基于EEMD和支持向量機的天然氣管道泄漏診斷

【摘要】：隨著天然氣戰(zhàn)略資源作用和地位提升,運輸管道的運行安全越來越受到人們的重視。管道在運行維護時,需要進行實時監(jiān)測,準確判斷管道運行狀況,及時診斷泄漏隱患,避免安全事故。雖然管道泄漏檢測技術在不斷改善,但是在管道泄漏檢測中,仍然會出現(xiàn)錯報、漏報、誤報的情況。因此,本文針對這一情況,給出天然氣管道泄漏診斷的設計方案,最終實現(xiàn)管道泄漏高準確率的智能診斷。本文利用經(jīng)驗模態(tài)分解EMD方法能夠?qū)⒃夹盘栆勒詹煌念l率尺度下逐級分解,將這些不同尺度的波動或趨勢提煉形成本征模態(tài)函數(shù),再對能夠體現(xiàn)原始信號特性的各個本征模態(tài)函數(shù)提取能量熵和近似熵特征特征。由于傳統(tǒng)經(jīng)驗模態(tài)分解方法中存在模態(tài)混疊效應的弊端而進行深入分析,最終采用總體經(jīng)驗模態(tài)分解EEMD方法和近似熵、能量熵相結(jié)合方法進行特征提取。應用支持向量機對四種特征提取方法提取的特征向量組進行模式識別診斷分析,并進行識別效果對比,判斷最佳的特征提取方式。支持向量機識別診斷方法的復雜度和泛化能力由懲罰因子C和核函數(shù)參數(shù)g決定的,為了提高識別診斷的準確率,需要一個精確、快速、穩(wěn)定的方法來尋找最優(yōu)參數(shù)。本論文應用Libsvm軟件平臺分別采用網(wǎng)格搜索參數(shù)尋優(yōu)、粒子群算法、遺傳算法以及粒子群與遺傳結(jié)合算法對支持向量機管道泄漏類型分類的懲罰因子C和核函數(shù)參數(shù)g進行優(yōu)化,并進行分類準確率效果對比,最終達到高準確率模式診斷的目的。 【關鍵詞】：EEMD 近似熵 支持向量機 粒子群算法 遺傳算法
【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】：TE973.6
【目錄】：

• 摘要4-5
• ABSTRACT5-6
• 創(chuàng)新點摘要6-9
• 緒論9-13
• 0.1 課題研究背景及意義9
• 0.2 管道泄漏檢測國內(nèi)外發(fā)展現(xiàn)狀9-11
• 0.2.1 國外管道泄漏檢測發(fā)展現(xiàn)狀10
• 0.2.2 國內(nèi)管道泄漏檢測發(fā)展現(xiàn)狀10-11
• 0.3 論文主要工作11-13
• 第一章 天然氣管道泄漏診斷的方案總體設計13-19
• 1.1 總體方案設計13-14
• 1.2 泄漏信號的采集14
• 1.3 泄漏信號的預處理14-17
• 1.4 泄漏信號的特征提取17
• 1.5 泄漏信號的模式診斷17-18
• 1.6 參數(shù)優(yōu)化18
• 1.7 本章小結(jié)18-19
• 第二章 基于經(jīng)驗模態(tài)分解的泄漏信號特征提取19-33
• 2.1 經(jīng)驗模態(tài)分解19-23
• 2.1.1 傳統(tǒng)經(jīng)驗模態(tài)分解EMD方法19-20
• 2.1.2 傳統(tǒng)經(jīng)驗模態(tài)分解EMD方法的缺點20-21
• 2.1.3 總體經(jīng)驗模態(tài)分解EEMD方法21-22
• 2.1.4 經(jīng)驗模態(tài)分解方法實驗數(shù)據(jù)處理22-23
• 2.2 基于內(nèi)稟模態(tài)函數(shù)能量熵特征提取23-28
• 2.2.1 內(nèi)稟模態(tài)函數(shù)能量熵23
• 2.2.2 內(nèi)稟模態(tài)函數(shù)能量熵特征提取23-24
• 2.2.3 泄漏數(shù)據(jù)EMD能量熵特征提取24-26
• 2.2.4 泄漏數(shù)據(jù)EEMD能量熵特征提取26-28
• 2.3 基于內(nèi)稟模態(tài)函數(shù)近似熵特征提取28-32
• 2.3.1 內(nèi)稟模態(tài)函數(shù)近似熵28-29
• 2.3.2 內(nèi)稟模態(tài)函數(shù)近似熵特征提取29
• 2.3.3 泄漏數(shù)據(jù)EMD近似熵特征提取29-31
• 2.3.4 泄漏數(shù)據(jù)EEMD近似熵特征提取31-32
• 2.4 本章小結(jié)32-33
• 第三章 基于支持向量機的泄漏信號模式診斷33-44
• 3.1 統(tǒng)計學習理論基本內(nèi)容33-34
• 3.2 支持向量機診斷原理34-37
• 3.2.1 線性可分SVM34-36
• 3.2.2 線性不可分SVM36-37
• 3.3 核函數(shù)37-39
• 3.3.1 常見核函數(shù)37
• 3.3.2 核函數(shù)參數(shù)對SVM診斷性能的影響37-39
• 3.4 支持向量機多分類39-42
• 3.4.1 常用SVM多分類診斷方法39-41
• 3.4.2 一對一多值分類診斷方法實驗數(shù)據(jù)處理41-42
• 3.5 SVM管道泄漏數(shù)據(jù)處理42-43
• 3.6 本章小結(jié)43-44
• 第四章 支持向量機參數(shù)優(yōu)化44-53
• 4.1 LIBSVM軟件包介紹44-45
• 4.2 網(wǎng)格搜索法對SVM參數(shù)優(yōu)化45-46
• 4.2.1 網(wǎng)格搜索算法45
• 4.2.2 網(wǎng)格搜索算法實驗數(shù)據(jù)處理45-46
• 4.3 粒子群算法對SVM參數(shù)優(yōu)化46-48
• 4.3.1 粒子群算法參數(shù)分析與算法流程47-48
• 4.3.2 粒子群算法實驗數(shù)據(jù)處理48
• 4.4 遺傳算法對SVM參數(shù)優(yōu)化48-51
• 4.4.1 遺傳算法的參數(shù)分析與算法流程49-50
• 4.4.2 遺傳算法實驗數(shù)據(jù)處理50-51
• 4.5 粒子群與遺傳結(jié)合算法對SVM參數(shù)優(yōu)化51-52
• 4.6 本章小結(jié)52-53
• 結(jié)論53-54
• 參考文獻54-57
• 發(fā)表文章目錄57-58
• 致謝58-59

