石油、天然氣作為一種燃料與化工原料,在生產(chǎn)生活中具有極為重要的作用。管道運輸是油氣資源長距離運輸最主要的方式,因管道破壞的危險性,對其周界入侵事件識別的研究一直受到各界廣泛關(guān)注。油氣管道沿途運行環(huán)境復雜,傳統(tǒng)方法中假設的標準樣本與實際樣本分布一致的前提遭到破壞,導致單一識別模型在不同環(huán)境下對入侵事件識別準確率降低。對此,本文將遷移學習方法引入油氣管道安防領域,為入侵事件識別研究提供新思路,主要研究內(nèi)容如下:（1）深入了解油氣管道周界入侵事件識別原理及過程,從原始信號、特征模型、識別模型三個角度,對復雜環(huán)境導致的入侵事件及干擾事件進行分析,進一步證明復雜環(huán)境對周界入侵事件振動信號的影響。（2）針對目標域樣本稀少、標簽缺失問題,研究基于深度對抗的半監(jiān)督遷移學習方法,利用深度卷積神經(jīng)網(wǎng)絡特征提取器F取代生成對抗網(wǎng)絡生成器概念,自動獲取源域與目標域特征空間;領域鑒別器D解決源域與目標域之間領域適配問題;在分類器G作用下,實現(xiàn)油氣管道周界入侵事件識別。通過大量比對實驗,對卷積層數(shù)、卷積核數(shù)量等關(guān)鍵模型影響因子進行分析,從模型識別率與實地應用效果兩個角度出發(fā),驗證本文方法的有效性。（3）針對油氣管... 

【文章來源】：燕山大學河北省

【文章頁數(shù)】：70 頁

【學位級別】：碩士

【部分圖文】：

傳統(tǒng)學習與遷移學習方法

燕山大學工程碩士學位論文-8-第2章數(shù)據(jù)介紹與復雜環(huán)境信號差異分析本章對油氣管道周界入侵事件識別中相關(guān)單元進行介紹，描述了Ф-OTDR型光纖管道安全預警系統(tǒng)運行基本過程，分析影響當前管道周界入侵事件識別中環(huán)境多樣、信號偏差、樣本缺失等關(guān)鍵問題，介紹依此問題建立的管道周界入侵事件識別模擬實驗的實驗地點、模擬入侵事件方法、信號降噪與樣本構(gòu)建技術(shù)。在此基礎上，從原始信號、特征模型、分類模型多個角度，分析復雜環(huán)境對周界入侵事件識別的影響，進一步肯定本文的研究價值。2.1管道周界入侵目標檢測2.1.1Ф-OTDR型管道安全預警系統(tǒng)基本原理本文所提及的油氣管道周界入侵事件識別應用于Ф-OTDR型管道安全預警系統(tǒng)，本系統(tǒng)信號采樣率250赫茲/秒,在地理空間上的最小分辨距離為8米，整體系統(tǒng)由傳感光纖、光纖微振動檢測器、計算機三部分組成，系統(tǒng)結(jié)構(gòu)如圖2-1所示。圖2-1Ф-OTDR型管道安全預警系統(tǒng)原理圖Ф-OTDR型管道安全預警系統(tǒng)傳感光纖鋪設在長輸油氣管道上方，距離地面1.5到2米，光纖微振動檢測器內(nèi)超窄線寬光源發(fā)出的連續(xù)脈沖光，通過環(huán)形器進入與管道同溝鋪設的傳感光纖中，光纖沿線管道周界影響管道安全的入侵事件引發(fā)的微弱振動引起光纖內(nèi)部瑞利散射光的光強差異，經(jīng)光電探測器、模數(shù)轉(zhuǎn)換器等處理后，進入計算機中進行進一步的信號處理及分析，從而實現(xiàn)管道沿線振動狀態(tài)監(jiān)測與管道安全預警[35]。

