基于谐波小波分析的管道小泄漏诊断方法

在长输管道泄漏诊断过程中,复杂噪声背景下的管道小泄漏信号往往难以检测,更无法准确提取小泄漏负压波信号拐点进行泄漏点定位,为此提出基于谐波小波分析技术的小泄漏信号识别与负压波拐点准确提取方法.介绍r谐波小波分析的基本原理及其快速算法,利用谐波小波时频图、时频等高线图以及时频剖面图挖掘管道泄漏敏感特征,准确提取负压波拐点,实现了对长输管线小泄漏的故障诊断.现场采集复杂噪声背景下的输油管道小泄漏信号,分别采用Daubechies小波与谐波小波进行分析对比.试验结果表明,谐波小波泄漏检测法在噪声干扰下对小泄漏信号识别的准确率较高,为长输管道安全输送提供了可靠的保障.     

小波去噪和奇异性分析方法在输油管道泄漏检测中的应用

输油管道中存在的噪声影响了管道泄漏事故的判决,利用瞬态压力波定位泄漏点的关键是准确地确定瞬态压力波传播到管道始末两端的时间差,通过小波阈值去噪和信号奇异点分析方法,可以有效降低管道工况噪声对泄漏信号的干扰,提高瞬态压力波定位的精度.     

基于STA/LTA的输油管道泄漏检测方法

研究了将微震检测中的STA/LTA方法与负压波检测法相结合,并应用于输油管道泄漏检测的技术方法.根据管道泄漏时产生的负压波波形与微震信号初至的相似性,可利用STA/LTA方法对该特征波形进行准确的提取和捕捉,并通过对比管道首末站检测到该特征波形的时间差,对泄漏点位置进行定位.研究表明该方法可有效识别突变的负压波信号,并减少传统泄漏检测方法中小波变换等信号处理方法带来的计算复杂性.室内实验结果表明,将STA/LTA应用于输油管道泄漏检测具备可行性且能够有效识别负压波信号.     

管道泄漏源定位中最优小波基变换研究

针对压力管道通孔型泄漏源互相关定位的声发射（AE）信号降噪问题,进行了小波变换系数重构泄漏信号的最优小波基的选取工作。首先分析了管道通孔型泄漏信号的声学特性;然后使用短时傅立叶变换分析了泄漏声发射事件的发生时间,用于获得其在该时间段内的基本时域波形,同时对比基本时域波形与标准小波基的相似性删选出合适的小波基;进一步,通过分析小波变换定位泄漏声发射事件的频率分布确定最优小波基。同时考虑到声速对定位管道泄漏的影响,对管道声速进行现场测量标定。最后以最佳小波基的小波变换系数作为重构信号开展基于互相关的定位实验。实验结果表明,选择横波的波速作为管道检测的声速时,最佳小波基为“morlet”的小波变换系数作为重构信号能够很好地剔除噪声提高管道定位精度。     

基于模糊RBF神经网络的管道泄漏检测方法

针对模糊BP神经网络在管道泄露检测与估计中存在网络构建训练速度慢、易陷入局部最优等问题,提出将模糊RBF神经网络方法应用于管道的泄漏检测与估计.首先依据管道泄漏时流量、压力的变化机理,将采集到的实际运行中管道内的流量差与压力差信号模糊化后作为RBF神经网络的输入,以泄漏尺寸大小的置信度作为网络的输出,并结合专家先验知识所得的模糊规则,构建管道泄漏检测的模糊RBF神经网络.进而以实际管道运行数据对其进行离线仿真测试,仿真结果表明模糊RBF神经网络克服了模糊BP神经网络的不足,提高了泄漏估计的精度,使网络构建更加高效、优化.     

应力波法在输油管道检漏系统中的应用

介绍了应力波法在输油管道泄漏检测系统中的应用。在不法分子凿击输油管道的过程中或输油管道由于自然原因突然发生泄漏时,产生的应力波会沿着管道向两端传播,利用管道两端的传感器采集应力波信号,并进行小波去噪,然后根据应力波到达两个传感器的时间差对冲击激励点进行定位。实验测试与实际运行结果表明,本检测系统定位平均误差小于0．22m,判断准确率高达90％以上,能够较准确检测输油管道的泄源点。     

