基于T-S模糊神经网络预测算法的管道泄漏定位研究与分析

长输管道的泄漏检测和定位对管道安全平稳运行意义极其重大,在以软件计算为主的检测方法里,模糊神经网络模型综合了模糊算法和神经网络模型的优点,能较好地适应长输管道的非线性特征。本文采用中亚地区某管道某相邻两站场的历史数据训练基于高木-关野（Takagi-Sugeno）模糊神经网络的预测模型,使用STONER管道仿真软件产生实时数据,用一种较简单的软方法较好的实现管道泄漏定位,该种方法对中亚某长输管道这类没有专门硬件泄漏检测设备和系统的管线有一定的实用意义。     

管道泄漏检测方法

应用线性回归方法对管道泄漏信号检测，并且对管道泄漏特征信号回归处理的结果以残差方式估计，对准确检测管道泄漏征信号具有明显的效果。为了提高泄漏检测准确度，可以进行二次或三次回归平滑管道正常运行时的微波压力波动。     

Bootstrap与模糊聚类在管道泄漏检测的研究

管道泄漏信息缺失对可靠提取小泄漏与工况变化所产生的负压波模式的特征一直是一瓶颈，也是降低系统误报警率的关键因素之一。本文利用小样本统计的Bootstrap方法，对观测样本进行模拟采样并进行统计分析，在此基础上，对管道不同工况提取特征．并用模糊聚类分析的方法分类管道小泄漏与工况变化的运行模式。仿真实验表明该方法应用在管道泄漏诊断中是简单实用和可行的。     

石油管道泄漏检测模糊识别研究

本文采用TGS2610传感器获取石油管道中的气体浓度，并结合模糊识别技术通过PIC16F877对采集到的浓度进行处理并做出相应的指示。实验结果表明，模糊识别技术在石油管道泄漏检测中的应用有效地减少误检测的可能性，提高了检测的快速性和准确性。     

基于声发射技术的管道泄漏检测系统

根据管道泄漏时产生声发射信号的现象，构建了一种管道泄漏与泄漏点定位的检测系统。重点介绍系统软、硬件设计中的关键问题及其解决方法，现场测试表明，该系统在泄漏的识别和定位上有着良好的效果。     

基于模糊神经网络的管道缺陷识别方法研究

基于模糊运算和人工神经网络在模式识别中的应用,分别对两种模式识别方法的基本原理及其在管道无损检测中的应用进行了分析。通过建立管道缺陷识别试验,根据检测信号选取适当的参数,分别用这两种方法对不同类型的缺陷进行识别。结合识别结果对其进行比较与总结,证明了两种识别方法的有效性,为识别方法的选择与应用提供了理论依据。     

基于信息融合算法的管道泄漏检测技术研究

基于目前已经在石油输送管道中应用的SCADA系统，将信息融合技术应用于管道泄漏检测系统中；该方法应用管道泄漏时的多种特征信号，采用最优加权融合算法将多元信息综合处理，扩展了时间和空间上的检测范围，提高了泄漏检测系统的灵敏度和可靠性。在实验室用水泵和不锈钢管道组成的水循环系统进行了模拟实验，通过对比验证了信息融合检漏方法比单一检漏方法具有明显的优越性。     

基于混沌的超声波管道泄漏检测系统研究

管道的泄漏检测是保障管道安全运行的重要技术,而管道信号的特征提取是管道泄漏检测系统中重要的组成部分.由于信号处理工作难度较大,并且泄漏判断的误报警率较高,本文提出利用混沌理论的超声波检测方法对管道信号进行特征提取,根据特征量的变化判断泄漏,对实际信号进行了处理并验证了该方法的可行性.     

基于信息融合的管道泄漏检测应用研究

基于目前已经在石油输送管道中应用的SCADA系统,将信息融合技术应用于管道泄漏检测系统中.该方法应用管道泄漏时的多种特征信号,采用最优加权融合算法将多元信息综合处理,扩展了时间和空间上的检测范围,提高了泄漏检测系统的灵敏度和可靠性.在实验室用水泵和不锈钢管道组成的水循环系统进行了模拟实验.     

