槽式孔板气液二相流差压信号的时间序列分析

槽式孔板是一种新型的气液二相流流量传感器,为了研究其二相流测量特性,提出了一种新的信号处理方法。首先应用小波变换模极大值滤波方法对差压测量信号去噪,然后对滤波结果进行经验模式分解得到有限个经验模式函数(IMF),进而对IMF建立自回归(AR)模型,研究了AR模型的参数与气液二相流流型以及分相流量之间的关系。这种信号处理方法能够使具有非平稳特性的差压信号满足时间序列分析的建模条件,AR模型的参数可以有效地区分气液二相流流型,并与气液分相流量的变化密切相关,为气液二相流流型识别和流量计量算法的研究奠定了基础。     

基于离散粒子群的气液二相流型特征选择

针对气液二相流型识别中存在的大量无关或冗余的特征会降低分类器性能的缺陷,提出了离散粒子群算法(BPSO)和最小二乘支持向量机(LS-SVM)封装模式的流型特征选择方法.该方法分别采用小波包和经验模式分解方法(EMD)对原始压差波动信号进行分解,分别提取原始信号和各分解信号的时域量纲一指标组成融合特征.然后采用BPSO进...     

基于神经网络和D-S证据理论的气液两相流流型识别方法

提出一种运用神经网络和D-S（Dempster-Shafer）证据理论的多特征信息融合的气液两相流流型识别方法.对压差波动信号进行4层小波包分解,提取各频带信号的小波包能量和信息熵构造两个特征向量,再利用统计和分形理论提取压差波动信号的3个统计参数和4个分形参数作为另一个特征向量,然后将这些特征向量送入改进的BP神经网络进行训练,从而实现对流型的识别.以初始识别结果作为彼此独立的证据,根据D-S证据融合规则进行融合处理,得到最终的识别结果.以水平管内空气-水两相流流型识别为例,说明了该方法的具体实现过程.结果表明,多特征信息融合比单一特征的识别方法具有更高的识别率.     

基于EMD和ICA的AR模型在两相

为了对气液两相流流型进行准确识别,提出了一种基于经验模态分解（EMD）和独立成分分析（ICA）的AR模型的流型识别方法。该方法首先提取气液两相流动态差压信号,通过EMD技术对其进行分解,对分解出来的高频模态进行小波包消噪,然后通过ICA技术实现原始信号的降维处理。对通过ICA得到的独立分量建立AR模型,将模型参数和残差方差作为特征向量,建立不同流型的模板向量。计算未知流型信号的特征向量与模板特征向量的综合Mahalanobis距离,通过比较各判别距离的大小得到流型识别的结果。对40 mm水平管气水两相流进行实验,利用文丘里管采集动态差压信号,采用上述处理过程可以对泡状流、弹状流、塞状流进行有效识别,识别率达94.3％。该方法受环境条件影响小,可以有效滤除信号中的噪声成分,识别率高,易于工程实现。     

基于EMD和ICA的AR模型在两相流流型识别中的应用

为了对气液两相流流型进行准确识别,提出了一种基于经验模态分解(EMD)和独立成分分析(ICA)的AR模型的流型识别方法。该方法首先提取气液两相流动态差压信号,通过EMD技术对其进行分解,对分解出来的高频模态进行小波包消噪,然后通过ICA技术实现原始信号的降维处理。对通过ICA得到的独立分量建立AR模型,将模型参数和残差方差作为特征向量,建立不同流型的模板向量。计算未知流型信号的特征向量与模板特征向量的综合Mahalanobis距离,通过比较各判别距离的大小得到流型识别的结果。对40mm水平管气水两相流进行实验,利用文丘里管采集动态差压信号,采用上述处理过程可以对泡状流、弹状流、塞状流进行有效识别,识别率达94.3%。该方法受环境条件影响小,可以有效滤除信号中的噪声成分,识别率高,易于工程实现。     

