基于模糊神经网络的管道泄漏检测方法研究

为了及时准确地检测管道泄漏,提出了一种基于模糊神经网络的管道泄漏检测的方法.首先以管道内流体在出口与人口之间的压力差与流量差信号作为网络输入,以泄漏的尺寸大小作为网络输出,构建了管道泄漏检测与泄漏尺寸估计的模糊神经网络结构,进而选取实际管道数据,对网络的参数进行离线训练,并得出网络权值.最后以借鉴某管道泄漏的部分先验知识建立模糊规则的基础上,通过仿真验明了方法在管道泄漏诊断中的有效性和可行性.     

基于负压波的管道泄漏诊断

本文介绍用波敏法进行管道泄漏诊断的原理和试验结果,波敏法是基于压力波传播规律,并采用相关分析技术对从管道两端所采集到的压力信号进行处理以实现泄漏检测与定位的一种诊断方法,由于不需要流量信号,且对负荷扰动具有较强的抗干扰能力,因而具有较大的实用价值。     

基于Kullback信息测度的长输管线的泄漏检测

长输管线泄漏检测的一类方法需要测量其端点甚至中间的流量信号,这是实际中所不希望的.本文提出了一种基于 Kullback 信息测度的长输管线泄漏检测方法,它通过对管线两个端点附近的压力梯度所构成的时间序列进行分析,从而检测出泄漏.这种方法只需要测量两个端点附近的四个压力信号,计算量又小,在实际中容易实现.该方法在一条长120米,内径10毫米的液体管线上进行了实验,结果表明,这是一种很有实用价值的检测方法.     

音波管道泄漏监测系统在新疆油田管道保护中的应用

原油长输管道是油田生产的生命线,由于偷盗打孔破坏致使原油漏失、环境污染,给企业带来巨大的经济损失。为了最大限度地降低输油管道泄漏所造成的一系列严重后果,加强地面长输管网管理力度,利用音波泄漏监测技术实现管道实时在线监测。本文介绍了音波管道泄漏监测系统的工作原理,以及系统在新疆油田管道保护应用中的泄漏报警实例,分析了该系统的定位精度。长期运行结果表明,该系统具有报警快速、灵敏度高、准确度高等特点,能够有效地实现泄漏报警和定位,从而有效保障长输管道的安全运行。最后指出系统存在的问题和发展趋势。     

基于负压波的管道泄漏检测与定位技术研究

管道输送因其具有独特的优点已经在各行各业中得到了广泛应用，但日益严重的泄漏问题不仅影响了管输的正常运行，也给人类的生命财产造成了极大的损失。探索一种有效的检测方法已经迫在眉睫。文章对基于负压波的管道泄漏检测与定位技术的方法进行了研究，说明了其优缺点，指出了基于负压波法的管道泄漏检测与定位结构模式识别系统具有很好的发展前景。     

Bootstrap与模糊聚类在管道泄漏检测的研究

管道泄漏信息缺失对可靠提取小泄漏与工况变化所产生的负压波模式的特征一直是一瓶颈，也是降低系统误报警率的关键因素之一。本文利用小样本统计的Bootstrap方法，对观测样本进行模拟采样并进行统计分析，在此基础上，对管道不同工况提取特征．并用模糊聚类分析的方法分类管道小泄漏与工况变化的运行模式。仿真实验表明该方法应用在管道泄漏诊断中是简单实用和可行的。     

管道泄漏检测优化算法的研究与仿真

研究管道泄漏优化检测问题,提高检测准确率。由于管内压力噪声干扰,使得采集的检测压力数据不准确。传统泄露检测算法是根据管内压力形成的负压波进行泄露检测。在管道检测的同时进行起泵、停泵等基本的工况操作时,管道内的噪声会影响压力变化,造成误报警的问题。为解决上述问题,提出一种Kalman滤波器的管道泄漏检测算法,引入未知输入项后经过Kalman滤波器来控制检测模型的变化,排除了工况操作和压力产生噪声等的干扰。实验证明,改进方法克服了误报警问题,能准确预测管道的泄漏,为管道检测提供了可靠的方法。     

基于信息融合算法的管道泄漏检测技术研究

基于目前已经在石油输送管道中应用的SCADA系统，将信息融合技术应用于管道泄漏检测系统中；该方法应用管道泄漏时的多种特征信号，采用最优加权融合算法将多元信息综合处理，扩展了时间和空间上的检测范围，提高了泄漏检测系统的灵敏度和可靠性。在实验室用水泵和不锈钢管道组成的水循环系统进行了模拟实验，通过对比验证了信息融合检漏方法比单一检漏方法具有明显的优越性。     

