成像流型辨识算法

针对电容层析成像反问题流型识别较难的问题,提出了一种基于高斯混合模型的电容层析成像流型辩识算法.在阐述高斯混合模型和EM算法的基础上,结合Kmeans算法,通过训练得到各类流型所对应的高斯混合模型参数,构造分类器实现对五种流型的快速与精准的识别.实验结果表明,该算法与BP神经网络、SVM、决策树识别算法相比,辨识准确率高、识别速度快,为电容层析成像流型辨识算法的研究提供了一个新思路.     

Elman神经网络在ECT系统流型辨识中的应用

针对电容层析成像系统ECT(electrical capacitance tomography)流型辨识问题,在对ECT系统工作原理和流型的辨识方法分析的基础上,提出了一种基于Elman神经网络的ECT系统流型辨识方法,该方法通过对ECT系统采集的电容值特征值提取与处理,将提取的特征值作为Elman神经网络的输入进行训练,经训练后达到流型辨识的目的.经仿真实验验证,与传统的BP神经网络相比,该方法具有结构简单,收敛速度快,不会因阶次未知而出现网络结构膨胀的问题,为ECT系统流型辨识的提供一种的有效方法.     

自适应与附加动量BP神经网络的ECT流型辨识

传统BP神经网络是解决电容层析成像系统流型辨识经典的算法,虽然在一些简单问题上达到了工业实际应用的要求,但如果解决复杂工业问题时就会暴露出很多缺陷。针对传统BP神经网络算法的不足,为降低误差震荡现象,引入了自适应调节学习速率和附加动量因子。通过输入电容值进行训练,得到适合流型识别神经网络。仿真实验结果表明,该算法不仅继承传统BP神经网络的优点,而且还提高了ECT系统流型辨识中的收敛速度慢,解决了容易陷入局部极小值的问题。     

基于自适应权重粒子群的电容层析成像边界灰度补偿算法

电容层析成像图像重建是一个典型的病态问题,它的解是不稳定的.为了对这个不适定问题进行求解,在分析电容层析成像基本原理的基础上,提出了一种自适应权重粒子群的电容层析成像边界灰度补偿算法.该算法通过引入粒子群的平均绝对速度与理想速度,自适应调整粒子群优化算法中的参数,对成像后图像边界周围的灰度进行补偿.数值实验结果表明,同线性反投影和共轭梯度算法相比,进行边界灰度补偿后的图像兼备成像质量高、边界均匀稳定等优点,为ECT图像重建算法的研究提供了一个新思路.     

基于电容层析成像和LS-SVM的空隙率测量

基于12电极电容层析成像（ECT）和最小二乘支持向量机（LS-SVM），提出了一种油气两相流空隙率在线测量的新方法.该方法运用快速的线性反投影算法重建两相流截面图像，结合模糊模式识别技术辨识流型.把ECT电容传感器得到的66个电容测量值作为空隙率测量模型的输入，利用LS-SVM建立了针对不同截面流型的空隙率测量模型.在实际测量时，首先辨识流型，然后选择与流型相对应的空隙率测量模型计算获得空隙率.该方法省去了采用传统ECT方法测量空隙率时复杂的图像重建过程，提高了空隙率测量的实时性.实验结果表明该测量方法是有效的.     

一种分解型Quasi-Newton电容层析成像图像重建算法

针对电容层析成像系统中的"软场"效应和病态问题,在分析电容层析成像和QuasiNewton算法原理的基础上,基于非线性最小二乘的成像原理,提出了一种新的分解型Quasi-Newton电容层析成像算法,推导出了求解ECT反问题的分解型拟牛顿图像重建算法放的计算步骤,同时利用信赖域公式对目标函数的Hessian矩阵进行校正.仿真实验表明,基于分解型拟牛顿方法具有可行性,对于基本流型该算法与LBP算法相比,具有成像质量高和边界均匀稳定的特点,为ECT图像重建的研究提供了一个新的思路.     

一种新的电容层析成像边界灰度补偿算法

由于电容层析成像(ECT)图像重建典型病态问题的不稳定性,在传统的电容层析成像算法的基础上提出了一种基于遗传蚁群算法(GAAC)的边界灰度补偿算法.在阐述了电容层析成像基本原理的基础上,通过推导多项式加速算法的数学模型,进行该算法的ECT图像重建.但由于传统的电容层析成像算法在图像边界上表现出极大的误差和不稳定性,所以提出了GAAC的边界灰度补偿算法.仿真和数值实验的结果显示,GAAC的边界灰度补偿算法是一种有效的电容层析成像方法,在ECT图像重建算法的领域提出了一个新的尝试.     