水平气液两相流流型空间图像信息复杂性测度分析

为了考察从图像灰度序列提取的复杂性测度与气液两相流流型变化之间的关系,本文首先从高速摄影系统拍摄的60种流动工况下水平管内气液两相流流型图像中提取了三种复杂性测度（Lempel-Ziv复杂度,分形盒维数,Shannon信息熵）,在此基础上研究了不同表观气速下三种复杂性测度的混沌动力学特性,以及对气液两相流流型的表征能力。实验结果表明：三种复杂性测度均能敏感地指示出流型的变化;通过对三种复杂度随两相流流动参数变化规律分析,可以得到气液两相流动力学结构反演特征, 为揭示气液两相流流型转化机理和定量识别流型提供了一种有效的辅助诊断工具。     

基于峭度系数和隐马尔科夫模型的气液两相流流型识别方法

为了研究垂直上升管中气液两相流流型,采用经验模态分解与峭度系数相结合的方法对垂直上升管中的气液两相流进行流型特征提取,利用隐马尔科夫模型对流型进行识别。首先对采集的电导波动信号进行经验模态分解,然后根据得到的固有模态函数分量求取峭度系数,并将其作为特征向量,输入到已经训练好的隐马尔科夫模型中对流型进行识别。实验结果表明该方法能够准确地识别出3种典型流型,且识别效果良好。     

基于图像不变矩特征的气液二相流流型识别

气液二相流流型极大地影响气液二相流的流动和传热特性,准确识别流型对相关设备的设计和运行具有重要意义。根据不变矩能有效检测出具有平移、旋转、比例变化的图像特性,提出了一种基于图像不变矩和概率神经网络相结合的气液二相流流型识别的新方法。该方法利用高速摄影系统获取水平管道内气液二相流的流动图像,经过图像处理后提取图像不变矩特征向量,并以此特征向量作为流型样本对概率神经网络进行训练,实现了对流动图像的流型智能化识别。实验结果表明,训练成功的概率神经网络能够快速准确地识别水平管道内的7种典型流型,整体识别率达到99.3%,为流型在线识别提供一种新的有效方法。     

基于复杂度特征的气液二相流流型识别方法

针对气液二相流压差波动信号的非平稳和非线性特征,提出了一种基于经验模式分解(EMD)复杂度特征和支持向量机的流型识别方法。该方法首先对二相流压差波动信号进行经验模式分解,将其分解为若干个固有模态函数(IMF),然后对每一个IMF分量提取复杂度特征作为流型特征向量,并以此作为输入参数建立支持向量机分类器来识别流型。对水平管内空气-水二相流的实验结果表明,文中提出的方法能准确地识别流型,从而为流型识别提供了一种新的有效方法。     

基于反传神经网络和压差波动识别气液两相流流型

引　言研究气液两相流流型自动与客观识别具有重要的工程应用价值 ,可为相关工业中两相流动自动监测与控制提供技术保障 .因此 ,该课题一直受学术界和工业界的重视 .近年来 ,随着测量技术和信息处理技术的发展 ,为气液两相流型的客观和智能识别提供了可能[1] .目前有关流型的神经网络模式识别的研究工作正在进行 .Ｅｍｂｒｅｃｈｓ等[2 ] 采用Ｋｏｈｏｎｅｎ神经网络模型 ,分别将压差波动信号的短时Ｆｏｕｒｉｅｒ谱和正交小波变换后的小波系数作为网络的输入特征 ,对水平管内的两相流流型进行识别 .结果发现Ｆｏｕｒｉｅｒ谱作为输入特征参…     

