基于深度学习的输油管道泄漏检测研究

发布时间：2020-04-02 22:26

【摘要】：石油领域目前广泛使用管道运输石油,由于自然因素、人为因素及其它各种因素的影响,非常容易导致石油在输油管道运输过程中发生泄漏。输油管道泄漏造成的各种损失和危害使得人们不得不重视对输油管道泄漏的检测。因此,对输油管道泄漏检测技术的研究已成为国内外工业界和学术界的研究热点。目前,对输油管道进行泄漏检测已有比较成熟的方法,但随着工业技术的发展,对输油管道泄漏检测精度的要求也逐渐提高,因此对输油管道泄漏进行检测技术提出了更高的要求。深度学习可以自主从低层到高层进行学习,提取更深层次的特征。本文基于堆栈自编码算法构建了一个多层的深度学习模型,并利用现场管道信号数据库和泄漏数据进行训练。将基于BP神经网络的管道泄漏检测方法与本文提出的深度学习方法进行了对比分析,验证了算法的有效性。本文首先对管道信号进行3层小波分解、重构,对数据去噪。然后,对数据进行特征提取等处理。将处理好的数据输入到BP神经网络,使用MATLAB进行仿真,得到检测准确率为95.9%。其次,构建了基于堆栈自编码网络的输油管道泄漏检测深度学习模型,该方法将原始数据作为输入,直接提取管道数据从低层到高层的特征。本文中分别构建了3,4,5层的深度学习模型进行仿真实验,最后得到在5层深度学习模型中检测管道泄漏的准确率高达97.7%。本文实现的多层深度学习输油管道泄漏检测模型各层参数多采用经验值,训练过程中权重参数还有待进一步优化。对于背景复杂,管道泄漏信号不明显的数据检测,还有待深入研究。
【图文】：

模拟实验系统,管道泄漏

东北石油大学工程硕士专业学位论文章基于 BP 神经网络的输油管道泄漏油管道建设事业蓬勃发展。其中，最早建成的原油该管道长 147.2 公里，管径 159 毫米，设计压力为 1959 年 1 月建成投产。最长的原油管道是西部原油于兰州末站。该管道干线总长 1858 公里，管径 81 2000 万吨/年，于 2007 年 6 月建成投产。论文中来模拟管道泄漏。模拟实验系统用数据来自东北石油大学油气管道泄漏检测模拟实图 4.1 所示。
【学位授予单位】：东北石油大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TE973.6

【参考文献】