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。     

基于改进ResNet-18网络的电容层析成像图像重建

为求解电容层析成像(ECT)中的非线性病态反问题，提出了一种基于改进ResNet-18网络的ECT图像重建方法。该网络由多个残差块组成，每个残差块被分组，然后通过组内残差连接，以融合更多的特征尺度。通过MATLAB仿真实验平台构建了流型数据集，利用深度残差网络的非线性映射能力，完成训练集的学习与训练，并利用测试集进行训练效果评价。在此基础上进行了静态实验。仿真与静态实验结果均表明：与LBP、Landweber迭代算法及未改进ResNet-18算法相比，该方法的图像重建质量明显提高，并具有良好的泛化能力。     

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%。     

基于小波包与Elman神经网络的气力提升装置流型识别技术研究

气力提升装置流型对气液流动特性及提升系统性能均有很大的影响,但由于气液两相交界面形态以及截面含气率动态变化、气液两相速度复杂难测等原因,致使提升管流型亦交替变化且不易识别。针对这一难题,提出了基于小波包分析与Elman神经网络的流型辨识策略:利用小波包分析方法提取提升装置压差信号各频带能量特征值,借助Elman神经网络辨识技术,以各频带能量为Elman网络输入变量,以流型为输出变量,通过对Elman神经网络进行大量数据训练。从而对提升系统流型进行辨识。实验结果表明,该方法对流型辨识精度达到了92.6%,比BP网络高6.5%,能有效对提升管流型进行辨识。     

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CFD模拟的原油管道携水特性研究

通过研究原油管道的携水特性从而指导研究原油管道内腐蚀。通过ICEM网格划分软件建立合适的物理模型并且基于Fluent流体仿真软件对不同流型进行了数值模拟。结果显示:Fluent模拟的流型与试验的流型一致。分析了不同流速和含水率下的油水分布特性,绘制了管道截面的含水率分布散点图从而建立了临界流速判别模型。基于临界流速判别模型,分析了密度对临界流速的影响。研究的结论可用于指导不同工况下的输油管道腐蚀评价和防护。     

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%。     

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%。     

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,最后根据待辨识样本与标准样本稀疏解之间的线性相关程度进行流型辨识。使用该方法对5种典型的两相流流型识别进行了仿真及实验研究,结果表明:该方法的流型正确识别率均高于98%。     

基于GA-BLS方法的手势识别研究

为进一步提升人机交互领域中手势识别的精度和速度,探究肌肉疲劳对手势识别的影响规律,提出了改进的GA-BLS方法,利用遗传算法(genetic algorithms, GA)优化宽度学习(broad learning system, BLS)模型参数,并使用弹性网络回归改进传统的BLS模型。利用所提模型对8种手势下的A型超声信号和肌电信号进行手势识别分析,并与SVM、KNN、RF、LDA等方法进行对比,以验证所研究方法的有效性;将长时间段下的A型超声信号和肌电信号切分成4个数据段,发现随着肌肉疲劳程度的增加,手势识别的准确率均呈现出明显下降的趋势,而且A型超声信号相较于肌电信号具有更好的抗疲劳特性。     

不同型线的高效二元离心叶轮优化设计

对具有无叶扩压器的离心压缩机两元叶轮的三种叶片型线进行对比研究,采用单圆弧和等减速流型法设计离心叶轮叶片型线,得到其性能曲线和内部流场,运用正交设计试验方法对离心压缩机叶轮进行了变减速流型优化设计,并对比分析了变减速流型与等减速流型的性能曲线。结果表明当叶片的进出口角确定后,叶片型线改变时,叶轮做功能力略有提升,而对整个叶道内的静压和速度分布影响较大,以致影响级性能。     

双稳态电控变流型送风口的研制

设计并研制了一种双稳态电控变流型送风口,并介绍了该装置的结构、工作原理和性能特点.该送风口冬夏可以送不同流型气流,符合气流组织原则,运行管理方便、容易调节、可以远距离控制,而且节能.     

双稳态电控变流型送风口的研制

设计并研制了一种双稳态电控变流型送风口,并介绍了该装置的结构、工作原理和性能特点.该送风口冬夏可以送不同流型气流,符合气流组织原则,运行管理方便、容易调节、可以远距离控制,而且节能.     

AI设计下的智能驾驶场景文本识别技术

目的 交通标志识别作为智能驾驶、交通系统研究中的一项重要内容,具有较大的理论价值和应用前景.尤其是文本型交通标志,其含有丰富的高层语义信息,能够提供极其丰富的道路信息.因此通过设计并实现一套新的端到端交通标志文本识别系统,达到有效缓解交通拥堵、提高道路安全的目的.方法 系统主要包括文本区域检测和文字识别两个视觉任务,并基于卷积神经网络的深度学习技术实现.首先以ResNet-50为骨干网络提取特征,并采用类FPN结构进行多层特征融合,将融合后的特征作为文本检测和识别的共享特征.文本检测定位文本区域并输出候选文本框的坐标,文字识别输出词条对应的文本字符串.结果 通过实验验证,系统在Traffic Guide Panel Dataset上取得了令人满意的结果,行识别准确率为71.08％.结论 端到端交通标志文本识别非常具有现实意义.通过卷积神经网络的深度学习技术,提出了一套端到端交通标志文本识别系统,并在开源的Traffic Guide Panel Dataset上证明了该系统的优越性.     

运用自组织竞争网络进行气体定性分析的研究

优选了分析H2,CO气体的半导体气体传感器组成阵列，建立了实时数据采集系统，并与自组织竞争网络模式识别技术相结合，以进行气体定性分析的研究；同时为了消除气体浓度变化对传感器阵列输出的影响，提高自组织网络的识别效果，运用三种不同的数据归一化算法对传感器阵列的输出响应进行了预处理, 并对各自对应的网络识别结果进行了分析与讨论。实验结果表明，采用相对算法可实现H2,CO气体的准确识别。     

基于多源域异构模型迁移的滚动轴承故障诊断方法

针对实际工业生产中不同规格和工况下滚动轴承振动数据分布差异大,多个相似数据集资源利用不充分,导致诊断模型准确率不高的问题,提出一种基于多源域异构模型迁移的滚动轴承故障诊断方法。该方法利用短时傅里叶变换获取滚动轴承振动信号的时频谱图;选择多种不同规格和工况下已知标签数据作为多源域,其他规格和工况下少量已知标签数据作为目标域;使用多个源域数据训练多个ResNet-34深度网络,并提出利用基于进化策略的与模型无关元学习改进异构模型参数迁移策略,使其能够自适应决定迁移到目标域的知识层级及内容;提出将源域知识迁移到VGG-16深度网络得到多个目标域模型后,将其提取的特征首尾相接输入同一个极限学习机中实现特征融合和分类,最终建立滚动轴承故障诊断模型。经试验验证,所提方法可实现不同规格和工况下滚动轴承间的迁移诊断问题,并具有较高的准确率。     

速度流型对微混合器混合效果的影响

微流控芯片是“芯片实验室”发展的重点,微混合器是微流控芯片的重要作用形式,在微尺寸下获得高效混合是重要的研究方向．采用Fluent软件对T型管两液流混合过程进行了数值模拟,对三种典型速度流型,即抛物线型、塞状型和凹面型速度流型条件下的混合效果进行了比较分析、数值模拟和理论分析表明：流速以及流型对混合效果具有很大的影响,抛物线型的混合效果最好;利用泵驱动系统比电渗驱动系统更有利于混合．