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。     

气液两相流流型识别新方法研究

基于电容层析成像技术(ECT),提出一种快速在线气液两相流流型识别新方法。实验表明,该方法简便易行,对于层状流、环状流、核心流以及塞状流均具有较高的识别准确率,可以满足工业在线运行需要。     

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…     

基于图像动态纹理特征的气固流化床流型识别

准确识别流型是气固流化床二相流参数检测的重要内容,文中提出一种基于图像光流法和动态纹理特征相 结合的气固流化床流型识别的新方法.实验是在气固流化床二相流实验系统上利用高速摄影系统获取流型图像.流型图像分别为鼓泡床,节涌床,湍动床,快速流化床,稀相输送等5种典型流型.首先对获取的不同流型图像分别进行去噪和对比度拉伸...     

改进BP神经网络在气液两相流流型识别中的应用

采用统计理论与分形理论相结合的方法对水平管内空气-水两相流的压差波动信号进行分析,得到了压差均值、标准差、偏斜度、能量份额、盒维数、关联维数和Hurst指数7个参数,并将上述参数作为流型的特征向量输入自适应学习率的改进BP神经网络,通过对训练样本的学习,网络可以实现对未知流型的客观识别.仿真结果表明：统计参数与分形参数相结合得到的流型特征向量可以很好地反映各流型之间的差异,网络识别率高达93%,并且改进后的BP网络具有收敛速度快、不易陷入局部极小的优点.     

基于图像纹理分析的两相流流型时空演化特性

为了研究气液两相流流动结构时空演化特征,在水流量为0.02~0.4 m·s^-1及气流量为0.005~2.7 m·s^-1 的流动范围内,对垂直及倾斜30°上升的气液两相管流中的七种典型流型采集了动态图像信息。在流型图像特征分析中采用了灰度共生矩阵法对图像局部邻域内的二维信息进行量化表征,提取了六种反映不同流型动态图像纹理结构的时变特征参数,对流型生长过程中流动结构变化进行了分析。研究结果表明：流型图像纹理结构特征动态参数演化趋势刻画了不同流型流动结构差异及动力学复杂性,该分析方法有助于理解气液两相流流动结构时空演化特征,也是气液两相流流型辨识的有效手段。     

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.     

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。     

基于子波能量特征的气液两相流流型辨识方法

气液两相流的流型影响着两相流的流动特性和传热特性,同时也影响着流动参数的准确测量以及两相流系统的运行特性。针对压差信号的非平稳和非线性特点,尝试利用Hilbert-Huang变换(HHT)和小波包分解对差压波动信号进行信号处理,进而建立流型的子波能量（IMF能量和小波包能量）特征,并以此特征向量作为Elman神经网络的输入量,从而实现对流型的智能识别。实验结果表明：这两种特征向量与Elman神经网络结合都能够较准确地识别出4种流型,并且各自都有不同的优缺点。另外与BP神经网络相比,采用Elman神经网络进行流型识别可以获得更高的识别率。     

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...     

基于支持向量机的软测量建模方法的应用

利用基于最小二乘支持向量机(LS-SVM)的软测量建模方法,通过工业现场数据来对丁二烯精馏装置建立软测量模型.对于该软测量模型,支持向量机方法比BP神经网络方法具有更好的泛化能力.研究结果表明,基于最小二乘的支持向量机建模方法是一种有效的软测量建模方法.