于近似熵與小波變換結(jié)合的信號(hào)特征提取方法。首先利用近似熵選取適合進(jìn)一步分析處理的聲發(fā)射信號(hào)段,再使用小波分解提取原始信號(hào)細(xì)節(jié)特征,并根據(jù)得到的細(xì)節(jié)特征重構(gòu)信號(hào),最后根據(jù)重構(gòu)后的信號(hào)提取方差、頻域峰值、峰態(tài)系數(shù)、偏斜度、上升計(jì)數(shù)、振鈴計(jì)數(shù)等六個(gè)總體特征。為了剔除冗余特征,使用Relief算法和相關(guān)性算法選取頻域峰值和振鈴計(jì)數(shù)這兩個(gè)特征作分析。實(shí)驗(yàn)結(jié)果表明,該方法不僅減少了數(shù)據(jù)處理量,而且突出了信號(hào)的主要特征。3,為達(dá)到無(wú)監(jiān)督泄露判斷,使用改進(jìn)K均值聚類方法處理選擇的兩種信號(hào)特征集合,以此來(lái)區(qū)分泄露與非泄露兩種信號(hào),從而達(dá)到準(zhǔn)確判斷泄露目的。提出改進(jìn)的初始聚類中心選取方法,該方法基于數(shù)據(jù)點(diǎn)密度確定初始聚類中心并去除孤立點(diǎn)。實(shí)驗(yàn)結(jié)果表明,與原始聚類方法相比,本文提出的改進(jìn)K均值聚類方法,可去除孤立點(diǎn)與人為選取聚類中心對(duì)聚類結(jié)果的影響,很好地實(shí)現(xiàn)特征聚類,達(dá)到實(shí)驗(yàn)預(yù)期效果。
【關(guān)鍵詞】：泄露檢測(cè) 聲發(fā)射 近似熵 小波重構(gòu) K均值
【學(xué)位授予單位】：上海師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TE88
【目錄】：

• 摘要3-4
• Abstract4-8
• 第1章 緒論8-15
• 1.1 研究的意義和目的8-9
• 1.2 聲發(fā)射信號(hào)的產(chǎn)生9-10
• 1.3 管道泄漏檢測(cè)技術(shù)10-12
• 1.3.1 管道內(nèi)檢測(cè)技術(shù)10-11
• 1.3.2 管道外檢測(cè)技術(shù)11-12
• 1.3.3 泄露模型檢測(cè)技術(shù)12
• 1.4 國(guó)內(nèi)外研究現(xiàn)狀12-13
• 1.5 本文的主要工作以及文章安排13-15
• 第2章 燃?xì)庑孤┠M平臺(tái)搭建及介紹15-23
• 2.1 實(shí)驗(yàn)平臺(tái)的總體架構(gòu)15-16
• 2.2 所用關(guān)鍵設(shè)備的介紹說(shuō)明16-17
• 2.2.1 空氣壓縮機(jī)16
• 2.2.2 流量計(jì)16-17
• 2.2.3 其它采用設(shè)備17
• 2.2.4 聲發(fā)射信號(hào)采集17
• 2.3 基于ANSYS的管道泄漏仿真17-22
• 2.3.1 選取節(jié)點(diǎn)的位移分量18-19
• 2.3.2 傳感器布置的角度確定分析19-22
• 2.4 本章小結(jié)22-23
• 第3章 基于小波重構(gòu)和近似熵的泄漏聲發(fā)射信號(hào)特征提取23-39
• 3.1 小波變換及重構(gòu)23-29
• 3.1.1 連續(xù)小波變換23-24
• 3.1.2 離散小波變換24-26
• 3.1.3 小波基的選取26-29
• 3.2 近似熵29-33
• 3.2.1 近似熵的計(jì)算29-30
• 3.2.2 影響近似熵的因素30-33
• 3.3 特征提取與選擇33-37
• 3.4 本章小結(jié)37-39
• 第4章 基于改進(jìn)K均值的燃?xì)庑孤┡袆e方法39-49
• 4.1 傳統(tǒng)的聚類方法39-40
• 4.2 原始K均值的介紹40-44
• 4.2.1 原始K均值聚類的優(yōu)點(diǎn)分析41
• 4.2.2 原始K均值聚類的缺點(diǎn)分析41-44
• 4.3 針對(duì)本文的K均值聚類算法改進(jìn)44-46
• 4.3.1 改進(jìn)的初始聚類中心選取方法44-45
• 4.3.2 改進(jìn)后的K均值聚類算法流程45-46
• 4.4 總體實(shí)驗(yàn)流程及實(shí)驗(yàn)數(shù)據(jù)與分析46-48
• 4.4.1 實(shí)驗(yàn)流程圖46-47
• 4.4.2 實(shí)驗(yàn)數(shù)據(jù)與分析47-48
• 4.5 本章小結(jié)48-49
• 第5章 總結(jié)與展望49-51
• 5.1 本文的主要工作49
• 5.2 不足與展望49-51
• 參考文獻(xiàn)51-53
• 附錄53-55
• 附錄 1：攻讀碩士學(xué)位期間已發(fā)表或待發(fā)表的論文53-54
• 附錄 2：攻讀碩士學(xué)位期間參與的科研項(xiàng)目54-55
• 致謝55

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前7條

1 袁忠;黃頻波;耿文霞;;基于近似熵譜的碳纖維復(fù)合材料層壓板拉伸損傷聲發(fā)射分析[J];宇航材料工藝;2014年04期

2 聶晶;石s

本文編號(hào)：271530