基于图像多特征融合和支持向量机的气液两相流流型识别

The knowledge of flow regime is very important for quantifying the pressure drop, the stability and safety of two-phase flow systems. Based on image multi-feature fusion and support vector machine, a new method to identify flow regime in two-phase flow was presented. Firstly, gas-liquid two-phase flow images including bubbly flow, plug flow, slug flow, stratified flow, wavy flow, annular flow and mist flow were captured by digital high speed video systems in the horizontal tube. The image moment invariants and gray level co-occurrence matrix texture features were extracted using image processing techniques. To improve the performance of a multiple classifier system, the rough sets theory was used for reducing the inessential factors. Furthermore, the support vector machine was trained by using these eigenvectors to reduce the dimension as flow regime samples, and the flow regime intel-ligent identification was realized. The test results showed that image features which were reduced with the rough sets theory could excellently reflect the difference between seven typical flow regimes, and successful training the support vector machine could quickly and accurately identify seven typical flow regimes of gas-liquid two-phase flow in the horizontal tube. Image multi-feature fusion method provided a new way to identify the gas-liquid two-phase flow, and achieved higher identification ability than that of single characteristic. The overall identifica-tion accuracy was 100%, and an estimate of the image processing time was 8 ms for online flow regime identifica-tion.     

多尺度信息熵特征的气液二相流流型识别方法

为研究垂直上升管中的气液二相流的流型,利用自制的多电导探针的测量系统采集了4种典型流型的电导波动信息。根据小波包变换能将电导波动信号按任意时频分辨率分解到不同频段的特性,对其进行了3层小波包分解后并计算了各个频段的信息熵特征向量,并作为特征参数输入到E lm an神经网络进行训练,实现了与神经网络相结合流型的智能识别。研究结果表明,该方法能够很准确地识别出4种流型,且提取特征比较方便,从而为流型识别提供了一种新的有效方法。     

高含气率气液两相流差压信号时频特征分析

为了更有效地揭示高含气率气液两相流流动特征,研究了一种新的时频特征分析方法。首先,对差压波动信号进行小波包变换并由变换系数计算信号能量的时频分布;然后,应用统计方法对时频分布进行特征提取得到一组时频特征量。应用类可分性测量准则分析该组特征量区分不同流型的效果,并与以往小波包特征分析方法相比较,结果表明:该组特征量具有更强的流型特征表征能力。最后,以该组特征量为输入向量,构建了集成多类支持向量机分类器实现了流型识别,其流型正确识别率可达97%。     

基于Hilbert-Huang变换和支持向量机的油水两相流流型识别

针对油水两相流的测量难题，利用文丘里管对水平管内油水两相流流型进行了研究。基于差压波动信号，提出了Hilbert-Huang变换与支持向量机相结合的流型识别方法。首先计算差压波动信号的均方根，并对其进行归一化处理后作为表征流型的特征向量之一；然后对差压信号进行Hilbert-Huang变换，利用经验模态分解后的多分辨率特征，提取第一层和第二层的能量比作为表征流型的另外两个特征向量；最后利用训练好的支持向量机进行流型识别，对分层流型及分散流型取得了较好的流型识别效果。如果将流型识别与推导得到的文丘里油水两相流流量测量模型相结合，可以较好地实现油水两相流的流量测量。     

双谱核主元分析在气液两相流流型识别中的应用

针对压差波动信号的非线性和非高斯特性,提出了一种基于高阶谱和核主元分析相结合的流型识别方法。通过对气液两相流压差波动信号的双谱分析,提取了不同流型下信号的非高斯特征,以双谱分析核主元数字特征提取流型的特征,最后利用最小二乘支持向量机对流型进行智能识别。实验结果表明,提取的核主元特征反映了两相流的流动状态,最小二乘支持向量机可以有效地识别水平管道内的4种典型流型,整体识别率达到95%,为流型识别提供了一种有效的方法。     

多相流型特征评价方法研究

为了得到反映流型信息的敏感特征,提出了一种多相流型特征评价方法。在水体积流量为1.32—12.15 m3/h,油体积流量为0.01—0.43 m3/h,空气体积流量为0.75—25 m3/h的范围内,对垂直上升管内油气水三相流4种流型的压差波动信号进行采集并作为分析对象,采用经验模式分解EMD法、小波方法、小波包方法,对去噪后的压差波动信号进行分解,分别提取了4种流型的EMD能量特征、EMD峭度系数特征、小波包能量特征、小波包信息熵特征和小波能量的特征,从敏感度、稳定性、瞬时性3个方面,对提取的5种特征进行比较、评价,从而建立了一种流型特征的评价准则,并给出了相应的算法。计算结果表明,所提出的评价方法是有效可行的。