基于迁移学习的复杂环境下油气管道周界入侵事件识别
发布时间：2021-07-23 20:25
石油、天然气作为一种燃料与化工原料,在生产生活中具有极为重要的作用。管道运输是油气资源长距离运输最主要的方式,因管道破坏的危险性,对其周界入侵事件识别的研究一直受到各界广泛关注。油气管道沿途运行环境复杂,传统方法中假设的标准样本与实际样本分布一致的前提遭到破坏,导致单一识别模型在不同环境下对入侵事件识别准确率降低。对此,本文将迁移学习方法引入油气管道安防领域,为入侵事件识别研究提供新思路,主要研究内容如下:（1）深入了解油气管道周界入侵事件识别原理及过程,从原始信号、特征模型、识别模型三个角度,对复杂环境导致的入侵事件及干扰事件进行分析,进一步证明复杂环境对周界入侵事件振动信号的影响。（2）针对目标域样本稀少、标签缺失问题,研究基于深度对抗的半监督迁移学习方法,利用深度卷积神经网络特征提取器F取代生成对抗网络生成器概念,自动获取源域与目标域特征空间;领域鉴别器D解决源域与目标域之间领域适配问题;在分类器G作用下,实现油气管道周界入侵事件识别。通过大量比对实验,对卷积层数、卷积核数量等关键模型影响因子进行分析,从模型识别率与实地应用效果两个角度出发,验证本文方法的有效性。（3）针对油气管...
【文章来源】：燕山大学河北省
【文章页数】：70 页
【学位级别】：硕士
【部分图文】：
传统学习与迁移学习方法
燕山大学工程硕士学位论文-8-第2章数据介绍与复杂环境信号差异分析本章对油气管道周界入侵事件识别中相关单元进行介绍，描述了Ф-OTDR型光纤管道安全预警系统运行基本过程，分析影响当前管道周界入侵事件识别中环境多样、信号偏差、样本缺失等关键问题，介绍依此问题建立的管道周界入侵事件识别模拟实验的实验地点、模拟入侵事件方法、信号降噪与样本构建技术。在此基础上，从原始信号、特征模型、分类模型多个角度，分析复杂环境对周界入侵事件识别的影响，进一步肯定本文的研究价值。2.1管道周界入侵目标检测2.1.1Ф-OTDR型管道安全预警系统基本原理本文所提及的油气管道周界入侵事件识别应用于Ф-OTDR型管道安全预警系统，本系统信号采样率250赫兹/秒,在地理空间上的最小分辨距离为8米，整体系统由传感光纤、光纤微振动检测器、计算机三部分组成，系统结构如图2-1所示。图2-1Ф-OTDR型管道安全预警系统原理图Ф-OTDR型管道安全预警系统传感光纤铺设在长输油气管道上方，距离地面1.5到2米，光纤微振动检测器内超窄线宽光源发出的连续脉冲光，通过环形器进入与管道同沟铺设的传感光纤中，光纤沿线管道周界影响管道安全的入侵事件引发的微弱振动引起光纤内部瑞利散射光的光强差异，经光电探测器、模数转换器等处理后，进入计算机中进行进一步的信号处理及分析，从而实现管道沿线振动状态监测与管道安全预警[35]。
第2章数据介绍与复杂环境信号差异性分析-9-2.1.2主要监测目标Ф-OTDR型管道安全预警系统部署于西气东输中卫站，对附近80千米长度的油气管道进行安全监测，管道沿线环境如图2-2所示。图2-2油气管道沿线地理环境卫星图如图2-2所示，一方面油气管道建设距离长，沿线将经过如戈壁、河流、沙地等不同地理环境；另一方面虽油气管道规划建设过程中，已尽量考虑远离人群密集区域，但是由于建设难度、建设成本、管道建设后人为活动范围增加等因素，不可避免的管道周界将出现大量人为活动事件，多变的地理环境与大量存在的人为活动共同构成了复杂的管道安全预警系统运行环境。如农田耕作、农用灌溉水泵运行、车辆通行等正常的生产生活事件发生在管道周界安全范围之外，对管道安全运行影响小；而在管道安全范围内非许可的人为施工活动由于距离管道近、事件发生存在随机性、从事件发生到管道破坏时间短等特点是危害管道安全运行的主要可控因素。依据其使用工具的不同，将其分为由挖掘机类工程机械施工活动，由搞、锄、锤等手动工具类人工施工活动。依据信号传播理论与实地实验表明[44,45,46,47],不同传输介质下，同一信号的传输将呈现不同特性，在管道不同部署位置，由于地质环境差异，同一入侵事件振动信号传播到光纤微振动传感器附近时，也将呈现一定差异；另一方面，不同地点影响事件识别的干扰事件也将存在不同，如图2-2所示，干扰类型有公路并行干扰、车辆碾压干扰、农田灌溉水泵工作干扰等，不同的干扰事件其振动信号也将存在差异；具体复杂环境对信号的影响，本文将在第三节中进行介绍。管道沿线复杂的运行环境，导致不同位置入侵事件识别中测试集与训练集之间存在较大的差异；针对不同地点分别建立入侵事件识别样本库，又将耗费大量的时间与精
