188宝金博页面版

  • 图案背景
  • 纯色背景
视图
标记
批注
批注本地保存成功,开通会员云端永久保存 去开通
checkmatla

上传于:2013-10-15

粉丝量:84

该文档贡献者很忙,什么也没留下。


  • 相关
  • 目录
  • 笔记
  • 书签

188宝金博页面版:更多相关文档

  • 泄漏检测信号滤波技术比较

    星级: 5 页

  • VLSI布局结构表示研究进展 作者:徐宁,洪先龙,董社勤 200611 摘要

    星级: 15 页

  • 泄漏检测信号滤波技术比较

    星级: 5 页

  • 泄漏检测信号滤波技术比较

    星级: 5 页

  • 泄漏检测和定位中的信号滤波和处理

    星级: 3 页

  • 泄漏检测和定位中的信号滤波和处理

    星级: 3 页

  • 泄漏检测和定位中的信号滤波和处理

    星级: 3 页

  • 【精品】信号滤波技术

    星级: 18 页

  • 几种滤波技术的比较研究几种滤波技术比较研究几种滤波

    星级: 26 页

  • 输油管道泄漏检测信号的自适应滤波处理

    星级: 4 页

  • VB2005记事本

    星级: 4 页

  • 基于自适应滤波技术的管道泄漏检测方法

    星级: 3 页

  • 基于自适应滤波技术的管道泄漏检测方法

    星级: 3 页

  • 基于自适应滤波技术的管道泄漏检测方法

    星级: 3 页

  • 基于自适应滤波技术的管道泄漏检测方法

    星级: 3 页

暂无目录

点击鼠标右键菜单,创建目录

暂无笔记

选择文本,点击鼠标右键菜单,添加笔记

暂无书签

在左侧文档中,点击鼠标右键,添加书签

188宝金博页面版: 泄漏检测信号滤波技术比较

下载积分: 899

内容提示: 第 !" 卷第 # 期&’()!" *’)#! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! !水 利 水 电 科 技 进 展!$$" 年 %! 月?10) !$$"+,-./012 3/ 4031/01 ./, 5106/’(’7!8 ’9 :.;1< =12’><012基金项目 : 国家自 然科学基金 (@$#"A$B@);国家社会公益专项基金 (%!#C$%$D%$$C);中国水利水电科学研究院专项基金 (水集 $@EF$%)作者简介: 郭新蕾 (%AB$—),男,湖北十堰人,博士研究生,从事调水工程管道系统泄漏检测方法研究。 GHI.3(: 7>’J3/(13K%#C) 0’I泄漏检测信号滤波技术比较郭新蕾,杨开林...

