基于双树复小波与超限学习机的管道泄漏检测方法

来源 :2017中国智能物联系统会议 | 被引量 : 0次 | 上传用户:lideqiang163com
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着城市管网的迅速发展,管道泄漏所造成的经济损失也愈发引起人们的重视.针对管道泄漏,本文提出了一种新颖的基于双树复小波变换(DTCWT)与超限学习机(ELM)的自来水管道泄漏检测方法.该方法中采用双树复小波分解管道信号进行特征向量提取,并构建超限学习机进行训练学习,实现管道泄漏状况和泄漏程度的识别.实验结果表明,所提出的方法泄漏识别准确率高,泄漏识别的速度快.
其他文献
This paper proposes two networked iterative learning control(NILC)schemes for a class of linear-time-invariant single-input-single-output systems with stochastic communication delays being subject to
学位
目的基于Kelch样环氧氯丙胺相关蛋白1(Keap1)/核转录因子E2相关因子2(Nrf2)/抗氧化反应元件(ARE)信号通路探讨黄芪甲苷对脂多糖诱导的小鼠急性肺损伤(ALI)的保护作用。方法将40只BALB/c小鼠随机分为对照组、模型组、阳性对照组及黄芪甲苷组,各10只,采用脂多糖诱导构建小鼠ALI模型(对照组除外),阳性对照组腹腔注射2 mg/kg地塞米松,黄芪甲苷组腹腔注射50 mg/kg黄
基于特征模型的自适应控制方法是从航天及工业过程控制的实际经验中总结、提炼出来的一套新型、实用、系统的控制理论和方法.该方法已在9类对象400多个系统中得到成功应用.然而,其收敛性和稳定性问题尚未得到彻底解决.本文运用虚拟等价系统方法,给出了基于特征模型的自适应控制系统的稳定性和收敛性证明.所得结论表明,对于可用特征模型建模的系统,只要其特征模型的参数是有界、慢时变的,且设计的控制律能够镇定特征模型
This paper investigates the sampled-data containment control for second-order multi-agent systems with diverse communication delays,which means that the time delays between the information communicati
本文研究了微电网与主电网互联构成的能源互联网的经济调度问题.智能微电网由若干分布式发电单元、储能单元、负荷以及智能控制单元构成,通过能源路由器互联并与主电网相连.设计了基于领导者-跟随者趋同以及平均趋同控制的分布式经济调度算法,对微电网系统中各个总线节点的功率失配值进行迭代估计,每次迭代完成后,由能源路由器进行增量式供电;证明了若微电网的拓扑结构是连通的无向图,则该算法可以保证所有分布式发电单元的
In recent society,Chinas power generation is still dominated by thermal power generation.Whether boiler is safe and economical combustion is the most concerned issue of thermal power plant.The boilers
This paper investigates the problem of designing a sliding mode controller for a class of continuous polynomial fuzzy systems with external disturbances.It should be noted that the local input matrix
Based on the Axiomatic Fuzzy Set(AFS)theory and fuzzy information entropy,a new Fuzzy Oblique Decision Tree(FODT)algorithm is proposed in this paper,and it mainly includes four aspects.Firstly,the AFS
本文提出了一种基于自动编码器和深层神经网络的综合方法,用于预测锂离子电池的剩余使用寿命(RUL).从原始数据提取基本健康指标后,采用自动编码器模型进行特征融合优化.编码的特征可以有效地代表电池健康状况的退化.然后,引入深神经网络模型来预测锂离子电池的RUL.使用均方根误差(root mean square error,RMSE)评估所提出的方法在的性能,并将其与一些经典预测方法进行比较.实验结果表