基于主动加热测温法的海底管道悬空监测与评定

基于主动加热测温法的海底管道悬空监测与评定

ID:34850338

大小:15.77 MB

页数:72页

时间:2019-03-12

基于主动加热测温法的海底管道悬空监测与评定_第1页
基于主动加热测温法的海底管道悬空监测与评定_第2页
基于主动加热测温法的海底管道悬空监测与评定_第3页
基于主动加热测温法的海底管道悬空监测与评定_第4页
基于主动加热测温法的海底管道悬空监测与评定_第5页
资源描述:

《基于主动加热测温法的海底管道悬空监测与评定》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、大连理工大学硕士学位论文目录摘要⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.IAbstract⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..III1绪论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯11.1研究背景及意义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.11.1.1海底管道的重要性⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.11.1.2海底管道的事故及原因⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯l1.1.3海底管道的冲刷悬空的产生原因和危害⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.21.2当前研究现状⋯⋯⋯⋯

2、⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯41.2.1海底管道冲刷悬空的应对方法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.41.2.2海底管道冲刷悬空的监测方法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.51.2.3主动加热测温法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.71.3本文的主要工作⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.82主动加热测温法的理论背景⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯92.1海床中的温度变化解析解⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯92.2海水中的温度变化解析解⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯112.3加热时的温

3、度波动特征⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..123监测系统和实验⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯133.1海底管道冲刷悬空监测系统⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.133.1.1基于DSl8820的冲刷监测系统⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯133.1.2基于BOTDA的冲刷监测系统⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..163.2海底管道冲刷悬空监测实验⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.173.2.1悬空监测实验设置⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.183.2.2悬空监测实验过程⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯

4、⋯⋯⋯⋯⋯⋯⋯⋯.194基于DSl8820的冲刷悬空监测系统和三指标法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.214.1基于DSl8820的冲刷悬空监测系统的优点和适用范围⋯⋯⋯⋯⋯⋯⋯⋯214.2基于DSl8820的冲刷悬空监测实验结果和三指标法⋯⋯⋯⋯⋯⋯⋯⋯⋯224.2.1悬空监测实验中各阶段的温度变化特征⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.234.2.1.1加热前温度⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯234.2.1.2加热段温度⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯24基于主动加热测温法的海底管道悬空监测与评定4.2.1.3散热段

5、温度⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯254.2.2悬空监测实验结果对泛化解析解的符合度⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.264.2.3悬空监测实验加热段的温度波动特征⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯304.2.4三指标法综合特征值TIE⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.324.3基于DSl8820的冲刷悬空监测系统和三指标法的讨论⋯⋯⋯⋯⋯⋯⋯⋯324.4本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..375基于BOTDA的冲刷悬空监测系统⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..385.1光纤传感技术概述⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯

6、⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.385.2分布式布里渊光纤传感原理简介⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..405.3基于BOTDA的冲刷悬空监测试验的试验结果和分析⋯⋯⋯⋯⋯⋯⋯⋯.425.4对基于BOTDA的冲刷悬空监测试验的试验结果结果的讨论⋯⋯⋯⋯⋯⋯455.5本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..486冲刷悬空监测系统的BP神经网络算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.506.1神经网络算法的优点及应用⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.506.2BP神经网络算法用于海底管道悬空监测⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯

7、⋯⋯..526.2.1BP神经网络的结构⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯526.2.2BP神经网络算法的步骤⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..536.2.3神经网络在冲刷悬空监测的应用⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..556.3BP神经网络对悬空监测试验结果的分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..556.3.1神经网络输入数据规格化⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯566.3.2神经网络模式识别结果⋯⋯⋯⋯⋯⋯⋯..⋯⋯⋯⋯⋯⋯⋯⋯⋯.586.3.3神经网络的抗噪能力⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..606.4本章小结

8、⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..61结论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.63参考文献⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.69攻读硕士学位期间发表学术论文情况⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..71致谢⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.73大连理工大学学位论文版权使用授

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。