文档格式:PDF | 页数:5 | 浏览次数:366 | 上传日期:2013-10-15 18:13:36 | 文档星级:
第 !" 卷第 # 期&’()!" *’)#! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! !水 利 水 电 科 技 进 展!$$" 年 %! 月?10) !$$"+,-./012 3/ 4031/01 ./, 5106/’(’7!8 ’9 :.;1< =12’><012基金项目 : 国家自 然科学基金 (@$#"A$B@);国家社会公益专项基金 (%!#C$%$D%$$C);中国水利水电科学研究院专项基金 (水集 $@EF$%)作者简介: 郭新蕾 (%AB$—),男,湖北十堰人,博士研究生,从事调水工程管道系统泄漏检测方法研究。 GHI.3(: 7>’J3/(13K%#C) 0’I泄漏检测信号滤波技术比较郭新蕾,杨开林,郭永鑫(中国水利水电科学研究院水力学所,北京%$$$CB)摘要: 通过泄漏检测模型试验分析测量信号中的噪声 来源, 在对比研究传统小波去噪、 改进神经网络去噪、最小二乘拟合去噪等方法在实测数据中去噪效果的基础上, 借鉴神经网络反向传播学习 算法的思路, 提出 了 信号预滤波结合阈值自 学习 小波去噪的综合滤波方法。 该方法通过对恒定状态下带噪压力信号阈值自 学习 使得重构信号与期望输出 均方误差最小来获得单一工况下的最佳去噪阈值, 再将此阈值用 于同 一工况下整个时间段的去噪, 这样根据不同 工况下得到的最佳阈值可以获得最优输出 。 数值计算结果比较表明该方法对噪声 的抑制作用 明显, 比传统小波去噪、改进神经网络去噪等方法效果更好。关键词: 管道泄漏检测; 输水管道; 压力信号; 滤波; 小波去噪; 神经网络文献标识码: +中图分类号: 5*A%% LD文章编号:%$$#!"#D" (!$$")$#!$$AD!$@!"#$%&’(") "* *’+,-&’). #-,/"0( *"& +-%1 0-,-2,’") (’.)%+(33MNO P3/H(13, F+*M E.3H(3/, MNO F’/7HJ3/ ( !"#$%&’"(& )*+,-%$./012, 340($ 5(2&0&.&" )*6$&"% 7"2).%1"2 $(- +,-%)#)8"% 7"2"$%14, 9"0:0(; %$$$CB, 340($)45(,&%2,: 561 2’><012 ’9 /’321 3/ (1.Q ,1;10;3’/ 237/.(2 R1<1 ./.(8S1, T.21, ’/ U68230.( I’,1( ;12;2) ?3991<1/; 93(;1<3/7 I1;6’,2,2>06 .2 ;61 0’/-1/;3’/.( R.-1(1; ,1/’323/7 .(7’<3;6I, ;61 3IU<’-1, /1><.( /1;R’<Q ,1/’323/7 I1;6’,, ./, ;61 (1.2;H2V>.<1 2U(3/193;;3/7 I1;6’, R1<1 0’IU.<.;3-1(8 2;>,31,) W.21, ’/ ;61 ;6’>76; ’9 /1><.( /1;R’<Q T.0QHU<’U.7.;3’/ (1.</3/7 .(7’<3;6I, . 28/;61;3093(;1<3/7 I1;6’, R3;6 ;61 U<1H93(;1<3/7 ’9 237/.(2 0’IT3/1, R3;6 ;6<126’(, 21(9H(1.</3/7 R.-1(1; .(7’<3;6I R.2 U<’U’21,) :3;6 ;61I1;6’,, ;61 ’U;3I.( ,1/’323/7 ;6<126’(, 3/ ;61 23/7(1 ’U1<.;3/7 0.21 R.2 ’T;.3/1, T8 ;6<126’(, 21(9H(1.</3/7 ’9 U<122><1 237/.(2 R3;6/’321 3/ ;61 2;1.,8 9(’R 2;.;1 ;’ I.Q1 ;61 I1./ 2V>.<1 1<<’< T1;R11/ <10’/2;<>0;3’/ 237/.(2 ./, ,123<.T(1 ’>;U>;2 I3/3I.(, ./, ;61/;61 ’U;3I.( ;6<126’(, R.2 >21, 9’< ,1/’323/7 3/ ;61 R6’(1 U1<3’, ’9 ;3I1 3/ ;61 2.I1 ’U1<.;3/7 0.21) 56>2 ;61 ’U;3I.( ’>;U>; 0’>(,T1 ’T;.3/1, .00’<,3/7 ;’ ;61 ’U;3I.( ;6<126’(, 3/ ,3991<1/; 0.212) *>I1<30.( <12>(;2 ./, 0’IU.<.;3-1 2;>,312 26’R ;6.; ;61 U<121/;.UU<’.06 6.2 ’T-3’>2 19910;2 ’/ /’321 2>UU<1223’/, ./, 32 2>U1<3’< ;’ ;61 0’/-1/;3’/.( R.-1(1; ,1/’323/7 .(7’<3;6I ./, 3IU<’-1,/1><.( /1;R’<Q ,1/’323/7 I1;6’,)6-7 8"&0(: (1.Q ,1;10;3’/ 9’< U3U1(3/1; R.;1< 0’/-18./01 U3U1(3/1; U<122><1 237/.(; 93(;1<3/7; R.-1(1; ,1/’323/7; /1><.( /1;R’<Q管道输水是一种常见的调水工程输水方式。 由于管道老化、 断裂、 腐蚀、 磨损等原因, 泄漏在所难免。 随着调水工程自动化、信息化程度的提高,调水工程管道泄漏检测越来越受到重视。 管道泄漏检测方法大致有以下几种: 直接检测法、 负压波法、 实时模型法、瞬变检测法等[%!!]。 上述方法的检测手段无一不是通过对管道压力或流量信号的辨识来进行泄漏定位的。 而实际采集到的压力信号带有很大的噪声,要从压力信号中准确定位压力突降点或找到与正常状态下压力幅频特征的区别, 需解决的关键问题之一是要对采集的原始信号进行有效的去噪。目前,滤波方法越来越引起人们的重视,夏海波等[C]研究了线性回归的方法,陈仁文[D]、叶昊等[@]研究了小波分析方法,伦淑娴等[#]、马野等["]研究了神经网络滤波方法,陈华立等[B]研究了图像分析方法。这些方法的实用性需要通过试验数据的进一步比较论证。 为此,通过泄漏检测模型试验,首先分析了实测数据中的噪声来源,对比分析了传统小波去噪、改进神经网络去噪、 最小二乘拟合去噪等方法在实测数据中的去噪效果, 并在此基础上提出了信号预滤波结合阈值自学习的小波综合滤波方法。 该方法通过对恒定状态下带噪压力信号阈值自学习使得重构信号与期望输出均方误差最小来获得单一工况下的最佳去噪阈值,再将此阈值用于同一工况下整个时间段的去噪,这样根据不同工况下得到的最佳阈值可以获得最优输出。?DA?水利水电科技进展, !$$", !" ( #)<"/: $!@!BC"B#CC@=>’$0/: :?K 44. @ "-. @ 1(4&&#: AABBC @ 44. @ "-. @ 1(

188宝金博页面版:关注我们

  • 新浪微博

关注188宝金博页面版公众号

188宝金博页面版
阅读
APP
阅读
返回
顶部
188宝金博页面版官网登录在线平台入口(2026已更新)—江苏协昌电子科技股份有限公司