【摘要】：針對(duì)天然氣管道泄漏檢測(cè)過程中泄漏特征信息提取困難,常造成誤報(bào)、漏報(bào)的問題,本文將可變模態(tài)分解(Variational Mode Decomposition,VMD)算法應(yīng)用于管道泄漏檢測(cè)中,實(shí)現(xiàn)管道泄漏信號(hào)的預(yù)處理,然后通過云模型特征熵提取特征值,最后利用網(wǎng)格搜索法優(yōu)化支持向量機(jī)(Support Vector Machines,SVM)的主要參數(shù),從而提高工況識(shí)別的精度和準(zhǔn)確度。首先,深入研究了可變模態(tài)分解算法的理論以及相關(guān)的基礎(chǔ)知識(shí),然后利用多組仿真信號(hào)對(duì)其噪聲魯棒性、低頻信號(hào)分離、非平穩(wěn)多模態(tài)信號(hào)的處理能力進(jìn)行了分析。通過與經(jīng)驗(yàn)?zāi)B(tài)分解(Empirical Mode Decomposition,EMD)、小波分解做對(duì)比,初步驗(yàn)證了可變模態(tài)分解算法在天然氣管道泄漏信號(hào)檢測(cè)與分析方面的可行性。其次,針對(duì)管道泄漏信號(hào)中特征信息在傳輸過程中受到噪聲影響而被削減或混淆的問題,以及VMD分解后有效模態(tài)分量選取困難的問題,提出基于VMD和豪斯多夫距離(Hausdorff Distance,HD)的聯(lián)合降噪算法(VMD-HD)。該算法在VMD分解出有限帶寬的本征模態(tài)函數(shù)(Band-Limited Intrinsic Mode Functions,BLIMF)分量的基礎(chǔ)上,利用豪斯多夫距離測(cè)量原始信號(hào)與每個(gè)BLIMF之間的相似性,選取有效分量進(jìn)行信號(hào)重構(gòu),完成對(duì)原始信號(hào)的降噪。通過實(shí)驗(yàn)仿真并采用去趨勢(shì)波動(dòng)分析(DFA)評(píng)估去噪效果,得到的標(biāo)度指數(shù)?=1.8992,高于EMD和HD的聯(lián)合去噪方法。因此,VMD-HD方法能有效去除噪聲,獲得更為平滑的濾波信號(hào)。再次,針對(duì)天然氣管道泄漏信號(hào)的非平穩(wěn)性和不確定性特點(diǎn),提出了基于VMD和云模型特征熵的特征提取方法。同時(shí),對(duì)VMD分解過程中預(yù)設(shè)尺度K值的選取進(jìn)行了分析研究。該方法利用本文提出的聯(lián)合降噪算法,得到包含大量特征信息的濾波信號(hào),然后利用逆向云發(fā)生器計(jì)算濾波信號(hào)的云模型特征熵,聯(lián)合其頻域特征—重心頻率(FC)作為特征參數(shù)進(jìn)行下一步的工況識(shí)別。多組樣本信號(hào)的測(cè)試結(jié)果表明,該算法對(duì)能夠準(zhǔn)確有效地提取各類工況信號(hào)的特征信息。最后,針對(duì)本文中有限樣本數(shù)量對(duì)工況識(shí)別分類正確率和泛化能力影響的問題,本文采用SVM算法來進(jìn)行管道工況信號(hào)的識(shí)別判斷。通過libsvm工具箱研究了不同核函數(shù)對(duì)本文中三類信號(hào)(正常信號(hào)、泄漏信號(hào)、敲擊信號(hào))的分類能力,并采用網(wǎng)格搜索法對(duì)c、g參數(shù)進(jìn)行優(yōu)化,最終獲得的分類準(zhǔn)確率達(dá)到98.33%,能夠有效區(qū)分正常、泄漏和敲擊信號(hào)。
【圖文】：

第一章 緒 論VMD 算法將信號(hào)分解得到多個(gè)模態(tài)函數(shù)分量 BLIMFs，由豪斯多夫距離選取出包含大量特征信息的主模態(tài)分量進(jìn)行信號(hào)重構(gòu)，再利用逆向云發(fā)生器計(jì)算重構(gòu)信號(hào)的云模型特征熵，聯(lián)合 FC 作為特征參數(shù)，為下一步的工況識(shí)別做準(zhǔn)備。第五章：介紹了支持向量機(jī)（Support Vector Machines，SVM）算法理論及多分類方法，通過研究線性核函數(shù)、多項(xiàng)式核函數(shù)、斯徑向基函數(shù)（RBF）對(duì)本研究課題中三類信號(hào)識(shí)別分類的泛化能力，發(fā)現(xiàn) RBF 核函數(shù)的 SVM 具有最佳分類效果，其靈敏度為 100%，識(shí)別準(zhǔn)確率高達(dá) 96%。最后，，在結(jié)論部分總結(jié)全文并提出對(duì)未來該研究課題的展望。本課題研究的技術(shù)路線如下圖所示：信號(hào)采集變模態(tài)分解信號(hào)重構(gòu)工況識(shí)別特征提取

