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。     

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、极限学习机及并行感知器改进极限学习机算法进行比较,结果表明,提出的MO-PLP-ELM算法其辨识率明显高于其它算法,平均辨识率达96.1%。     

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%。     

稀疏重建的兰姆波结构损伤定位

研究了基于稀疏重建算法的兰姆(Lamb)波损伤成像方法。利用损伤的稀疏性,对测量信号在字典中寻求其稀疏表示,通过稀疏重建方法得到定位缺陷的图像。由兰姆波信号传播模型理论,计算检测区域所有可能出现缺陷位置对应传感器接收到的散射信号波形,以此组成过完备字典;并通过梯度投影算法从字典中搜寻匹配的原子,匹配原子在字典中的位置对应于缺陷在检测区域中的位置。仿真实验采用多模态兰姆波进行损伤定位,结果表明稀疏重建方法在低噪声情况下可以实现对单个、两个缺陷的定位,和延迟求和成像方法对比,稀疏成像具有更少的噪声干扰及伪像。     

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%。     

Gabor特征结合Metaface学习的扩展稀疏表示人脸识别

为了克服人脸识别中存在的遮挡等闭塞问题,本文提出了Gabor特征结合Metaface学习的扩展稀疏表示人脸识别算法(GMFL)。考虑到Gabor局部特征对光照、表情和姿态等变化的鲁棒性,该算法首先提取图像的Gabor特征集;然后对Gabor特征集进行Metaface字典学习得到具有更强稀疏表示能力的新字典,同时引入Gabor闭塞字典来编码表示图像中的闭塞部分,并与新字典联合构造一组过完备字典基;最后利用过完备字典基求解稀疏系数重构样本,根据样本与重构样本之间的残差最小原则对人脸图像进行分类识别。在AR人脸库和FERET数据库上的实验结果验证了本文算法的可行性和有效性。     

基于电容测量和PCA法的两相流相浓度检测方法

介绍利用电容层析成像系统阵列传感器结构和采样特点,引入主成分分析法(PCA)求取两相流相浓度的新方法.对大量测量值样本进行统计分析后,求出用测量值第一主成分求取相浓度的经验公式,仿真及静态实验表明:两者之间有着良好的对应关系,其测量结果不受两相流流型的影响,是一种有较好应用前景的测量方法.     

基于频域信号的稀疏编码在机械故障诊断中的应用

提出了一种使用稀疏编码对机械频谱信号自学习并识别故障的方法。首先分别对每类频谱信号进行字典学习得到每类信号的字典,然后依次计算测试样本在各个类别的字典上的稀疏重构系数,利用稀疏重构系数与对应类别的字典重构测试样本。最后将重构残差作为识别依据,对机器状态进行判断。通过将振动信号从时域转化到频域,将复杂的移不变稀疏编码问题转化为普通的稀疏编码,并且得益于高效的K-SVD字典学习算法,计算效率得到了大幅提高。所提方案直接使用原始频谱信号作为训练集,不仅省去了特征提取过程,而且保留了更丰富的信息。经实验验证,该方案较基于时域的移不变稀疏编码具有更高的计算效率、准确率和稳定性。相对于常规诊断算法,除了有准确率的优势外,不易受负载变化的影响,所需人工干预较少。     

自适应学习字典的信号稀疏表示方法及其在轴承故障诊断中的应用

信号稀疏表示的过完备字典根据构造方式分为解析字典和学习字典两大类。解析字典结构固定,自适应性差。构建解析字典需要充分分析振动信号的振荡特性,获取充足的先验知识。学习字典摆脱了先验知识的桎梏,可以直接从信号中自适应地训练学习出来,自适应性强。结合信号保真能力较好的广义极小极大凹罚函数,提出了基于自适应学习字典的信号稀疏表示方法,改进了K-SVD算法中样本训练矩阵的构造方式,减少了运算时间,并且利用软阈值算法弥补了学习字典对噪声抵抗性较差的缺点。最后在缺乏先验知识的条件下,分别在轴承的仿真信号和实验信号的分析过程中,运用所提出方法实现故障诊断。     

基于梯度投影稀疏重建算法的电容层析成像图像重建

为解决两相流中存在中心物体、物体比较小或存在多个物体且相距较近时电容层析成像(ECT)重建图像精度较差的问题,基于稀疏分布的流型其介电常数分布满足稀疏性的先验条件,采用梯度投影稀疏重建(GPSR-BB)算法进行ECT图像重建。仿真及实验测试结果表明:GPSR-BB算法对于流体中小目标以及复杂流型的图像重建质量较好,重建图像的形状保真度高。     