基于模型的管道泄漏监测抗扰动方法研究

在输油管道泄漏监测中,站上扰动所导致的频繁误报会严重影响用户对系统的信心。为降低站上扰动带来的泄漏误报,提出了一种基于统计建模和小波变换的泄漏监测系统抗扰动算法。该算法利用模型残差在泄漏和站上扰动两种情况下的差异,使用小波变换的方法将二者区分开来,从而有效地排除了站上扰动带来的误报。基于某实际管线的历史数据的离线测试表明,同该管道中实际运行的监测系统相比,该算法可以使三个月的误报次数从16次降低到5次。     

用神经网络驱动的模糊推理入侵检测方法

提出了神经网络驱动模糊推理的入侵检测方法,利用神经网络的学习能力,对不清楚规则的复杂系统的输入输出特性进行适当的非线性划分,自动形成舰则集和相应的隶属关系,克服了在多维空间上经验性的确定隶属函数的困难。对于神经网络的训练数据,采用人工数据,克服了神经网络监督学习和获取已知输出的训练数据的困难。试验证明,这种技术具有很好的灵敏度和鲁棒性,而且,能够检测出未知的入侵行为。     

Diagnosis and Localization of Pipeline Leak Based on Fuzzy Decision-making Method

A leak detection plays a key role in the overall integrity monitoring for a oil pipeline system.A fuzzy decision-making approach to pipeline leak localization is proposed in this paper. The two main methods,pressure gradient localization and negative pressure wave localization,are combined with fuzzy logical decision-making method to form a novel fault diagnosis scheme.The combination scheme can improve the precision of localization.An application example,14km long oil pipeline leak detection and localization,is illustrated.This method is compared with others through practical experiments and its validity is confirmed by the results.     

基于模糊决策方法的管道泄漏诊断与定位

A leak detection plays a key role in the overall integrity monitoring for a oil pipeline system. A fuzzy decision-making approach to pipeline leak localization is proposed in this paper. The two main methods, pressure gradient localization and negative pressure wave localization, are combined with fuzzy logical decision-making method to form a novel fault diagnosis scheme. The combination scheme can improve the precision of localization. An application example, 14km long oil pipeline leak detection and localization, is illustrated. This method is compared with others through practical experiments and its validity is confirmed by the results.     

基于神经网络集成的入侵检测方法的研究

针对目前入侵检测中存在的误检率高、对新的入侵方法不敏感等问题,提出了一种基于神经网络集成的入侵检测方法。使用负相关法训练神经网络集成,采用tf×idf的系统调用编码方式作为输入。实验结果表明,与单神经网络方法相比,神经网络集成弥补了神经网络方法在检测数据上的不足,在保证较高的入侵检测率的前提下,保持了较低的误检率。     

一种基于神经网络的视频镜头边界检测算法

镜头边界检测是视频分析的重要一步。提出一种基于神经网络的检测算法,同时使用直方图差值和差分直方图方差,对亮度变化和物体运动具有鲁棒性。试验证明该检测算法具有较高的准确性。     

基于系统调用的神经网络异常检测技术

给出了一种基于程序行为的神经网络异常检测技术,通过使用ELMAN网络,利用了程序执行时的系统调用的周期重复特性,使该系统具有检测新型入侵攻击和具有较低虚警率的特点。     

基于T-S模型FNN的网络入侵检测方法研究

本文对基于T-S模型FNN的网络入侵检测方法进行系统地研究与分析.解决了T-S模型网络的前件网络模糊参数和后件网络连接权的学习问题.采用1998年林肯实验室数据集,运用统计分析的方法对数据进行特征选取,并进行归一化处理.最后进行网络入侵检测方法的建模,在Matlab仿真平台上进行仿真实验,结果表明基于T-S模型FNN的网络入侵检测方法具有很好的应用价值.     

基于模糊神经网络火灾探测信号处理方法

针对火灾探测信号的特点,建立了火灾探测系统模型及用于处理火灾信号的模糊神经网络计算模型.利用神经网络构造模糊系统,用神经网络的自学习和自适应能力自动调整模糊系统参数,用改进的BP算法对网络进行学习和训练.根据国家标准试验火数据进行网络的学习和测试,系统误差小于试验火标准误差要求,表明了算法的有效性和可行性.