采用式（2-23）所示cos(4 ) 1/ 4 cos(48 ) 1/16 t t 0.05 的加性高斯白噪聲。Hz，分解尺度 K=3。原始復(fù)合 2.2（b、c、d）所示，黑色量。圖 2.3（雙對(duì)數(shù)坐標(biāo)）中別對(duì)應(yīng)于圖 2.2 中分解的三態(tài)的中心頻率。
【學(xué)位授予單位】：東北石油大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TE973

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 周旭;;基于SVM的天然氣管道泄漏次聲波檢測(cè)技術(shù)研究[J];中國石油和化工標(biāo)準(zhǔn)與質(zhì)量;2014年06期

2 李立;曹銳;相潔;;腦電數(shù)據(jù)近似熵與樣本熵特征對(duì)比研究[J];計(jì)算機(jī)工程與設(shè)計(jì);2014年03期

3 王保群;林燕紅;焦中良;;我國天然氣管道現(xiàn)狀與發(fā)展方向[J];國際石油經(jīng)濟(jì);2013年08期

4 孟令雅;付俊濤;李玉星;劉翠偉;劉光曉;;輸氣管道泄漏音波信號(hào)傳播特性及預(yù)測(cè)模型[J];中國石油大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年02期

5 張仕斌;許春香;;基于云模型的信任評(píng)估方法研究[J];計(jì)算機(jī)學(xué)報(bào);2013年02期

6 方亮;蘇旭;趙曉龍;;天然氣長輸管道泄漏檢測(cè)技術(shù)進(jìn)展[J];化工裝備技術(shù);2012年03期

7 闞玲玲;梁洪衛(wèi);高丙坤;王秀芳;;基于次聲波的天然氣管道泄漏檢測(cè)系統(tǒng)設(shè)計(jì)[J];化工自動(dòng)化及儀表;2011年06期

8 戚愛華;;我國油氣管道運(yùn)輸發(fā)展現(xiàn)狀及問題分析[J];國際石油經(jīng)濟(jì);2009年12期

9 張紅斌;裴慶祺;馬建峰;;內(nèi)部威脅云模型感知算法[J];計(jì)算機(jī)學(xué)報(bào);2009年04期

10 周琰;靳世久;曾周末;封皓;;分布式光纖管道泄漏檢測(cè)及預(yù)警技術(shù)靈敏度分析[J];納米技術(shù)與精密工程;2008年05期

相關(guān)博士學(xué)位論文 前4條

1 韓龍;風(fēng)力齒輪箱軸承故障的AE信號(hào)特征提取與診斷方法研究[D];哈爾濱工業(yè)大學(xué);2016年

2 林海;離群檢測(cè)及離群釋義空間查找算法研究[D];重慶大學(xué);2012年

3 聶鵬飛;地震勘探噪聲壓制方法研究與應(yīng)用[D];吉林大學(xué);2012年

4 程軍圣;基于Hilbert-Huang變換的旋轉(zhuǎn)機(jī)械故障診斷方法研究[D];湖南大學(xué);2005年

相關(guān)碩士學(xué)位論文 前6條

1 王黎宏;基于次聲波的油氣管道泄漏檢測(cè)系統(tǒng)研究[D];西安石油大學(xué);2016年

2 段樂崢;基于HHT的供水管道泄漏檢測(cè)研究[D];廈門大學(xué);2014年

3 劉昱;基于LMD和SVM的動(dòng)力機(jī)械故障診斷方法研究[D];天津大學(xué);2012年

4 劉盈;基于次聲波的煤氣管道泄漏監(jiān)測(cè)系統(tǒng)研究[D];電子科技大學(xué);2010年

5 王久龍;基于紅外成像技術(shù)的埋地管道泄漏定位實(shí)驗(yàn)研究[D];大慶石油學(xué)院;2008年

6 趙輝;基于SVM的數(shù)據(jù)挖掘分類技術(shù)研究[D];西安電子科技大學(xué);2008年

本文編號(hào)：2606924