基于鲸鱼优化算法的变分模态分解和改进的自适应加权融合算法的管道泄漏检测与定位方法

针对管道泄漏检测与定位方法存在负压波传播衰减、噪声干扰大、数据融合率低等3种问题,提出了基于鲸鱼优化算法(whale optimization algorithm, WOA)的变分模态分解(variational modal decomposition, VMD)和改进的自适应加权融合算法(improved adaptive weighted fusion, IAWF)的管道泄漏检测与定位方法。该方法提出了三传感器泄漏检测与定位模型,并利用抗干扰能力强的WOA-VMD算法对原始信号进行消噪处理;然后采用小波分析求消噪信号的奇异点,进一步求出压力变送器检测到负压波信号的时间差;在此基础上,利用改进的自适应加权融合算法对多传感器数据进行融合,最终得到泄漏点的实际位置。实验结果表明：该方法可以有效地滤除噪声分量,获得更精确的融合结果,定位精度高,相对定位误差可以控制在1%以内,为管道泄漏检测与定位提供了一种新方法。     

流体管道压力信号的高精度实时滤波方法

针对流体管道压力数据的特征,设计了管道泄漏实时高精度检测与定位的压力信号采集方法;在此基础上基于对压力信号的分析,设计了一种压力数据高精度实时组合滤波方法,分别应用低通滤波、陷波滤波和小波滤波对压力信号进行实时滤波处理,并给出了滤波方法中每个步骤的选择依据,以及参数选择方法.该滤波方法在滤掉压力信号中噪声的同时,较好地保留了压力变化的幅值和相位信息,从而有效提高泄漏定位精度.通过流体管道试验仿真系统和实际管道数据的仿真验证和试验,证明了该滤波方法的有效性.     

基于压力信号采集的输气管道混合模型的建立

为监测输气管道的运行状态,提出一种基于机理模型和神经网络模型的混合建模方法. 机理主模型是基于气体在管道中流动的连续性方程、运动方程和气体状态方程而建立的;神经网络模型用来补偿机理模型建模过程中的简化处理及因忽略某些动态参数变化带来的误差,提高了混合模型建模精度,为下一步进行气体管道的泄漏检测和定位奠定基础. 为避免流量计检测精度较低的缺点,实验中用高精度压力传感器取代流量计,统一采集压力信号,提高检测精度. 基于实验采集压力数据,将机理模型和混合模型输出的精度进行比较. 结果表明混合模型的精度得到了较大提高.      

基于声发射与小波包理论的压力管道泄漏检测

采用声发射技术与小波包理论相结合的方法对管道泄漏点实现了精确定位．首先，对2个声发射传感器采集的数据信号运用小波包分解并重构得到不同频段数据．然后，对2个传感器分解信号的同一频段做互相关分析，比较并选取相关系数最大值对应的时间代入定位公式就得到了泄漏点的位置．通过数字仿真对比表明，该方法优于直接相关定位法，具有较强的抗噪声能力，提高了信噪比．实际测试结果表明，该方法具有高于94％的定位精度，可以用于实验压力管道泄漏的检测与在线监测中。     

基于人工神经网络的人脸识别分类器设计

为了提高人脸识别系统的自适应性,采用BP神经网络对抽取出的人脸特征进行识别。对人工神经网络、BP网络应用于人脸识别的过程做了简要介绍。并通过仿真实验加以验证。     

改进BP神经网络在流型智能识别中的应用

为了克服ＢＰ神经网络的易陷入局部极小、收敛速度慢等缺点,利用非线性最小二乘法对其进行了改进,改进后的ＢＰ神经网络的收敛速度提高了１￣２个数量级,同时利用压阻式压关器测得了水平管内油气水多相流压差信号,根据分形理论中的重要构相空间法提取出压差信号的特征向量,再将特征向量送入改进的ＢＰ神经网络中,从而完成对油气水多相流流型的智能识别,结果证明,改进的ＢＰ神经网络能有铲地自动识别出油气水多相流的流型。     

Edge detection of range images using genetic neural networks

Due to the complexity and asymmetrical illumination, the images of object are difficult to be effectively segmented by some routine method. In this paper, a kind of edge detection method based on image features and genetic algorithms neural network for range images was proposed. Fully considering the essential difference between an edge point and a noise point, some characteristic parameters were extracted from range maps as the input nodes of the network in the algorithm. Firstly, a genetic neural network was designed and implemented. The neural network is trained by genetic algorithm, and then genetic neural network algorithm is combined with the virtue of global optimization of genetic algorithm and the virtue of parallel computation of neural network, so that this algorithm is of good global property. The experimental results show that this method can get much faster and more accurate detection results than the classical differential algorithm, and has better antinoise performance.     