【参考文献】：
期刊论文
[1]基于迁移学习的小样本重症疾病预后模型[J]. 夏静,潘素,颜默磊,蔡国龙,严静,宁钢民. 生物医学工程学杂志. 2020(01)
[2]基于迁移学习的复杂场景海洋鱼类识别方法[J]. 李均鹏,祝开艳,杨澍. 计算机应用与软件. 2019(09)
[3]基于域与样例平衡的多源迁移学习方法[J]. 季鼎承,蒋亦樟,王士同. 电子学报. 2019(03)
[4]相位敏感光时域反射系统模式识别方法综述[J]. 付群健,于淼,常天英,张瑾,罗政纯,王旭,刘珉含,崔洪亮. 红外与激光工程. 2018(07)
[5]基于深度学习的轴承健康因子无监督构建方法[J]. 赵光权,刘小勇,姜泽东,胡聪. 仪器仪表学报. 2018(06)
[6]基于DTCWPT和t-SNE的去噪方法及在故障诊断中的应用[J]. 梁伟阁,佘博,田福庆. 电子测量与仪器学报. 2018(05)
[7]基于压缩采集与深度学习的轴承故障诊断方法[J]. 温江涛,闫常弘,孙洁娣,乔艳雷. 仪器仪表学报. 2018(01)
[8]煤岩静爆致裂微震活动规律及频谱演变特征[J]. 王金贵,张苏. 煤炭学报. 2017(07)
[9]基于深度学习的乳腺癌病理图像自动分类[J]. 何雪英,韩忠义,魏本征. 计算机工程与应用. 2018(12)
[10]改进LSSVM迁移学习方法的轴承故障诊断[J]. 陈超,沈飞,严如强. 仪器仪表学报. 2017(01)
博士论文
[1]迁移学习问题与方法研究[D]. 龙明盛.清华大学 2014
[2]基于协同过滤视角的受限玻尔兹曼机研究[D]. 罗恒.上海交通大学 2011
[3]新型光纤传感系统的研究与实现[D]. 王燕花.北京交通大学 2009
硕士论文
[1]人体运动智能识别及其迁移学习模型的研究与实现[D]. 侯瑜美.电子科技大学 2019
[2]基于BTM主题模型特征扩展的短文本相似度计算[D]. 张芸.安徽大学 2014
[3]光纤周界安防系统的振动信号识别研究[D]. 张嵩.西安电子科技大学 2014
[4]分布式光纤振动传感系统的数据采集与处理[D]. 苏旭峰.北京邮电大学 2010
本文编号：3299977
【文章来源】：燕山大学河北省
【文章页数】：70 页
【学位级别】：硕士
【部分图文】：
传统学习与迁移学习方法
燕山大学工程硕士学位论文-8-第2章数据介绍与复杂环境信号差异分析本章对油气管道周界入侵事件识别中相关单元进行介绍，描述了Ф-OTDR型光纤管道安全预警系统运行基本过程，分析影响当前管道周界入侵事件识别中环境多样、信号偏差、样本缺失等关键问题，介绍依此问题建立的管道周界入侵事件识别模拟实验的实验地点、模拟入侵事件方法、信号降噪与样本构建技术。在此基础上，从原始信号、特征模型、分类模型多个角度，分析复杂环境对周界入侵事件识别的影响，进一步肯定本文的研究价值。2.1管道周界入侵目标检测2.1.1Ф-OTDR型管道安全预警系统基本原理本文所提及的油气管道周界入侵事件识别应用于Ф-OTDR型管道安全预警系统，本系统信号采样率250赫兹/秒,在地理空间上的最小分辨距离为8米，整体系统由传感光纤、光纤微振动检测器、计算机三部分组成，系统结构如图2-1所示。图2-1Ф-OTDR型管道安全预警系统原理图Ф-OTDR型管道安全预警系统传感光纤铺设在长输油气管道上方，距离地面1.5到2米，光纤微振动检测器内超窄线宽光源发出的连续脉冲光，通过环形器进入与管道同沟铺设的传感光纤中，光纤沿线管道周界影响管道安全的入侵事件引发的微弱振动引起光纤内部瑞利散射光的光强差异，经光电探测器、模数转换器等处理后，进入计算机中进行进一步的信号处理及分析，从而实现管道沿线振动状态监测与管道安全预警[35]。