第2章數(shù)據(jù)介紹與復雜環(huán)境信號差異性分析-9-2.1.2主要監(jiān)測目標Ф-OTDR型管道安全預警系統(tǒng)部署于西氣東輸中衛(wèi)站，對附近80千米長度的油氣管道進行安全監(jiān)測，管道沿線環(huán)境如圖2-2所示。圖2-2油氣管道沿線地理環(huán)境衛(wèi)星圖如圖2-2所示，一方面油氣管道建設距離長，沿線將經(jīng)過如戈壁、河流、沙地等不同地理環(huán)境；另一方面雖油氣管道規(guī)劃建設過程中，已盡量考慮遠離人群密集區(qū)域，但是由于建設難度、建設成本、管道建設后人為活動范圍增加等因素，不可避免的管道周界將出現(xiàn)大量人為活動事件，多變的地理環(huán)境與大量存在的人為活動共同構(gòu)成了復雜的管道安全預警系統(tǒng)運行環(huán)境。如農(nóng)田耕作、農(nóng)用灌溉水泵運行、車輛通行等正常的生產(chǎn)生活事件發(fā)生在管道周界安全范圍之外，對管道安全運行影響��；而在管道安全范圍內(nèi)非許可的人為施工活動由于距離管道近、事件發(fā)生存在隨機性、從事件發(fā)生到管道破壞時間短等特點是危害管道安全運行的主要可控因素。依據(jù)其使用工具的不同，將其分為由挖掘機類工程機械施工活動，由搞、鋤、錘等手動工具類人工施工活動。依據(jù)信號傳播理論與實地實驗表明[44,45,46,47],不同傳輸介質(zhì)下，同一信號的傳輸將呈現(xiàn)不同特性，在管道不同部署位置，由于地質(zhì)環(huán)境差異，同一入侵事件振動信號傳播到光纖微振動傳感器附近時，也將呈現(xiàn)一定差異；另一方面，不同地點影響事件識別的干擾事件也將存在不同，如圖2-2所示，干擾類型有公路并行干擾、車輛碾壓干擾、農(nóng)田灌溉水泵工作干擾等，不同的干擾事件其振動信號也將存在差異；具體復雜環(huán)境對信號的影響，本文將在第三節(jié)中進行介紹。管道沿線復雜的運行環(huán)境，導致不同位置入侵事件識別中測試集與訓練集之間存在較大的差異；針對不同地點分別建立入侵事件識別樣本庫，又將耗費大量的時間與精

【參考文獻】：
期刊論文
[1]基于遷移學習的小樣本重癥疾病預后模型[J]. 夏靜,潘素,顏默磊,蔡國龍,嚴靜,寧鋼民.  生物醫(yī)學工程學雜志. 2020(01)
[2]基于遷移學習的復雜場景海洋魚類識別方法[J]. 李均鵬,祝開艷,楊澍.  計算機應用與軟件. 2019(09)
[3]基于域與樣例平衡的多源遷移學習方法[J]. 季鼎承,蔣亦樟,王士同.  電子學報. 2019(03)
[4]相位敏感光時域反射系統(tǒng)模式識別方法綜述[J]. 付群健,于淼,常天英,張瑾,羅政純,王旭,劉珉含,崔洪亮.  紅外與激光工程. 2018(07)
[5]基于深度學習的軸承健康因子無監(jiān)督構(gòu)建方法[J]. 趙光權(quán),劉小勇,姜澤東,胡聰.  儀器儀表學報. 2018(06)
[6]基于DTCWPT和t-SNE的去噪方法及在故障診斷中的應用[J]. 梁偉閣,佘博,田福慶.  電子測量與儀器學報. 2018(05)
[7]基于壓縮采集與深度學習的軸承故障診斷方法[J]. 溫江濤,閆常弘,孫潔娣,喬艷雷.  儀器儀表學報. 2018(01)
[8]煤巖靜爆致裂微震活動規(guī)律及頻譜演變特征[J]. 王金貴,張?zhí)K.  煤炭學報. 2017(07)
[9]基于深度學習的乳腺癌病理圖像自動分類[J]. 何雪英,韓忠義,魏本征.  計算機工程與應用. 2018(12)
[10]改進LSSVM遷移學習方法的軸承故障診斷[J]. 陳超,沈飛,嚴如強.  儀器儀表學報. 2017(01)

博士論文
[1]遷移學習問題與方法研究[D]. 龍明盛.清華大學 2014
[2]基于協(xié)同過濾視角的受限玻爾茲曼機研究[D]. 羅恒.上海交通大學 2011
[3]新型光纖傳感系統(tǒng)的研究與實現(xiàn)[D]. 王燕花.北京交通大學 2009

碩士論文
[1]人體運動智能識別及其遷移學習模型的研究與實現(xiàn)[D]. 侯瑜美.電子科技大學 2019
[2]基于BTM主題模型特征擴展的短文本相似度計算[D]. 張蕓.安徽大學 2014
[3]光纖周界安防系統(tǒng)的振動信號識別研究[D]. 張嵩.西安電子科技大學 2014
[4]分布式光纖振動傳感系統(tǒng)的數(shù)據(jù)采集與處理[D]. 蘇旭峰.北京郵電大學 2010



本文編號：3299977