基于侧扫声纳系统的海底管道检测技术研究-检测技术与自动化装置专业论文.docxVIP

万方数据 万方数据 中图分类号 TP391 学校代码 10356 UDC 681.5 密级 公开 硕 士 学 位 论 文 MASTER DISSERTATION 基于侧扫声纳系统的 海底管道检测技术研究 The Research of Submarine Pipeline Inspection Technology Based on Side-scan Sonar System 作 者 柳黎明 导 师 丁涛 副教授 申请学位 学术硕士 培养单位 中国计量学院 学科专业 检测技术与自动化装置 研究方向 检测技术 二〇一四年六月 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的 研究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发 表或撰写过的研究成果，也不包含为获得 中国计量学院 或其他教育机构的 学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均 已在论文中作了明确的说明并表示了谢意。 学位论文作者签名： 签字日期： 年 月 日 学位论文版权使用授权书 本学位论文作者完全了解 中国计量学院 有关保留、使用学位论文的 规定。特授权 中国计量学院 可以将学位论文的全部或部分内容编入有关数 据库进行检索，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借 阅。同意学校向国家有关部门或机构送交论文的复印件和磁盘。（保密的学位论 文在解密后适用本授权说明） 学位论文作者签名： 导师签名： 签字日期： 年 月 日 签字日期： 年 月 日 致 谢 在论文完成之际，真诚感谢导师丁涛副教授！ 本文的研究工作是在丁涛副教授的悉心指导下完成的。丁老师无论是在科 学研究方面还是在做人处事方面都深深地影响着我。丁老师学识渊博，治学态 度严谨，对我高要求、严指导，促使我在整个研究生学习期间不断进步、刻苦 追求。同时，老师在生活上对我关怀备至，常常传授我为人处事的道理。在读 研的三年期间，多次与导师交流沟通，丁老师对我的影响深入方方面面，谨向 读研期间在学业和生活上给我莫大关心和帮助的恩师表示衷心地感谢！ 感谢信息学院的彭怀亮硕士，写论文期间多次与彭怀亮硕士交流！ 真诚的感觉室友的支持，以及胡栋硕士、聂林硕士和李兰玉硕士！ 深深地感谢我的父母和家人，在多年的求学时光中，是他们一直以来地支持、 关心和爱护使我顺利完成学业，是他们在我遇到挫折时，第一时间给予我无微 不至的关怀、帮助让我重新树立信心。 再次向所有关心过和帮助过我的老师、同学、家人和朋友表示最诚挚的感谢 和最美好的祝福！ 柳黎明 2014 年 6 月 12 日 基于侧扫声纳系统的海底管道检测技术研究 摘 要：铺设于海床之上的输油管道在石油运输方面发挥着重要作用。由于受 到海潮周期性涨落的影响，海底管道附近海床会被冲刷，长期的冲刷会造成海 底管道的裸露、悬空和位移，诸如此类的状态会影响海底管道的正常运行。目 前检测海底管道的状态主要通过侧扫声纳采集管道的声学图像，然后人工的对 图像进行判读，存在效率低、科学性差等缺点。针对这些问题，本文提出了以 解析原始数据为基础，采用 BP 神经网络和稀疏表示等智能算法实现海底管道状 态的识别分类，其主要研究工作如下： 首先，本文利用 DGPS 技术和侧扫声纳采集数据技术采集了杭州湾海底管道 的侧扫声纳数据，并分析了海底管道各种状态的形成原因，为后续研究提供科 学的实验数据。 其次，在侧扫声纳图像识别研究中，通常在侧扫声纳数据显示软件上直接 截取图像作为数据源，但是显示软件所显示的图像并不能客观的反应采样数据 的大小。因此，本文提出解析原始侧扫声纳数据（XTF 格式），从 XTF 格式数据 中提取能反应海底信息的采样数据，将采样数据转换成能用于图像识别分类的 灰度值矩阵。同时，本文利用 Visual studio 2010 开发一款用于滚动显示采样数 据的软件，该软件方便实验对比研究。 最后，本文利用 BP 神经网络和稀疏表示两种分类识别算法分别建立海底管 道状态的识别分类模型。在 BP 网络识别分类模型中，对采样数据转换而成的灰 度矩阵进行图像预处理，然后制作成训练样本和测试样本，建立基于 BP 网络 的海底管道侧扫声纳图像状态识别分类模型实现管道状态图像的分类。在稀疏 表示识别分类模型中，将灰度矩阵转换成灰度-梯度共生矩阵，通过由样本灰度 -梯度共生矩阵的数字特征构成的稀疏字典实现海底管道状态图像的识别分类。 然后，对比分析两种模型的实验结果，阐述两种分类识别算法的各自的优势， 为今后海底管道状态检测研究提供方向。 关键词：海底管道检测；侧扫声纳；BP 神经网络；稀疏表示 分类号：TP391 UDC621 I The Research of Submarine Pipeline Ins