欢迎来到天天文库
浏览记录
ID:34670348
大小:1.55 MB
页数:58页
时间:2019-03-09
《基于支持向量机与多特征融合的城市燃气管道泄漏声发射诊断技术研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、学号:12103312常州大学硕士学位论文基于支持向量机与多特征融合的城市燃气管道泄漏声发射诊断技术研究研究生江志伟指导教师王新颖副教授学科、专业名称安全科学与工程研究方向安全检测技术2015年06月StudyonAcousticEmissionTechnologyforUrbanGasPipelineLeakageDiagnosisBasedonSupportVectorMachineandMulti-featureFusionADissertationSubmittedtoChangzhouUniversityByJiangZhiweiSafetyScienceandEngin
2、eeringDissertationSupervisor:Associateprofessor.WangXin-yingJune,2015常州大学学位论文原创性声明本人郑重声明:所呈交的学位论文是本人在导师指导下独立进行的研究工作及取得的研究成果。除文中已经注明引用的内容外,本论文不含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体,均已在论文中以明确方式标明。本人已完全意识到本声明的法律结果由本人承担。作者签名:签字日期:年月日学位论文版权使用授权的说明本学位论文作者完全了解常州大学有关保留、使用学位论文的规定,即:研究生在校攻读学位期间论文工作
3、的知识产权单位属常州大学。学校有权保留并向国家有关部门或机构送交论文的复印件和磁盘,允许论文被查阅和借阅。学校可以公布学位论文的全部或部分内容,可以采用影印、缩印或扫描等复制手段保存、汇编本学位论文。保密论文注释:本学位论文属于保密范围,在年解密后适用本授权书。非保密论文注释:本学位论文不属于保密范围,适用本授权书。学位论文作者签名:签字日期:年月日导师签名:签字日期:年月日中文摘要为提高城市燃气管道泄漏检测能力,预防燃气泄漏事故发生,将信息融合技术引入到管道泄漏检测领域,并提出一种基于D-S证据理论与支持向量机(SVM)的城市燃气管道泄漏声发射诊断技术。在实验室条件下,采集管道不
4、同位置和不同周期的声发射传感器信号,运用小波分析法提取并选择出五种能反映管道运行状态的特征参数,输入SVM分类器中进行初次分类,然后根据识别结果构造基本概率指派(BPA),再运用组合规则对不同时空域数据进行D-S融合,最后根据判决门限得出决策结果。将这种支持向量机与多特征融合的泄漏诊断技术应用于实验室管道泄漏检测系统中进行试验验证,获得了以下研究结论:(1)运用小波分析法提取出的声发射特征参数能较好地反映管道的实际运行状态。利用SVM二分类模型的硬判断结果形成的后验概率输出,可以合理构造D-S融合所需的BPA,可有效解决证据融合理论无法直接使用向量机硬输出结果的问题。(2)采用SV
5、M-DS管道泄漏诊断方法要比单一分类器或单独进行D-S融合的准确率更高。这是由于单一分类器在分类过程中经常受到不确定性因素的干扰;小样本数据条件下BPNN等模式识别方法性能不稳定,直接进行D-S融合时难以构造出更为合理的BPA,这都会导致诊断准确率的下降。因此采用SVM分类器在样本数量较少的情况下也可以给出合理的BPA值,再通过DS融合降低证据的不确定性,使得整个诊断系统具有较强的鲁棒性,最终的决策结果更加准确、可靠。(3)基于支持向量机与多特征融合的声发射诊断技术可以较好地应用于城市燃气管道泄漏检测领域,且与其他几种诊断方法相比准确率更高,这从一定程度上弥补了其他模式识别及传统管
6、道泄漏检测方法存在的不足。关键词:燃气管道;泄漏;声发射;支持向量机;D-S证据理论;融合IABSTRACTForthesakeofimprovingtheabilitytodetecturbangaspipelineleakandpreventinggasleakageaccidents,theinformationfusiontechnologywasappliedtothefieldofpipelineleakdetection.Anacousticemissiontechnologyforurbangaspipelineleakagediagnosiswasworkedou
7、tbasedonD-SevidencetheoryandSVM.Underlaboratoryconditions,acousticemissionsensorsignalswerecollectedatdifferentpositionsanddifferentperiods.Fivekindsofcharacteristicparametersareextractedbymeansofwaveletanalysis,andthentheextractedchara
此文档下载收益归作者所有