BP神经网络在电容成像流型识别中的应用

提出了一种基于ＢＰ神经网络两相流流型辨识算法．该方法可克服电容层析成像系统中电容测量灵敏度分布易受被测多相流介质分布的影响,对网络结构及其学习参数进行了研究,可对各种气固两相流流型能有效地判别．     

基于谱投影梯度的电容层析成像图像重建算法

针对图像重建问题,基于谱投影梯度算法对电容层析成像系统进行图像重建算法。该算法结合ECT的工作原理,以方向追踪为目标,根据谱投影梯度计算更新方向和步长,同时为了避免因收敛导致局部最优解,引入了非单调搜索策略,使精度与速度达到平衡。通过该算法对典型的流型进行仿真实验,并与传统LBP算法对比,结果表明该算法的重建精度得到提高,该方法为ECT图像重建提供了一个新的研究思路。     

用于电容层析成像系统的电容测量电路

电容层析成像(ECT)技术是目前最具发展前景的多相流参数检测方法,可进行多相流相浓度、流型、流量等参数的在线测量.介绍了12电极ECT成像系统的测量原理及设计方法.研制了一种交流激励的微电容测量电路,该电路具有较强的抗杂散电容性能,结构简单、容易实现等优点,较好地解决了电子开关的电荷注入效应对测量分辨率的影响问题.实验表明:电容测量的分辨率可达5.5×104pE.     

基于Spark的自适应差分进化极限学习机研究

为了解决传统自适应差分进化极限学习机（SaDE-ELM）在单机环境下运行效率低下的问题,本文提出了基于Spark平台的并行化自适应差分进化极限学习机算法（PSaDE-ELM）。该算法的主要思想是:将差分进化算法中的原始种群均匀地分割为几个子种群,每个子种群均占有RDD的一个分区,在每个分区中使用SaDE-ELM算法独立进化,并且周期性地将各个子种群中的最优个体按照一定的拓扑结构替换掉其他子种群的最差个体,以此来达到各个子种群共同进化的目的。实验结果表明:PSaDE-ELM算法的预测准确率与SaDE-ELM算法相比基本没有丢失,且随着数据集样本数或子种群数量的增加,算法的运行效率至少提升了1.5倍,在一定程度上证明了本文提出的并行化算法的有效性。     

三项共轭梯度的电容层析成像图像重建算法

针对电容层析成像技术中的＂软场＂效应和病态问题,提出了一种三项共轭梯度的新电容层析成像算法.在分析电容层析成像基本原理的基础上,给出了三项共轭梯度法的迭代公式和计算步骤,并探讨了ECT应用该算法的可行性,算法满足收敛条件且重建图像误差小.仿真和实验结果表明,同LBP和普通共轭梯度算法相比,该算法兼备成像质量高、边界均匀稳定等优点.     

基于CDC技术的微小电容测量系统

为了解决电容层析成像技术中的微小电容检测问题,设计了一种以电容数字转换器(CDC)芯片Pcap01为核心,以STM32F103为控制芯片,以PC机为上位机的微小电容测量系统.采用CDC芯片将被测电容转换为成比例的数字信号,通过I2C总线传给STM32F103,使用STM32F103对数据做初步处理,并通过串口传递给上位机.上位机使用Qt软件平台进行数据的读取、处理、显示和存储.实验结果表明,该系统具有精度高、抗杂散能力强和实时性好等优点,可以满足电容层析成像系统中对微小电容在线测量的要求.     

基于PSO-ANFIS 改进算法的推理系统平衡性研究

针对粒子群优化(PSO)算法在自适应神经模糊推理系统(ANFIS)中的集成应用,提出对学习神经模型参数、隶属度函数参数进行改进优化的算法。该算法可增强模糊系统的近似精度和可解释性,提高系统的性能,进而发现更好的分类优化规则。算法经4个标准数据库的数据测试,结果表现出更好的性能,获得更好的分类效果,同时降低了系统时间复杂度。     

基于GAELM神经网络的日前电价预测

针对日前电价预测问题,利用极限学习机建立预测模型.鉴于极限学习机在训练前随机产生输入权重和隐藏节点偏置,可能导致预测结果不稳定以及预测精度太低的问题,提出了一种基于遗传算法(GA)和极限学习机(ELM)的预测方法.首先利用遗传算法对极限学习机随机生成的参数进行寻优,然后根据优化后的参数建立基于GA-ELM的电价预测模型.最后以此模型对PJM电力市场的日前电价进行预测.结果表明,相比ELM和BP神经网络,GA-ELM具有更高的预测精度.     

基于GA参数辨识的直流伺服电机PID调节器的设计

针对数控火焰切割机自动调高系统的特点和要求,采用遗传算法对其位置调节器PID参数进行全局优化辨识,有效地解决了直流伺服电机的控制精度和快速性的问题.仿真结果表明,与传统的参数辨识法相比,遗传算法参数寻优使自动调高系统的动态性能大幅提高,具有很强的鲁棒性.     

一种新的交叉粒子群算法

针对标准粒子群优化算法（SPSO）在处理高维复杂问题极易陷入局部最优的不足,文章在研究标准粒子群优化算法理论基础上,提出了一种带交叉因子的改进粒子群优化算法（MyPSO）,减小了算法陷入局部极值的可能。仿真实验表明,该算法（MyPSO）提高了全局搜索能力,但同时增加了搜索时间。