模糊神经网络和多传感器数据融合的系统设计——海底管道腐蚀监测系统

系统利用三组超声传感器和漏磁传感器获取原始信息,对多路原始信息进行小波变换和频谱分析,提取时域、频域的多种不同属性参数,并从中选择与输油管道腐蚀程度相关度大的特征参数。采用模糊神经网络多传感器数据融合方法,监测海底输油管道的腐蚀程度,可以在很大程度上提高对输油管道腐蚀程度的检测精度。实验结果表明了该方法的有效性和可行性。     

Design of Congestion Control Strategy Based on Pipeline Flux Leak Monitoring Networks

Flow against pipeline leakage and the pipe network sudden burst pipe to pipeline leakage flow for the application objects,network congestion avoidance strategy is designed in pipeline leak monitoring.Based on the property of Markov chain for network data,a new estimator with particle filter is proposed for congestion control in this paper.The proposed scheme can predict the traffic patterns by the decision-making model.To compare with previous scheme based on fuzzy neural network,the proposed scheme can ada...     

基于CTC-GRU模型的长沙方言识别

为了识别大词汇量下连续长沙话方言语音,提出了基于CTC算法的门控线性单元神经网络模型.先通过梅尔倒谱系数提取语音的特征参数,再把提取的特征参数输入门控线性单元神经网络,用CTC算法进行训练优化,得到输入序列整个的预测标签.最后在自建的长沙话方言语料库上,以词错率作为评价指标,对CTC模型、GRU模型和CTC-GRU模型进行对比,结果表明CTC-GRU模型相对于其他2个模型收敛速度更快,结果更精准.     

基于人工神经网络的原油管道蜡沉积速率模型

从原油输送管道实际出发 ,利用试验室自制的蜡沉积试验环道对大庆原油进行蜡沉积试验 ,研究了多种因素对原油管道蜡沉积规律的影响 .利用人工神经网络的方法模拟各种影响因素与原油管道蜡沉积速率之间的映射关系 ,建立了多因素非线性影响下的蜡沉积速率模型 .该模型结构为4- 7- 1的三层 BP网络模型 ,它考虑了管壁处的剪切应力、管壁处温度梯度、管壁处蜡分子浓度梯度和原油的动力黏度对管道蜡沉积速率的影响 .利用该模型对实际管道蜡沉积速率进行预测的结果表明 ,利用神经网络方法建立的蜡沉积速率模型预测精度高 ,误差在 2 %以内     

一种模块化神经网络的人耳识别方法

提出了一种基于模块化神经网络的人耳识别方法。对人耳图像进行一系列的预处理后,采用PCA方法对图像进行特征提取。构建了模块化神经网络模型,并用分层遗传算法对该模型进行优化,选择训练阶段样本和测试阶段样本对人耳图像进行训练和测试,得出识别率。实验结果表明,基于模块化神经网络的人耳识别相对于传统的神经网络优化了设计参数,得到最优体系结构,提高了人耳识别率。     

基于改进GA算法优化RBF网络的航空发动机叶片损伤图像识别

通过对航空发动机叶片损伤图像进行识别,可以快速准确的发现叶片损伤状况,有利于对故障进行及时有效的预测。本文对损伤图像进行分割,提取损伤图像特征参数,采用改进GA算法优化RBF网络参数的方法建立航空发动机叶片损伤图像识别模型,对损伤图像特征参数样本进行仿真实验,识别正确率为93.33%,同时与单一RBF网络模型识别结果进行对比分析,结果表明该方法更加优越有效。     

神经网络用于油田地面集输管道结垢预测

利用典型的误差反传神经网络理论,对油田地面集输管道结垢进行预测和评判,避开了各种因素对其结垢影响规律的难题,准确地预测和评判地面集输管道的结垢情况。应用人工神经网络分析某油田地面集输系统管道的结垢情况后表明,人工神经网络无需建立数学模型,学习过程通过自动调节神经元之间的连接权值完成,在选取有代表性的训练样本情况下,人工神经网络能够成功地预测和评判地面集输管道的结垢情况。