基于ECT投影数据的两相流流型辨识

提出一种基于电容层析成像（ECT）系统的两相流流型辨识新方法。ECT投影数据经特征参数提取前处理环节后馈人事先训练好的神经网络实现流型辩识。文中介绍了特征参数的提取、神经网络的构成以及训练方法。研究结果表明，该方法辨识精度高、辨识速度快，是两相流流型在线辨识的一种有效手段。     

基于粗糙集理论两相流流型辨识方法研究

本文提出了一种基于粗糙集理论和电容层析成像系统辨识两相流流型的新方法。该法通过对极板电容测量数据进行属性分析，然后根据粗糙集理论化简属性，最后根据分类规则进行流型辨识。本流型辨识方法决策规则简单适合在线测量。仿真结果表明：此方法在两相流流型辨识中具有较高的判别精度。也为两相流流型提供了一种有效的手段。     

DNA编码和混沌神经网络的两相流型辨识

利用DNA编码和混沌神经网络技术，构造了基于DNA编码的混沌神经网络，通过对航空发动机轴承腔气液两相流型的辨识研究，建立了气液两相流型预测模型，从而为航空发动机轴承腔内润滑油气液两相流型辨识提供了技术支持。     

基于SVM及电容层析成像的两相流流型识别

两相流测量中,流型的准确识别是流动参数准确测量的基础.电容层析成像(ECT)技术是自20世纪80年代发展起来的新型检测技术,可用于两相流/多相流流型识别及固相浓度测量.支持向量机是一种基于统计学习理论的机器学习算法,即使在小样本情况下也能得到很好的分类效果.应用ECT系统测量的包含流型信息的电容测量数据,采用支持向量机算法进行流型识别,对4种典型空气-油两相流流型识别分别进行了仿真和静态实验.结果表明,该方法辨识速度快,可准确地识别典型的流型.     

基于DNA遗传技术的气液两相流型辨识研究

利用DNA分子的复制、储存和传递信息的功能,采用基于DNA编码技术的遗传算法优化BP神经网络,建立了具有更高辨识能力的气液两相流流型辨识模型,并就若干参数对辨识模型计算效率的影响规律进行了研究。研究结果表明,基于DNA编码遗传技术对BP神经网络进行优化处理而形成的气液两相流型辨识模型比已有其它辨识模型具有更高的辨识能力;通过轴承腔气液两相流动数值仿真流型模式的辨识分析,表明这一辨识模型可应用于航空发动机轴承腔气液两相流的研究。     

压缩感知在电容层析成像流型辨识中的应用

针对传统电容层析成像(ECT)流型辨识方法识别率较低的问题,提出一种基于压缩感知理论的ECT流型辨识方法.首先,将ECT系统获得的测量电容向量归一化,并表示为训练样本集的过完备字典稀疏线性组合;然后,将随机高斯矩阵作为测量矩阵对测试样本和标准样本分别进行采样,并利用压缩感知信号重构算法求解L0范数下的最优化问题,从而得到各样本在训练样本集上的稀疏表示;根据待测样本和标准样本稀疏解之间的线性相关程度来确定归属流型.对典型流型的仿真实验结果显示,在无噪声、40 dB、20 dB信噪比的情况下,流型辨识准确率分别为100％、99.25％和98.12％,表明本文方法抗噪声干扰能力强,是一种有效、准确率较高的ECT流型辨识方法,为ECT流型辨识技术的研究提供了一种新的手段.     

基于聚类分析的航空发动机轴承腔油气两相流型辨识

轴承腔是航空发动机内的重要部件,对其内两相流流动状态的理解有助于提高发动机的润滑效率、提升发动机的工作性能和可靠性。基于流型辨识研究两相流在不同流型下的流动性质是获取轴承腔内物理现象的一个可行途径。在考虑试验获取难易性和辨识能力条件下,结合前人研究成果,应用K-Means聚类法对利于辨识轴承腔3种典型两相流流型的特征参数-无量纲两相介质速度和无量纲压力在近壁面附近的数值进行聚类分析。研究结果表明:该方法能够成功地将轴承腔3种典型流型进行归类,这对基于流型辨识研究轴承腔内3种典型流型下两相介质的物理状态,以及轴承腔润滑设计和换热分析提供了基础。     

基于经验模态分解和BP神经网络的油气两相流流型辨识

基于经验模态分解（empidcal mode decomposition，EMD）BP神经网络，提出了油气两相流流型辨识的新方法。应用EMD将差压信号分解成不同频率尺度上的单组分之和，并提取组分的归一化能量作为流型辨识特征量。BP神经网络以这些能量特征量为输入对油气两相流不同流型（包括泡状流、塞状流、层状流、弹状流和环状流）进行分类。实验结果表明，本文提出的流型辨识方法是有效的，其中泡状流、塞状流、层状流、弹状流和环状流的辨识精度分别为100％、89．4％,93．3％、96.3％和96.9％。     

基于遗传算法/神经网络组合技术的气液两相流型辨识

通过采用遗传算法训练BP神经网络、优化网络权值的技术,对气液两相流的流型进行了辨识研究,在此基础上建立了基于遗传算法/神经网络组合技术的气液两相流流型的预测模型,从而为发动机轴承腔内润滑油气液两相流流型识别提供了技术支持,也为考虑轴承腔气液两相流的相关设计和实验工作提供了技术条件。     

气液两相流液相体积含量的精确测量

两相流多变的流型导致电容传感器测量组分体积含量时精度较低。仿真试验结果显示,管道气—油两相流含油率的测量误差高达１５％ 以上。利用层析成象电容传感器阵列获取的管道内部两相流分布情况的投影值,可确定对组分体积含量的修正方法,使误差显著降低。本文分析了流型对测量的影响,导出了修正公式,介绍两种修正方法及仿真修正结果。