论文部分内容阅读
输油管道是石油的主要运输途径之一,主要敷设的区域大多在偏僻的地区,容易受到人类活动、动植物运动、灾害性天气、地质灾难等非法入侵的危害,输油管道的日常维护和安全保障难度较高。在这种情况下,运用输油管道周界防范系统来保护输油管道免受非法入侵的影响显得尤为重要。在输油管道周界防范系统中,入侵信号诊断算法处于核心地位,关乎能否准确诊断出入侵信号并报警,这也是近年来的研究热点之一。本文以入侵信号诊断算法为研究对象,在传统诊断算法存在诊断准确率偏低,报警速度慢的问题背景下,对入侵信号的时频特性进行了深入分析,研究了两种输油管道周界防范系统下的入侵信号诊断算法,成果如下:(1)本文研究了频谱质心(SC)的理论基础并将其引入入侵信号诊断算法中作为信号的特征参数,针对地面光纤网型输油管道周界防范系统提出了阈值诊断方法。该方法首先将传感光纤采集到的探测信号经过经验模态分解(EMD)算法分解,然后通过剔除部分特征模态函数(IMF)分量实现去噪,再将余下的IMF分量组合形成重构信号,接着提取特征参数SC,最后确定SC阈值从而实现对入侵信号的诊断,并进一步确认入侵信号的类型和发出报警。(2)本文通过分析地面光纤网型输油管道周界防范系统现场采集到的信号数据来验证阈值诊断方法,结果表明该方法的诊断准确率比传统的奇异值分解(SVD)方法更高,反映出该方法的可行性和准确性。(3)本文阐述了在阈值诊断方法的基础上,针对埋地光纤型输油管道周界防范系统,将最小二乘支持向量机(LS-SVM)引入入侵信号诊断算法,提出了一种LS-SVM分类方法。该方法先将传感光纤采集到的探测信号通过集总经验模态分解(EEMD)算法进行分解,避免了EMD算法可能存在的模态混叠现象,然后提取特征参数SC,最后将SC导入LS-SVM进行学习和分类,从而诊断入侵信号,并进一步确定非法入侵的区域和发出报警。(4)本文利用分析埋地光纤型输油管道周界防范系统实际采集到的现场数据验证LS-SVM分类方法,并进一步探讨了该方法相较于传统特征模态奇异值分解法的优点。分析结果表明,该方法的诊断准确率比传统方法高出5.30%,体现了该方法的可行性、准确性以及时效性。