基于改进判别字典学习的故障诊断方法

近年来,基于稀疏表示的分类技术在模式识别中取得一定的成功。该框架中,字典的学习和分类器的训练通常是两个独立的模块,降低了方法的识别精度。针对以上问题,提出了一种特征提取和模式识别相融合的改进判别字典学习模型,将重构误差项、稀疏编码判别项及分类误差项进行了整合,并用K奇异值分解算法对目标函数进行优化,实现了字典和分类器的同步学习。该方法先对原始信号进行经验模态分解,并从分解的本征模态函数中提取时、频特征,形成故障样本;然后将训练样本输入改进模型用K奇异值分解优化;最后用习得字典及分类器权重对测试样本进行识别。实验结果表明：该算法不但适用于小样本故障问题,而且鲁棒性和分类性能都明显高于其它算法。         

两相流电容层析成像系统

本文较系统地介绍了电容层析成像系统结构原理,包括抗杂散电容影响的微小检测技术,并行数据采集与处理单元设计以及基于总变差正则化的图像重建算法.与此同时,结合研制的双截面电容成像系统进行试验研究,结果表明该系统不仅可给出实时流型识别,同时能输出表征的特征参数.     

两相流电容层析成像系统

本文较系统地介绍了电容层析成像系统结构原理,包括抗杂散电容影响的微小检测技术,并行数据采集与处理单元设计以及基于总变差正则化的图像重建算法.与此同时,结合研制的双截面电容成像系统进行试验研究,结果表明该系统不仅可给出实时流型识别,同时能输出表征的特征参数.     

The Use of Capacitance Sensors for Phase Percentage Determination in Multiphase Pipelines

A variety of capacitance designs are considered for determining the volume fractions in two-phase pipelines. Experimental results are compared for the most promising structures and for slug (SL) and stratified (ST) flow patterns. It is concluded that the most practical linear sensor is the double helix capacitance, although in some instances a four concave-plate structure may be preferred for greater sensitivity and simplicity of construction if the flow pattern is known.     

基于改进形态分量分析的齿轮箱轴承多故障诊断研究

形态分量分析是一种基于信号形态多样性和信号稀疏表示的信号和图像处理方法,其主要目标是根据信号组成成分的形态差异性,选择合适的字典来分离信号。针对传统形态分量分析的字典选择和阈值选择的缺陷,提出了基于自适应字典选择和TH-MOM (Hard Threshold-MOM)的阈值更新策略,通过仿真信号和齿轮箱轴承多故障振动实验信号的研究结果表明：该方法不仅能将形态各异的多分量信号进行有效分离,提高了信噪比,而且提高了从强噪声环境中提取瞬态冲击特征的能力,能有效地识别轴承的故障类型和部位。     

基于集合经验模式分解和K-奇异值分解字典学习的滚动轴承故障诊断

针对经典K-奇异值分解算法构造的字典中原子形态受噪声、谐波干扰影响,进而降低冲击故障特征提取精度的问题,提出了基于集合经验模式分解和K-奇异值分解字典学习的冲击特征提取方法。该方法首先利用集合经验模式分解与Hurst指数对振动信号进行预处理,剔除谐波干扰;其次,利用经典K-奇异值分解算法和预处理信号构造超完备字典;然后,利用K-均值聚类算法对字典中的原子进行筛选;最后,利用正交匹配追踪算法实现冲击故障特征的稀疏表示。实验分析和工程应用验证了所提方法的有效性和实用性。     

一种电容层析成像图像重建优化算法

提出一种电学层析成像(ECT)图像重建优化算法。通过将传统正则化算法转化为最小二乘问题进行求解,结合lp范数逼近正则化最小化问题,利用重新加权的方法进行迭代计算。以油-气两相流模型进行仿真及静态实验,将所提出的优化算法与常用的LBP、Landweber迭代及Tikhonov正则化算法进行对比。结果表明,与常用算法相比,采用该优化算法对管道中心物体及多物体分布流型进行图像重建,其图像相对误差均为最低,且重建图像的形状保真度明显提高。     

基于改进MP的稀疏表示快速算法及其滚动轴承故障特征提取应用

在恒定转速情况下,旋转机械中滚动轴承的局部故障往往导致周期性冲击,从而产生周期性瞬态振动信号。对局部故障的瞬态特征提取一直是故障检测的关键问题。基于匹配追踪(Matching Pursuit,MP)算法的稀疏分解是一种信号自适应分解算法,是强噪声背景下微弱特征提取的有效方法之一。针对滚动轴承故障振动信号稀疏表示过完备字典的选择与构造问题,基于相关滤波法优选与冲击波形匹配的Laplace小波原子构造稀疏表示中的过完备字典;针对基本匹配追踪算法计算量大、效率低的问题,结合FFT快速运算特性,通过互相关运算替换基本匹配追踪算法中的内积运算,研究基于改进MP的稀疏表示快速算法,进而提高计算效率。仿真与滚动轴承故障实验分析结果表明该算法能准确的提取滚动轴承故障特征且计算效率高。