第2章数据介绍与复杂环境信号差异性分析-9-2.1.2主要监测目标Ф-OTDR型管道安全预警系统部署于西气东输中卫站，对附近80千米长度的油气管道进行安全监测，管道沿线环境如图2-2所示。图2-2油气管道沿线地理环境卫星图如图2-2所示，一方面油气管道建设距离长，沿线将经过如戈壁、河流、沙地等不同地理环境；另一方面虽油气管道规划建设过程中，已尽量考虑远离人群密集区域，但是由于建设难度、建设成本、管道建设后人为活动范围增加等因素，不可避免的管道周界将出现大量人为活动事件，多变的地理环境与大量存在的人为活动共同构成了复杂的管道安全预警系统运行环境。如农田耕作、农用灌溉水泵运行、车辆通行等正常的生产生活事件发生在管道周界安全范围之外，对管道安全运行影响小；而在管道安全范围内非许可的人为施工活动由于距离管道近、事件发生存在随机性、从事件发生到管道破坏时间短等特点是危害管道安全运行的主要可控因素。依据其使用工具的不同，将其分为由挖掘机类工程机械施工活动，由搞、锄、锤等手动工具类人工施工活动。依据信号传播理论与实地实验表明[44,45,46,47],不同传输介质下，同一信号的传输将呈现不同特性，在管道不同部署位置，由于地质环境差异，同一入侵事件振动信号传播到光纤微振动传感器附近时，也将呈现一定差异；另一方面，不同地点影响事件识别的干扰事件也将存在不同，如图2-2所示，干扰类型有公路并行干扰、车辆碾压干扰、农田灌溉水泵工作干扰等，不同的干扰事件其振动信号也将存在差异；具体复杂环境对信号的影响，本文将在第三节中进行介绍。管道沿线复杂的运行环境，导致不同位置入侵事件识别中测试集与训练集之间存在较大的差异；针对不同地点分别建立入侵事件识别样本库，又将耗费大量的时间与精
【参考文献】：
期刊论文
[1]基于迁移学习的小样本重症疾病预后模型[J]. 夏静,潘素,颜默磊,蔡国龙,严静,宁钢民. 生物医学工程学杂志. 2020(01)
[2]基于迁移学习的复杂场景海洋鱼类识别方法[J]. 李均鹏,祝开艳,杨澍. 计算机应用与软件. 2019(09)
[3]基于域与样例平衡的多源迁移学习方法[J]. 季鼎承,蒋亦樟,王士同. 电子学报. 2019(03)
[4]相位敏感光时域反射系统模式识别方法综述[J]. 付群健,于淼,常天英,张瑾,罗政纯,王旭,刘珉含,崔洪亮. 红外与激光工程. 2018(07)
[5]基于深度学习的轴承健康因子无监督构建方法[J]. 赵光权,刘小勇,姜泽东,胡聪. 仪器仪表学报. 2018(06)
[6]基于DTCWPT和t-SNE的去噪方法及在故障诊断中的应用[J]. 梁伟阁,佘博,田福庆. 电子测量与仪器学报. 2018(05)
[7]基于压缩采集与深度学习的轴承故障诊断方法[J]. 温江涛,闫常弘,孙洁娣,乔艳雷. 仪器仪表学报. 2018(01)
[8]煤岩静爆致裂微震活动规律及频谱演变特征[J]. 王金贵,张苏. 煤炭学报. 2017(07)
[9]基于深度学习的乳腺癌病理图像自动分类[J]. 何雪英,韩忠义,魏本征. 计算机工程与应用. 2018(12)
[10]改进LSSVM迁移学习方法的轴承故障诊断[J]. 陈超,沈飞,严如强. 仪器仪表学报. 2017(01)
博士论文
[1]迁移学习问题与方法研究[D]. 龙明盛.清华大学 2014
[2]基于协同过滤视角的受限玻尔兹曼机研究[D]. 罗恒.上海交通大学 2011
[3]新型光纤传感系统的研究与实现[D]. 王燕花.北京交通大学 2009
硕士论文
[1]人体运动智能识别及其迁移学习模型的研究与实现[D]. 侯瑜美.电子科技大学 2019
[2]基于BTM主题模型特征扩展的短文本相似度计算[D]. 张芸.安徽大学 2014
[3]光纤周界安防系统的振动信号识别研究[D]. 张嵩.西安电子科技大学 2014
[4]分布式光纤振动传感系统的数据采集与处理[D]. 苏旭峰.北京邮电大学 2010
本文编号：3299977
本文链接：https://www.wllwen.com/shoufeilunwen/boshibiyelunwen/3299977.html