您可以在本站搜索以下學術論文文獻來了解更多相關內(nèi)容

天然氣管道泄漏聲場特性研究    徐晴晴;張來斌;梁偉;

天然氣管道泄漏及其檢測方法的幾點分析    龐海艷;

煤氣管道泄漏不停產(chǎn)搶修    劉存貴,張英杰

用流速測試儀確定管道泄漏點的位置    張朝陽,蘇華東

液體輸送管道泄漏的檢測與定位    瞿曌

氣體管道泄漏模型的研究進展    肖建蘭;呂保和;王明賢;周加倍;

基于小波分解的管道泄漏神經(jīng)網(wǎng)絡檢測與定位    孫曉松;譚興強;

直升機檢測地下管道泄漏    

天然氣管道泄漏模型    向素平;馮良;周義超;

氣體管道泄漏聲源特性聲發(fā)射試驗研究    李偉;郭福平;

地下管道泄漏過程地表溫度場紅外檢測實驗    吳國忠;邢暢;王玉石;齊晗兵;李棟;

基于廣義回歸神經(jīng)網(wǎng)絡的管道泄漏精確定位方法    陳琦;林偉國;

κ-ε模型在天然氣管道泄漏模擬中的應用    閆春穎;張來斌;梁偉;

天然氣旁通計量管道泄漏失效分析    劉天模;馮大碧;肖長麗;杜燕;江紅;

一種基于聲波的管道泄漏點定位檢測儀的開發(fā)    沈功田;劉時風;王瑋;

新型天然氣管道泄漏激光遙感探測儀在石油化工領域中的應用    高曉明;談圖;李百祥;汪磊;孫義;王霞;張為俊;

管道泄漏水力瞬變模擬    李均峰;鄧松圣;聶平;焦光偉;邱正陽;廖振方;

管道泄漏故障檢測技術現(xiàn)狀及發(fā)展趨勢    夏海波;張來斌;王朝暉;樊建春;

天然氣管道泄漏火災爆炸事故危害評價    張建忠;楊鵬;王彥良;康寧;呂偉;

基于獨立分量分析的氣體管道泄漏信號消噪方法研究    秦先勇;沈功田;何仁洋;李寰;

新技術為管道泄漏精確定位    記者 趙士振　通訊員 郭景洲

如何防范海底油氣管道泄漏    趙華

管道泄漏暴露出管理漏洞    本報記者 肖來朋 通訊員 張小平

高危行業(yè)有維護公共安全的責任    趙光瑞

防范海底管道泄漏已成當務之急    趙華

鍋爐管道泄漏聲行為特性研究    姜根山

熱力管道泄漏光纖光柵檢測技術研究    袁朝慶

川渝地區(qū)含硫天然氣管道泄漏事故后果模擬研究    劉墨山

復雜管道泄漏檢測技術研究    陽子軒

流體輸送管道泄漏智能診斷與定位方法的研究    馮健

基于可靠性的海底管道泄漏后果研究    胡小麗

基于聲學傳感器的管道泄漏定位研究    馬一凡

間歇性輸送管道泄漏診斷方法研究    戚元華

管道泄漏及帶壓密封技術研究    程世權(quán)

沈—興管道泄漏實時監(jiān)測系統(tǒng)研究    邱亞光

基于激光自混合干涉的振動檢測技術及在管道泄漏中的應用    王源

基于EEMD和支持向量機的天然氣管道泄漏診斷    王昕

管道泄漏信號的特征提取方法研究    崔旭偉

管道泄漏精確定位方法應用研究    陳琦

天然氣管道泄漏擴散機理研究    向啟貴