基于集總經(jīng)驗模態(tài)分解法的輸油管道入侵信號診斷研究.pdf

1、輸油管道是石油的主要運輸途徑之一，主要敷設(shè)的區(qū)域大多在偏僻的地區(qū)，容易受到人類活動、動植物運動、災害性天氣、地質(zhì)災難等非法入侵的危害，輸油管道的日常維護和安全保障難度較高。在這種情況下，運用輸油管道周界防范系統(tǒng)來保護輸油管道免受非法入侵的影響顯得尤為重要。
　　在輸油管道周界防范系統(tǒng)中，入侵信號診斷算法處于核心地位，關(guān)乎能否準確診斷出入侵信號并報警，這也是近年來的研究熱點之一。本文以入侵信號診斷算法為研究對象，在傳統(tǒng)診斷算法存在診

2、斷準確率偏低，報警速度慢的問題背景下，對入侵信號的時頻特性進行了深入分析，研究了兩種輸油管道周界防范系統(tǒng)下的入侵信號診斷算法，成果如下:
　　(1)本文研究了頻譜質(zhì)心(SC)的理論基礎(chǔ)并將其引入入侵信號診斷算法中作為信號的特征參數(shù)，針對地面光纖網(wǎng)型輸油管道周界防范系統(tǒng)提出了閾值診斷方法。該方法首先將傳感光纖采集到的探測信號經(jīng)過經(jīng)驗模態(tài)分解(EMD)算法分解，然后通過剔除部分特征模態(tài)函數(shù)(IMF)分量實現(xiàn)去噪，再將余下的IMF分量組

3、合形成重構(gòu)信號，接著提取特征參數(shù)SC，最后確定SC閾值從而實現(xiàn)對入侵信號的診斷，并進一步確認入侵信號的類型和發(fā)出報警。
　　(2)本文通過分析地面光纖網(wǎng)型輸油管道周界防范系統(tǒng)現(xiàn)場采集到的信號數(shù)據(jù)來驗證閾值診斷方法，結(jié)果表明該方法的診斷準確率比傳統(tǒng)的奇異值分解(SVD)方法更高，反映出該方法的可行性和準確性。
　　(3)本文闡述了在閾值診斷方法的基礎(chǔ)上，針對埋地光纖型輸油管道周界防范系統(tǒng)，將最小二乘支持向量機(LS-SVM)引

4、入入侵信號診斷算法，提出了一種LS-SVM分類方法。該方法先將傳感光纖采集到的探測信號通過集總經(jīng)驗模態(tài)分解(EEMD)算法進行分解，避免了EMD算法可能存在的模態(tài)混疊現(xiàn)象，然后提取特征參數(shù)SC，最后將SC導入LS-SVM進行學習和分類，從而診斷入侵信號，并進一步確定非法入侵的區(qū)域和發(fā)出報警。
　　(4)本文利用分析埋地光纖型輸油管道周界防范系統(tǒng)實際采集到的現(xiàn)場數(shù)據(jù)驗證LS-SVM分類方法，并進一步探討了該方法相較于傳統(tǒng)特征模態(tài)奇異