基于图像纹理特征和Elman神经网络的气液两相流流型识别

气液两相流广泛存在于现代工业生产之中，其流型极大地影响气液两相流的流动和传热特性，为此提出了一种图像灰度直方图统计特征和Elman神经网络相结合的气液两相流流型识别方法。该方法利用高速摄影系统获取水平管道内两相流的流动图像，经过图像处理后，提取图像灰度直方图统计特征，进而建立流型的图像统计特征向量，并以此特征向量作为流型样本对Elman神经网络进行训练，实现对流型图像的智能化识别。实验结果表明，训练成功的Elman神经网络能有效识别水平管道内7种典型流型，整体识别率达98.6%，为流型在线识别提供一种新的有效方法。     

短期负荷预测最大李亚普诺夫指数法的改进

现有采用最大李亚普诺夫指数法进行负荷预测的3种改进技术为:应用待预测点对应的时间窗口上的最大李亚普诺夫指数估计(变化的数值),可以获得更高的准确率;应用"气温-负荷"相关系数等,改进"取舍规则":应用多个"邻近矢量"预测增加抗噪声能力.以此构造的2类改进预测方法是:采用"变最大李亚普诺夫指数、改进的取舍规则以及多邻近矢量"预测法;采用"多邻近矢量对应的1步负荷加权"预测法.后者还可用于非混沌序列预测.数值计算还表明,将原始负荷按照素数间隔抽样,可以进一步提高预测准确率.     

气液两相流压差信号的非线性分析

针对混沌现象的3个主要特征指标－分级数，Lyapunov指数和预测误差，系统地阐述了一种对时间序列进行非线性处理的方法，通过对气液两相流压差信号的分析处理，证实了气流两相流中存在的着混沌现象，并在重构相空间中清晰的再现了动力特性，结果表明这种新颖的方法对研究两相流形成的机理和本质具有十分重要的意义。     

基于声发射技术和小波变换的气-液两相流动噪声特性研究

使用声发射技术对气-液两相流水平管路流动噪声信号进行检测,对采集到的一维时间序列进行小波分解,从流动噪声的角度研究了水平管路气-液两相流分层流向环状流过渡的多尺度能量特征。多尺度能量特征的研究表明分层流和环状流及其过渡状态在流动噪声的声发射能量分布上有着明显的区别。得到的流型转换的数字特征与试验中观察到的流型及其转换阶段是一致的。管道多相流声发射信号能够在多尺度能量分布上表现出两相流系统的复杂性。从而从一个新的角度研究了气-液两相流型转换的特性,为揭示气-液两相流动机理提供了新的手段。     

基于超混沌的电力线直序扩频序列

提出一种新的超混沌系统,通过分析该系统的动力学特性,可知该系统的混沌吸引子不同于已发现的混沌吸引子,且该系统具有较高的李亚普诺夫指数,是一种新的超混沌系统。利用该系统产生的混沌序列生成扩频序列,理论分析表明,该扩频序列具有良好的平衡性、相关性及保密性能。将该扩频序列引入电力线直序扩频系统中,仿真结果表明所产生的扩频序列具有良好的抗多用户干扰的性能,且提高了系统的保密性能,适合于电力线直序扩频通信系统中。     

基于图像处理的管束间气液两相含气率的实验研究

将数字图像处理方法应用到管束间气液两相流动含气率的检测并研究其分布特性.采用高速摄影仪,拍摄管束间气液两相流动的流型图像,利用图像处理技术对流型图像进行灰度增强、二值化、边缘检测等处理,然后计算出两相流动不同时刻的含气率.实验结果表明,该方法能够满足测量要求,可以用于管束间两相流动参数的检测.将2种管束的含气率值与模型预测结果比较,发现Feenstra模型和Dowlati 模型能较好地预测含气率.比较管束不同方向的含气率分布特性,发现壁面位置含气率低,管束中心含气率高.     

