论文部分内容阅读
管道泄漏事故的判断是泄漏检测技术中重要的一部分内容。由于管道的工作状况很多，比如调泵、调阀、倒流程等操作，而且管道可能频繁地转换工作状态，使得泄漏状态很难从这些变化的状态中识别出来，造成了现在的管道泄漏检测系统的误报警率普遍较高。为了减少系统的误报警率，建立能反映管道各种工况的特征库有着极其重要的作用。 文中利用C++Builder软件实现方式，从西部管道现场采集的压力数据中寻找出有波动的波形，并对其中的波动波形段进行提取，并计算出相应的各种时域指标，存至SQL Server 2000数据库中，有利于大量数据的存取操作。 本文采用了基于K均值的支持向量聚类算法，该算法具有输入参数少，自动确定聚类数目，对不同分布数据适应性好，处理大样本量高维的数据集时运行速度快等特点。使用一组实例样本和一组随机样本，分析结果表明该算法比原始SVC算法在提高识别率、减少时间复杂度上的优势，以此验证算法的可行性和有效性。将该算法应用于管道数据样本中，聚类分析的实验结果表明，此方法在降低运行时间的同时，能有效提高识别率。利用聚类结果，从各类特征波形中挑选出一个典型样本存入数据库，并用C++Builder界面显示，用户可以更直观地观察各类波形的变化趋势，并对新读取的波形进行判断和保存，对管道工况特征库进行了完善。