基于侧扫声纳系统的海底管道检测技术研究

发布时间：2017-03-19 17:02

  本文关键词：基于侧扫声纳系统的海底管道检测技术研究，由笔耕文化传播整理发布。

【摘要】：铺设于海床之上的输油管道在石油运输方面发挥着重要作用。由于受到海潮周期性涨落的影响，海底管道附近海床会被冲刷，长期的冲刷会造成海底管道的裸露、悬空和位移，诸如此类的状态会影响海底管道的正常运行。目前检测海底管道的状态主要通过侧扫声纳采集管道的声学图像，然后人工的对图像进行判读，存在效率低、科学性差等缺点。针对这些问题，本文提出了以解析原始数据为基础，采用BP神经网络和稀疏表示等智能算法实现海底管道状态的识别分类，其主要研究工作如下： 首先，本文利用DGPS技术和侧扫声纳采集数据技术采集了杭州湾海底管道的侧扫声纳数据，并分析了海底管道各种状态的形成原因，为后续研究提供科学的实验数据。 其次，在侧扫声纳图像识别研究中，通常在侧扫声纳数据显示软件上直接截取图像作为数据源，但是显示软件所显示的图像并不能客观的反应采样数据的大小。因此，本文提出解析原始侧扫声纳数据（XTF格式），从XTF格式数据中提取能反应海底信息的采样数据，将采样数据转换成能用于图像识别分类的灰度值矩阵。同时，，本文利用Visual studio2010开发一款用于滚动显示采样数据的软件，该软件方便实验对比研究。 最后，本文利用BP神经网络和稀疏表示两种分类识别算法分别建立海底管道状态的识别分类模型。在BP网络识别分类模型中，对采样数据转换而成的灰度矩阵进行图像预处理，然后制作成训练样本和测试样本，建立基于BP网络的海底管道侧扫声纳图像状态识别分类模型实现管道状态图像的分类。在稀疏表示识别分类模型中，将灰度矩阵转换成灰度-梯度共生矩阵，通过由样本灰度-梯度共生矩阵的数字特征构成的稀疏字典实现海底管道状态图像的识别分类。然后，对比分析两种模型的实验结果，阐述两种分类识别算法的各自的优势，为今后海底管道状态检测研究提供方向。
【关键词】：海底管道检测 侧扫声纳 BP神经网络 稀疏表示
【学位授予单位】：中国计量学院
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：P756.2;U666.7;TP391.41
【目录】：