电机运动系统的混沌特性

以永磁同步电动机运动系统为对象,针对其非线性数学模型,采用计算机数字仿真,研究了系统的混沌特性,阐明混沌运动的基本特点,对初始条件的敏感性,非周期无序以及混沌吸收子,同时也阐明了李亚普诺夫指数混沌判据在电机工程中的应用。     

垂直上升管油气水三相流视频图像灰度波动信号的混沌特性分析

以35号润滑油,空气和自来水为试验介质,应用高速摄像机对垂直上升管内的油气水三相流的6种典型流型进行了动态图像的拍摄。提取每一帧图像的灰度均值组成时间序列,对其进行混沌特性分析,主要对互信息法,自相关法,平均位移法以及(去偏)自相关法4种求延迟的方法进行了对比,同时结合功率谱、混沌关联维与HURST指数对油气水三相流的流型形成机理进行了分析。试验结果表明：垂直上升管中油气水三相流的动态图像灰度波动信号具有混沌特征,能够对三相流几种典型流型进行很好的表征。     

基于小波分析的垂直上升管气液两相流流型的识别

气液两相流的流型对其流动和传热特性有很大影响，所以如何确定流型一直是两相流研究中的重要课题。但是, 由于两相流介质之间存在着随机多变的相界面，致使两相流的流型不仅是多种多样，而且其变化也带有随机性，这给流型识别带来了很大困难。该文提出了利用压差波动信号的Lipschitz指数来识别流型的方法。采用小波分析中Lipschitz指数可描述不同流型的压差波动特征，因此，根据计算得到的Lipschitz指数的大小，可以识别出泡状流、间歇流和环状流。     

激光干涉气液两相流测量图像自动辨读方法的研究

在能源、化工、炼油、制药、机械制造等领域中广泛存在着气液颗粒两相流的测量问题，因此气液两相流测量技术一直是国内外的重点研究课题。该文将介绍一种气液两相流测量的新技术——激光干涉气液两相流测量技术(ILIDS)，它具有提取两相流参数全、测量精度高和测量区域较大等优点。该技术利用高干涉性片状激光束照射气液两相流，粒子将激光以折射和反射的方式散射，用高速数码相机(120万象素)收集并汇聚散射光成像，折射光与反射光之间因存在相位差会在汇聚成像系统的失焦平面上形成干涉条纹图，图中包含粒子的粒径和空间信息。利用作者开发的图像处理软件对两相流干涉图像进行数据处理，自动高速提取两相流信息，将处理结果与人工辨读比较，有效粒子信息提取率高于90％，粒子定位及粒径计算误差小于5％。实验证明本图像处理技术具有工业在线测量的潜力。     

接触电阻时间序列的混沌特性识别与预测研究

接触电阻是表征触点接触性能的一个重要指标。对监测得到的接触电阻时间序列进行混沌特性识别与预测。运用Cao氏法确定了接触电阻时间序列的最小嵌入维数,通过绘制其相轨线图和计算最大Lyapunov指数,从定性和定量两个角度分别验证了接触电阻时间序列具有混沌特性。最后基于最大Lyapunov指数方法对接触电阻时间序列部分数据进行了短期预测,并给出了混沌预测的尺度。结果表明,在可预测尺度内,预测效果较好且比较稳定,超出可预测尺度范围后,预测误差变大且不稳定。     

短期电力负荷预报间隔采样混沌模型

现有研究工作表明电力系统负荷数据具有弱混沌性。在负荷预测混沌建模方法中,Lvapunov指数预报模式具有理论基础强、模型简单、预测精度高等优点,但预测时限受负荷吸引子最大Lyapunov指数限制。针对Lyapunov指数预报模式的不足,提出了k-△t间隔采样混沌模型,首先将原始负荷序列分解为多个不相交的了序列,然后对各个子序列分别建立Lyapunov指数预报模型。改进了求解最大 Lyapunov指数的方法,探讨了原始负荷序列最大可分解子序列数目的确定依据。数值实验结果表明文中提出的模型能有效地提高负荷预测精度、增加预测时限。     

改进的时变非线性负荷预测组合算法

为了提高超短期负荷预测精度,提出了一种改进的基于学习的时变非线性组合预测算法,该算法在基预测器中增加了基于最大Lyapunov指数的混沌时间序列预测模型,其中最大Lyapunov指数为序列特征属性,在进行组合预测时将序列的特征属性和基预测器预测的结果形成元知识,作为元预测器的输入,从而发现并且纠正基预测器的系统偏差.在...     

