气淮两相流流型BP网络识别

解决气液两相流流型的客观、自动识别一直是工业界和学术界所关注的问题。本以U型科垂直上升段内空气水两相流为例,采用压力、压差波动的不同特征参数的组合,深入研究了对流型自适应BP网络识别的准确率的影响,获得了能够满足工种精度要求的参数波动特征组合方式,本的结果表明,该方法需要建立大量的流型特征的数据库,适用于流型的离线识别。     

基于多域特征提取的气液两相流流型识别

针对气液两相流的准确识别问题提出了一种多域特征处理方案。利用电阻层析成像(ERT)系统获取垂直上升管道流动数据,从测量数据与截面电导率分布图像两方面分析,对高维测量数据降维处理后提取时域特征,同时提取线性反投影(LBP)算法重建图像空域特征,进一步对图像进行Walsh-Hadamard变换后提取列率域特征。使用统一流形逼近与投影(UMAP)算法对量化的多域特征降维处理,最后搭建支持向量机(SVM)实现流型识别。结果表明,该流型分类框架对泡状流、泡状-段塞过渡流型、段塞流及严重段塞流的分类准确率分别为98.1%、96.3%、95.2%、94.8%。     

两相流流型辨识方法研究

本文提出了一种基于模糊聚类分析和神经网络辨识两相流流型的新方法。该方法首先通过对极板电容测量数据进行聚类分析,然后根据聚类结果和电容值的隶属度,利用神经网络进行流型辨识。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和较快的软件运动速度,为两相流流型在线辨识提供了一种有效的手段。     

小通道气液两相流流型辨识与LSTM短期预测研究北大核心CSCD

以空气与水为工质,运用压差传感器与光学位置传感器和高速摄像机对水力直径3.0 mm的小通道水平圆管内气液两相流进行实验研究。根据压差波动信号图、光电传感器模拟信号图及高速摄像机拍摄所得流型图对小通道内气液两相流进行流型辨识,辨识结果表明:存在环状流、层状流、间歇流、以及段塞流四种流型;对四种流型所对应压差波动信号进行LSTM循环神经网络的分析预测,结果表明:LSTM循环神经网络预测模型可实现小通道气液两相流压差信号的在线预测,且预测结果精确,四种流型的均方误差分别为0.004、0.0099、0.0075、0.0156。     

基于多元经验模态分解与卷积神经网络的气液两相流流型识别

提出了一种基于多元经验模态分解(MEMD)与卷积神经网络(CNN)的垂直管道气液两相流流型识别方法。该方法基于数字化电阻层析成像(ERT)系统采集的测量数据,预处理后进行MEMD分析,通过求取各分量与原始信号的皮尔逊相关系数选取本征模函数(IMFs)并求解Hilbert边际谱,提取Hilbert边际谱的标准差与均值作为卷积神经网络(CNN)输入以识别流型。结果表明,该方法能够有效识别泡状流、弹状流、段塞流,平均识别准确率可达96.43%。     

基于递归图的两相流流动特性分析与流型识别

基于数字化电阻层析成像(ERT)系统采集的垂直管道气液两相流实验数据,通过计算不同时刻系统采集的数据均值,生成一维时间序列并进行相空间重构,绘制递归图。对绘制的递归图进行阈值分割,并分析了两相流流动特性。计算了不同流型对应无阈值递归图的图像信息熵范围：泡状流为0.570～0.660;泡状流到弹状流过渡流型为2.300～3.200;弹状流为3.650～4.100;段塞流为4.300～4.600;段塞流到混状流过渡流型为4.650～4.950。结果表明各流型递归图图像信息熵范围分隔明显,可有效识别这5种流型。     

基于多层加权复杂网络的气液两相流流型分析北大核心CSCD

提出一种基于多层加权复杂网络的流型分析方法。首先利用电阻层析成像系统获取垂直上升管道气液两相流流动信息,并将测量数据压缩处理以简化数据分析,然后使用多元经验模态分解算法对其进行多尺度分解,进而将流动系统映射到多层加权网络中,通过计算平均加权聚集系数与谱半径定量描述网络结构。研究结果表明,该网络模型可有效揭示泡状流到段塞流的演化过程,从气泡的聚合发展到气塞的逐渐破碎,从伪周期性的出现到衰退都可被网络参数的变化所反映。     

基于电容层析成像技术重构图像的两相流流型识别

针对工业多相流流型识别的需求,在过程层析成像技术的研究基础上,将重构图像信息即像素分布进行简单有效地分析处理,利用二维最大熵阈值分割技术及遗传算法优化的神经网络分类器对重构的图像进行处理以实现流型识别。将该方法在气固(空气/煤粉)两相流气力输送平台上对3种典型气固流型进行验证,实验结果表明:50组测试样本中识别正确率为94.7%。     

多类型特征量的油水两相流流型识别算法

本文以收敛型微通道中油水两相流的流型识别为对象,将高速摄像法与神经网络算法相结合,提出了高效的、可视化的、智能化的两相流流型识别方法。该方法采用了包含图像纹理参数和流型无量纲参数的多类型特征量,更精准区分6种流型的不同特点,流型识别的收敛速度和准确率更高。BP神经网络的识别率为92. 5%,Elman神经网络的识别率为93. 7%,Elman神经网络在收敛速度与准确率方面优于BP神经网络。     