• 致谢5-6
• 摘要6-7
• Abstract7-8
• 目次8-11
• 图清单11-13
• 表清单13-14
• 1 绪论14-21
• 1.1 选题研究背景和意义14-15
• 1.2 海底管道检测及相关技术研究现状15-18
• 1.2.1 基于分布式光纤的管道检测15-16
• 1.2.2 基于管道机器人的管道检测16
• 1.2.3 基于侧扫声纳系统的海底管道状态检测16-17
• 1.2.4 海底管道侧扫声纳图像识别分类17-18
• 1.3 论文的主要内容及技术路线18-21
• 1.3.1 主要研究内容18-19
• 1.3.2 论文结构19-20
• 1.3.3 论文的技术路线20-21
• 2 侧扫声纳成图原理及图像处理技术研究21-32
• 2.1 海底管道侧扫声纳图像声学基础21-23
• 2.1.1 声波在海水中的传播特性21-22
• 2.1.2 海水中声速测量22-23
• 2.1.3 侧扫声纳换能器23
• 2.2 侧扫声纳数据采集原理23-25
• 2.2.1 侧扫声纳成像原理23-25
• 2.2.2 侧扫声纳声图结构25
• 2.3 海底管道侧扫声纳图像的特点25-26
• 2.4 海底管道侧扫声纳图像处理技术研究26-31
• 2.4.1 改进型的 Canny 算子侧扫声纳图像边缘检测27-31
• 2.4.2 灰度图像梯度计算31
• 2.5 本章小结31-32
• 3 数据采集系统32-46
• 3.0 引言32
• 3.1 实验数据采集流程32-33
• 3.2 实验数据采集区域及采集路线33-34
• 3.3 实验设备简介34-35
• 3.4 实验数据采集35-43
• 3.4.1 侧扫声纳参数设置和测线布设35
• 3.4.2 导航定位设置35-38
• 3.4.3 侧扫声纳数据记录38-39
• 3.4.4 图像判读方法39-43
• 3.5 实验数据结果初步分析43-45
• 3.5.1 管线裸露分析43-44
• 3.5.2 管线埋深分析44-45
• 3.6 本章小节45-46
• 4 实验数据解析与可视化系统实现46-58
• 4.1 背景分析及设计原则46-47
• 4.2 系统总体框架47-49
• 4.2.1 系统开发环境及开发环境配置47-48
• 4.2.2 系统结构48-49
• 4.3 数据解析与读取49-53
• 4.3.1 侧扫声纳数据结构49-51
• 4.3.2 数据读取51-53
• 4.4 数据转换53
• 4.4.1 采样精度与灰度值的转换53
• 4.4.2 双通道显示与多通道显示的转换53
• 4.5 数据显示53-54
• 4.5.1 多线程读取数据53-54
• 4.5.2 采样数据滚动显示54
• 4.6 系统运行实例54-57
• 4.6.1 侧扫声纳数据多通道显示54-56
• 4.6.2 侧扫声纳数据不同灰度显示56
• 4.6.3 侧扫声纳数据斜距显示56-57
• 4.6.4 侧扫声纳数据基本信息显示57
• 4.7 本章小结57-58
• 5 海底管道状态检测与识别58-73
• 5.1 引言58
• 5.2 基于 BP 神经网络的海底管道侧扫声纳图像状态识别58-64
• 5.2.1 海底管道侧扫声纳图像特征提取58-59
• 5.2.2 BP 神经网络模型设计59-62
• 5.2.3 海底管道侧扫声纳图像分类识别模型62-63
• 5.2.4 实验结果与分析63-64
• 5.3 基于灰度-梯度共生矩阵的稀疏表示海底管道状态识别64-72
• 5.3.1 基于灰度梯度共生矩阵的管道图像特征点提取64-67
• 5.3.2 稀疏表示理论67-68
• 5.3.3 海底管道侧扫声纳图像的稀疏表示68
• 5.3.4 基于灰度-梯度的实验模型68-70
• 5.3.5 实验结果与分析70-72
• 5.4 两种实验对比分析72
• 5.5 本章小结72-73
• 6 总结与展望73-75
• 6.1 研究工作总结73-74
• 6.2 工作展望74-75
• 参考文献75-79
• 作者简介79

【参考文献】

中国期刊全文数据库 前10条

1 王忠东;王宝辉;闫铁;衣实贤;;一种分布光纤式石油管道防盗监测系统[J];大庆石油学院学报;2008年04期

2 付宁;彭喜元;;基于改进l_1范数最小化组合算法的欠定盲源分离[J];电子测量与仪器学报;2009年07期

3 周琰,靳世久,张昀超,孙立瑛;管道泄漏检测分布式光纤传感技术研究[J];光电子·激光;2005年08期

4 徐小云,颜国正,丁国清,颜德田;管道机器人适应不同管径的三种调节机构的比较[J];光学精密工程;2004年01期

5 卢逢春,张殿伦,郭海涛;基于属性直方图的图像分割方法及其在声呐图像分割中的应用[J];哈尔滨工程大学学报;2002年03期

6 来向华;潘国富;苟诤慷;傅晓明;;侧扫声纳系统在海底管道检测中应用研究[J];海洋工程;2011年03期

7 王敏;李庆武;程晓轩;;侧扫声纳图像的NSCT域模极大值边缘检测[J];计算机工程;2011年24期

8 周炎涛;Windows中的多线程编程技术和实现[J];计算技术与自动化;2002年03期

9 洪继光;;灰度-梯度共生矩阵纹理分析方法[J];自动化学报;1984年01期

10 徐公文;徐文;朱维庆;;基于Hough变换的水声目标形状分析研究[J];模式识别与人工智能;1995年04期

  本文关键词：基于侧扫声纳系统的海底管道检测技术研究，由笔耕文化传播整理发布。

本文编号：256259