管道泄漏检测方法

应用线性回归方法对管道泄漏信号检测，并且对管道泄漏特征信号回归处理的结果以残差方式估计，对准确检测管道泄漏征信号具有明显的效果。为了提高泄漏检测准确度，可以进行二次或三次回归平滑管道正常运行时的微波压力波动。     

基于模糊神经网络的管道缺陷识别方法研究

基于模糊运算和人工神经网络在模式识别中的应用,分别对两种模式识别方法的基本原理及其在管道无损检测中的应用进行了分析。通过建立管道缺陷识别试验,根据检测信号选取适当的参数,分别用这两种方法对不同类型的缺陷进行识别。结合识别结果对其进行比较与总结,证明了两种识别方法的有效性,为识别方法的选择与应用提供了理论依据。     

基于T-S模型FNN的网络入侵检测方法研究

本文对基于T-S模型FNN的网络入侵检测方法进行系统地研究与分析.解决了T-S模型网络的前件网络模糊参数和后件网络连接权的学习问题.采用1998年林肯实验室数据集,运用统计分析的方法对数据进行特征选取,并进行归一化处理.最后进行网络入侵检测方法的建模,在Matlab仿真平台上进行仿真实验,结果表明基于T-S模型FNN的网络入侵检测方法具有很好的应用价值.     

基于KPCA和T-S模糊神经网络的煤与瓦斯突出的预测

应用核主成分分析（KPCA）和T-S模糊神经网络方法对煤与瓦斯突出进行快速、精准预测。利用KPCA对实验样本数据中的多种煤与瓦斯致突因素进行降维,简化问题的复杂度,将选取的累计贡献率大于 90%的4个主成分作为T-S模糊神经网络的输入参数,煤与瓦斯突出强度作为输出参数。利用实测数据进行验证,并与BP神经网络预测模型、T-S模糊神经网络预测模型的预测结果进行比较。结果表明,该方法建立的预测模型准确性、有效性更高,收敛时间短,适用于煤与瓦斯突出预测。     

输油管网泄漏检测与定位方法的研究

提出了一种新颖的基于模式识别的输油管网泄漏检测与定位的方法．该方法采集管网每个端点的压力信号，并基于模式识别的原理对管网进行泄漏检测与定位．仿真实验结果表明了该方法的有效性．     

基于模糊小波神经网络的主机入侵预测

综合利用模糊技术、神经网络与小波技术,提出一种主机入侵预测模型FWNN-IP。将系统调用按危险度进行分类,并为高危险度的系统调用赋予较高的值,利用模糊化后的系统调用短序列分析程序(进程)的踪迹,达到入侵预测的目的。实验结果表明,FWNN-IP模型能够及时预测程序(进程)中的异常,采取更加积极主动的预防措施抵制入侵行为。     

基于模糊神经网络的气体检测

介绍了基于模糊神经网络(FNN)的气体检测系统.通过该系统,对甲醛气体进行了定量检测分析.实验结果表明:该系统能以较高的精度检测出气体的浓度,有一定的实用性.     

基于盲辨识的输气管道泄漏定位方法

针对音波法在输气管道泄漏检测与定位中需知道管道长度才能对泄漏点进行检测这一问题,采用盲系统辨识方法估计泄漏信号传播信道响应函数,构建代价函数解决高阶信道估计问题,且采用了遗传算法进行全局优化,避免代价函数陷入局部最优．从仿真结果可看出,在管道长度未知的情况下,所采用方法对输气管道泄漏点定位精度高、误差小,具有较好的实际应用价值．     

基于自适应免疫算法的输油管道泄漏定位研究

通过分析管道泄漏产生的负压波在传播过程中速度的变化,推导出波速随温度变化的公式,并将管道泄漏点定位问题转化为函数优化问题.在此基础上,提出一种自适应免疫算法,并将该算法应用到输油管道泄漏定位问题上.实际算例计算表明,自适应免疫算法在优化问题中优于遗传算法和常规免疫算法,能有效解决泄漏定位问题.     

基于T-S模糊神经网络的抽油机井故障诊断

针对油田抽油机井故障的特点,提出了基于T-S模糊神经网络的抽油机井故障诊断方法。即将神经网络的学习能力引入到模糊系统中,将模糊系统的模糊化处理、模糊推理、精确化计算通过分布式的神经网络来表示,从而提高系统的学习能力和表达能力。提出了基于LM优化的BP算法以提高网络收敛速度,利用MATLAB神经网络工具箱建立模糊神经网络诊断模型,经仿真测试表明,所提出的故障诊断方法能有效地对抽油机故障识别,正确率较高、效果较稳定,可提高网络训练及诊断速度。