基于卷积神经网络与门控循环单元的气液两相流流型识别方法

提出了一种基于卷积神经网络(CNN)与门控循环单元(GRU)的垂直管道气液两相流流型识别方法。该方法基于电阻层析成像(ERT)系统的重建图像,对其填充处理后进行离散余弦变换(DCT),求取最大、最小 DCT 系数的差值,选取一定帧数长度数据作为网络输入,对流型进行识别。分析了输入序列长度对CNN-GRU、CNN 及 GRU 网络分类准确的影响,确定了最佳输入向量维度分别为 60、65 及 50,使用实验数据对3种网络进行训练、测试,结果表明,CNN-GRU网络分类准确率最高,平均流型识别准确率可达 99.40%。     

制冷系统中气液两相流流型识别的研究进展

分析了制冷系统中气液两相流与以往的气-水,油-气-水等多相流在形成原理上的本质区别,即制冷系统中两相流形成的原因是由于制冷剂发生了物态变化,同时列举了现有的流型类型。重点从实验研究,理论研究和信号处理技术三个方面,对国内外制冷系统中气液两相流流型识别研究的进展进行了讨论,最后通过分析以往的研究成果指出了尚需进一步解决的问题。     

基于流体诱发管道振动的气液两相流型识别

通过对不同流型的气液两相流流经管道时诱发的管道振动特性的实验研究,提出了基于流体诱发振动的非接触式在线两相流流型识别新方法.通过安装于测试管道外壁的振动传感器测量不同流型下气液两相流诱发的振动信号;采用小波包分析提取了表征流型变化的振动信号能量特征向量;以能量特征向量作为模型输入,建立了概率神经网络模型用于识别分层流、...     

基于1D-CNN-AdaBoost及电阻层析成像的两相流流型辨识

基于电阻层析成像(ERT)系统采集的垂直管气液两相流测量数据,将一维卷积神经网络(1D-CNN)与AdaBoost(Adaptive Boosting)相结合,构建1D-CNN-AdaBoost算法,进行了气液两相流流型辩识研究。该算法使用5个1D-CNN作为弱分类器,通过实验数据样本训练,结合AdaBoost形成最终的强分类器。将1D-CNN-AdaBoost算法与BP神经网络、支持向量机及决策树算法进行比较,结果表明,1D-CNN-AdaBoost算法辨识正确率高于其他算法,平均辨识正确率可达97%。     

基于MO-PLP-ELM及电容层析成像的两相流流型辨识

提出一种基于多目标优化并行感知器的极限学习机(MO-PLP-ELM)及电容层析成像(ECT)技术的两相流流型辨识算法.首先,为保证样本具有代表性,采用随机思想生成7类流型的训练及测试样本集;其次,对样本模型的电容数据归一化处理;最后,采用MO-PLP-ELM算法进行流型辨识,并与常用的BP神经网络、支持向量机、极限学习...     

基于粒子群优化极限学习机及电容层析成像的两相流流型及其参数预测

提出了一种基于粒子群优化极限学习机及电容层析成像的两相流流型辨识及其参数预测方法。首先,通过粒子群优化极限学习机的连接权值,并使用粒子群优化极限学习机算法对4种典型的油-气两相流流型进行辨识;其次,使用粒子群优化极限学习机算法对流型的参数进行预测;最后进行了仿真实验,结果表明,与极限学习机算法相比,粒子群优化极限学习机算法所需隐层节点数更少,流型辨识率更高,其正确辨识率达100%,对4种流型参数预测的最大相对误差为5.24%。     

基于电容层析成像系统测量信号稀疏性的两相流流型辨识

提出了基于电容层析成像(ECT)测量电容信号稀疏性的两相流流型辨识算法,该算法首先使用所有流型对应的归一化测量电容值信号构建一个过完备字典,并将待辨识样本通过该过完备字典进行稀疏表示,使其具有稀疏性并满足稀疏重构的基本要求,然后以压缩感知的正交匹配追踪(OMP)算法求取各标准样本对应于完备样本集的稀疏解,最后根据待辨识...     

气—固两相流流型检测与调节的专家系统

气－固两相流流型的检测与调节是与两相流的测量密切相关的，本文针对精确的测量往往要受众多因素影响的情况，提出了一种判断流型的新方法，通过引入领域专家的知识，改进了单纯用模糊聚类方法的不确定，建立了检测和调节的专家系统结构，进行了计算机仿真试验，运用效果良好。     

基于子波分析的气液两相流中气含率的测量

用热膜风速仪以高于对应最小湍流时间尺度的分辨率精细测量环流反应器内不同空间位置的气液两相流瞬时速度信号,用子波分析的能量最大准则辨识气液两相流中的相.利用子波分析方法自动识别气液两相流中的相,从而获得测量气液两相流中气含率的切实可行的方法.     

基于近红外面源传感器的气液两相流相含率测量

针对传统近红外点对点探头传感器测量存在盲区、数据精度低等问题,提出并设计了一种基于近红外面源传感器的气液两相流相含率测量装置,并对其进行研究。该装置有效减小了近红外光的折射与反射,提高了测量的精确度。通过CFD流体仿真软件模拟了管道内流体的流动状态,并对该装置的结构进行了仿真及优化。在单相流实验的基础上进行气液两相流动态实验,得到了4路近红外信号与相含率的关系,建立了相含率测量模型,数据导入修正模型分析得到的相含率测量相对误差在±3.5%以内。