基于流体诱发振动的非接触式湿气流流型识别(英文)

A novel noninvasive approach, based on flow-induced vibration, to the online flow regime identification for wet gas flow in a horizontal pipeline is proposed. Research into the flow-induced vibration response for the wet gas flow was conducted under the conditions of pipe diameter 50 mm, pressure from 0.25 MPa to 0.35 MPa, Lockhart-Martinelli parameter from 0.02 to 0.6, and gas Froude Number from 0.5 to 2.7. The flow-induced vibration signals were measured by a transducer installed on outside wall of pipe, and then the normalized energy features from different frequency bands in the vibration signals were extracted through 4-scale wavelet package transform. A “binary tree” multi-class support vector machine(MCSVM) classifier, with the normalized feature vector as inputs, and Gaussian radial basis function as kernel function, was developed to identify the three typical flow regimes in-cluding stratified wavy flow, annular mist flow, and slug flow for wet gas flow. The results show that the method can identify effec-tively flow regimes and its identification accuracy is about 93.3%. Comparing with the other classifiers, the MCSVM classifier has higher accuracy, especially under the case of small samples. The noninvasive measurement approach has great application prospect in online flow regime identification.     

基于灰度共生矩阵和支持向量机的气液两相流流型识别

根据灰度共生矩阵具有较好的纹理表达能力的特性,提出了一种基于图像灰度共生矩阵和支持向量机相结合的气液两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两相流的流动图像,经过图像处理后,提取图像灰度共生矩阵的纹理特征,进而建立流型图像的灰度共生矩阵纹理特征向量,并以此特征向量作为流型样本对支持向量机进行训练,实现了对流动图像的流型智能化识别。实验结果表明,支持向量机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100%,每幅流型图像的判别时间约为1.7 s,为流型在线识别提供一种新方法。     

气液两相流的多尺度混沌特性分析

Using the high-speed camera the time sequences of the classical flow patterns of horizontal gas-liquid pipe flow are recorded, from which the average gray-scale values of single-frame images are extracted. Thus obtained gray-scale time series is decomposed by the Empirical Mode Decomposition (EMD) method, the various scales of the signals are processed by Hurst exponent method, and then the dual-fractal characteristics are obtained. The scattered bubble and the bubble cluster theories are applied to the evolution analysis of two-phase flow patterns. At the same time the various signals are checked in the chaotic recursion chart by which the two typical characteristics (diagonal average length and Shannon entropy) are obtained. Resulting term of these properties, the dynamic characteristics of gas-liquid two-phase flow patterns are quantitatively analyzed. The results show that the evolution paths of gas-liquid two-phase flow patterns can be well characterized by the integrated analysis on the basis of the gray-scale time series of flowing images from EMD, Hurst exponents and Recurrence Plot (RP). In the middle frequency section (2nd, 3rd, 4th scales), three flow patterns decomposed by the EMD exhibit dual fractal characteristics which represent the dynamic features of bubble cluster, single bubble, slug bubble and scattered bubble. According to the change of diagonal average lengths and recursive Shannon entropy characteristic value, the structure deterministic of the slug flow is better than the other two patterns. After the decomposition by EMD the slug flow and the mist flow in the high frequency section have obvious peaks. Anyway, it is an effective way to understand and characterize the dynamic characteristics of two-phase flow patterns using the multi-scale non-linear analysis method based on image gray-scale fluctuation signals.     

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。     

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…     

水平气液两相流流型图像信息递归特征分析

采用高速摄像机在气液两相流实验台上拍摄各种典型流型的流动时频,将单帧图像提取信息熵组成时间序列。对信息熵时间序列进行WVD分析,对气液两相流几种典型流型以及过渡流型的演化轨迹进行解析。同时对序列进行了近年来较少用到的非线性混沌递归图分析（RP）,将其分析结果同WVD的分析结果进行对比,在对流型演化轨迹提出新的见解外也对WVD的分析结果进行验证。在分析后将100组不同流型的信息熵序列进行平均值计算,列出随气体体积流量增大的变化趋势图,进一步对流型信息熵与气流量的关系进行说明。最后讨论了气液两相流容积含气率与信息熵的关系。结果表明：流动图像的信息熵序列结合WVD与RP可以对气液两相流型演化轨迹进行很好表征。同时流型图像的信息熵能够对气液两相流各种流型的容积含气率进行表征,是一种有效的流型图像特征参数。     

基于复杂网络的气液两相流流态识别

本文提出一种基于复杂网络的气液两相流流态识别方法。在通过空气-水两相流模拟系统采集流态演化的压差时间序列的基础上,以不同流动条件下的压差时间序列为节点,以基于节点间的相似性程度为边,构建流态复杂网络,然后利用复杂网络社团单元的探寻进行气液两相流的流态识别。通过与模拟实验结果对比,该方法的有效性得到了验证。     

基于独立分量分析和RBF神经网络的气液两相流流型识别

引言气液两相流广泛存在于工程和自然界中[1]。而流型的识别一直是两相流研究中尚未解决的问题。传统的流型识别方法一般分为两类:一是直接法,     

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。     

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...     

基于距离评估的气液二相流流型识别方法

为了克服气液二相流特征融合后不相关特征过多的问题,提出了基于距离评估和支持向量机(SVM)的气液二相流流型识别方法。首先利用经验模式分解和小波包方法对原始的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特征参数组成融合特征,然后采用距离评估方法对融合特征进行评估,根据距离评估因子的大小挑选出敏感特征作为SVM的输入,进而实现对流型的自动识别。水平管内空气-水二相流流型识别结果表明:该方法能够准确获取流型的敏感特征,减小运算规模,提高识别准确率。     

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。     

基于支持向量机煤炭产地的鉴别研究

利用日照局历年来积累的出口煤炭的检测数据和出口企业自身检测的数据,用支持向量机技术分析其化学性质、物理性质、指标范围等情况,对检测的山东省出口煤炭的产地样品按决策树方法进行特性分类,并结合支持向量机方法实现了山东省15个煤炭出口产地或品牌的鉴别。该方法属于一种新的分类鉴别方法,为煤炭产地的鉴别提供了一个可借鉴的实例。