用时间序列的李雅普诺夫指数计算预报电力系统中的某些失稳现象

电力系统存在非线性失稳现象,分叉现象（特别是不稳定极限集导致的分叉现象）是导致非线性失稳的原因之一。该文提出了直接利用对实际系统采样得到的时间序列窗口上Lyapunov指数的计算,来预报与不稳定极限集分叉有关或类似的失稳现象。因为用方程研究分叉时,所采用的方程、初值和和等对实际系统存在一定的误差,而分叉现象又对方程、初值和参数极为敏感。该文所建议的方法可弥补用方程研究分叉时会隐含的失误。     

交流电弧炉供电网波动电压超短期混沌预测方法

对交流电弧炉供电网电压时间序列进行特性分析并进行预测是解决电弧炉引起闪变问题的前提。重构电压有效值时间序列相空间,采用互信息法和Cao氏法确定最佳延迟时间和嵌入维数,计算最大Lyapunov指数,证明了供电网波动电压具有混沌特性。运用最大Lyapunov指数法和加权一阶局域预测法对电压时间序列进行超短期预测,结果表明,混沌预测能够较好地反映交流电弧炉供电网电压有效值时间序列的变化趋势,超短期预测精度高,且加权一阶局域预测法比最大Lyapunov指数法的预测精度更高,适合作为电压有效值时间序列的预测方法。     

电网短期负荷预测的混沌方法

通过计算四川全省电网小时负荷时间序列的混沌特征量：饱和关联维数、最大Lyapunov指数和Kolmogorov熵，论证了该小时负荷序列属于混沌时间序列。以负荷相空间重构为前提，分别应用混沌分析法的相似点模型、线性回归模型及Lyapunov指数模型对其短期负荷预测，并对比了三种模型预测的效果，预测结果表明了混沌预测方法的有效性。     

最大Lyapunov指数法在电力系统短期负荷预测中的应用

研究最大Lyapunov指数的预测方法在电力系统短期负荷预测中的应用。针对最大Lyapunov指数的单步预报模式进行多步预测时存在严重的误差累积效应的缺点，文章提出了最大Lyapunov指数的多步预报模式。通过对山西省电网的实际负荷数据进行预测，结果表明多步预测时，基于最大Lyapunov指数的多步预报模式有更高的精度。     

最大Lyapunov指数法在电力系统短期负荷预测中的应用

研究最大Lyapunov指数的预测方法在电力系统短期负荷预测中的应用。针对最大Lyapunov指数的单步预报模式进行多步预测时存在严重的误差累积效应的缺点,文章提出了最大Lyapunov指数的多步预报模式。通过对山西省电网的实际负荷数据进行预测,结果表明多步预测时,基于最大Lyapunov指数的多步预报模式有更高的精度。     

短期负荷预测最大Lyapunov指数预报模式预测值的判定

首先分析了相空间中混沌吸引子邻近轨道间的平行、交叉、折叠3种拓扑关系,根据负荷吸引子的特点提出了负荷时序最大Lyapunov指数预报模式预测值的判定依据,并探讨了相空间中临近点(轨道)的选择方法。仿真试验表明改进的负荷预测建模策略避免了原有Lyapunov指数预报模式预测值选择的盲目性,吸引子临近点的选择符合电力负荷数据的特点,所建立的短期负荷预测模型提高了预测精度并达到了预期效果。     

短期负荷可预报天数的初步研究

只依据历史数据的短期负荷预报，预报准确率会随预报时间的增大而明显降低。这种现象来源于负荷记录的混沌特性。通过傅里叶级数展开，以及吸引子的相关维数、最大李雅普诺夫指数等分析，发现某地的负荷是双周期行为和混沌行为的合成。双周期成分是可以精确预报的，负荷预报的误差主要来自混沌成分。混沌成分的可预报天数约为15 d。按混沌成分占负荷的比重折算后，得到的负荷可预报天数约为3 d。