相关流量测量技术的现状与发展趋势

简述了国外相关流量测量技术的现状,指出了相关流量测量技术在解决两相流体或多相流体流量测量问题中所具有的潜力以及尚待解决的若干问题,提出了发展该项技术的设想。     

超声波热量表流量计量中温度补偿算法研究

针对超声波热量表采用时差法测量流量时,因受温度影响而存在的非线性问题,提出了分别基于曲面拟合和BP神经网络的温度补偿算法。两种算法通过建立温度与流量之间的非线性映射关系,达到补偿流量测量的目的。建模与仿真可知, BP神经网络补偿算法表现出更好的数据融合及预测能力。验证实验表明,相对于现有查表修正算法和曲面拟合补偿算法,BP神经网络补偿算法补偿效果更佳,补偿后流量测量误差在±2.2%以内,绝对误差方差最大值为0.68,补偿效果显著,具有较高的工程应用价值。     

应用神经网络测量凝析天然气流量

为了精确测量凝析天然气的气液相流量,研究了将神经网络用于气液两相流流量测量的方法。以中国石油大学自动化系试制的流量检测仪表样机为硬件基础,分析了仪表的差压波动信号,并通过比较F比值确定了特征提取方法。根据多相流存在多种流型的特点,采用了首先识别流体流型再计算其流量的方法。研究表明:神经网络在凝析天然气流量测量中具有较大的应用潜力。但要获得较高的层量精度,还需要更为准确的信号特征提取方法以及更加合理的网络结构。     

一种磷精矿浆质量流量测量方案

针对磷精矿浆流量测量结果易受磷精矿浆密度和流体中固体颗粒影响的问题,提出了一种改进的磷精矿浆质量流量测量方案。该方案采用频率输出型电磁流量计测量流体的体积流量,用小口径质量流量/密度计并联在测量管路中测量流体的实时密度,并将测量得到的2路信号在流量积算仪中进行累积计算,从而实现了磷精矿浆质量流量的准确计量。实际应用表明,该方案确保了测量数据的稳定性、可靠性和准确性,能够以较低的成本实现磷精矿浆质量流量的交接计量。     

基于多传感器大轴径测量系统的特征层数据融合

根据大轴径高精度测量要求,采用三组滚轮的多传感器同时对大轴径进行测量,将多传感器数据融合技术应用于大轴径测量系统中;数据融合方法可以避免单一传感器的局限性,充分利用不同时间和空间的测量数据信息,大大提高测量系统的性能和效率;建立了大轴径测量系统的数据融合系统模型,提出了将BP神经网络应用于大轴径测量系统的特征层数据融合,并进行了融合系统的仿真实验;研究结果表明,该方法能得到准确的测量结果,达到了系统对测试精度的要求.     

基于自编码器的网络游戏流量分类

加密和动态端口技术使传统的流量分类技术不能满足网络游戏识别的性能需求, 本文提出了一种基于自编码器降维的端到端流量分类模型, 实现网络游戏流量的准确识别. 首先将原始流量预处理成784 B的一维会话流向量, 利用编码器进行无监督降维, 去除无效特征; 接着探索构建卷积神经网络与LSTM网络并联算法, 对降维后的样本进行空间和时序特征的提取和融合, 最后利用融合特征进行分类. 在自建的游戏流量数据集和公开数据集上测试, 本文模型在网络游戏流量识别方面达到了97.68%的准确率; 与传统端到端的网络流量分类模型相比, 本文所设计的模型更加轻量化, 具有实用性, 并且能够在资源有限的设备中方便部署.     

基于流量分类的工控联网设备识别

为发展工控网络智能化管理，研究工控网络中设备类型的自动识别技术，提出一种基于流量分类的设备类型识别方法，综合报文首部特征以及有效载荷隐含特征。利用随机森林模型，筛选报文首部字段中工控网络流量分类的关键特征；利用一维卷积神经网络，提取流量有效载荷的隐含特征；两种特征融合完成流量分类，基于流量分类结果实现设备类型识别。实验结果表明，由该方法训练的模型可高效完成设备流量分类，准确识别工控设备类型。     

结合神经网络和数据融合技术的城市路段速度估计*

大部分基于浮动车GPS数据的速度估计模型仅适用于GPS数据采样时间间隔小、样本量空间分布密集的理想情况,无法准确计算样本量不足情况下的实时速度.根据浮动车GPS数据点在空间上的分布情况,提出组合三种速度估计模型,以最大限度地提高GPS数据利用率;考虑到GPS数据点在时间上分布不均,在GPS数据不足的情况下,结合神经网络预测和数据融合的技术,根据误差方差融合速度估计模型的测量值和神经网络拟合的预测值,以减少实时估计误差.选择广州市东风路作为测试实例,在高峰和平峰两种交通场景下比较了融合值、测量值和预测值的误差,结果表明结合神经网络和数据融合技术的城市路段速度估计精度和稳定性均优于速度估计模型.     

在线超声波流量监测系统设计及其应用

为解决地源热泵系统中的进出水流量测量,设计研究基于超声波时差法原理的非接触式在线流量监测装置。系统以STM32F407 ZE为主控制器,定时采集流量、完成数据封包、加密和远端服务器交互任务;以MSP430F2618为流量测量控制器,采用时差法以TDC-GP22精准测量超声波在介质中传播时间,实现管道流体流速、流量实时监测。系统测试结果实现流量数据测量及上传存储到远端服务器,满足地源热泵系统流量监测需求。     

计算机在流量计量中的应用

从实用的流量测量技术现状出发,把计算机高效、智能优势充分融入到工业常规的流量测量中。通过对计算机在流量仪表制造、数学模型的建立、装配调试、流量多参数的测量、提高流量测量精度、流量仪表远程维护、故障诊断,以及流量数据全智能补偿和流量表远程数据采集监控等方面的实际应用的分析,指出了未来流量测量技术与计算机技术相融合的发展前景,常规的流量测量将进入计算机时代,流量的测量将更加科学、准确。     

GA-BP神经网络在气压式相对高度计中的应用研究

为了提高相对高度测量的精确性,研究并实现了一种基于气压传感器阵列式测量和遗传算法(GA)优化反向传播(BP)神经网络数据融合处理的高精度气压式相对高度计,给出了相应的硬件结构和软件设计。结合实验测量的数据和相关文献的数据,从准确性、稳定性和通用性的角度对GA-BP神经网络、传统BP神经网络以及标准计算公式在气压式相对高度计中应用的性能进行了对比分析。研究结果表明,本文提出的基于GA-BP神经网络的相对高度计具有更高的测量精度、更高的稳定性和更好的推广能力,能够满足日常相对高度的实时测量需求。     

基于跨通道交叉融合和跨模块连接的轻量级卷积神经网络

针对传统卷积神经网络参数量过多、计算复杂度高的问题,提出了基于跨通道交叉融合和跨模块连接的轻量级卷积神经网络架构C-Net。首先,提出了跨通道交叉融合的方法,它在一定程度上克服了分组卷积中各分组之间存在缺乏信息流动的问题,简单高效地实现了不同分组之间的信息通信;其次,提出了一种跨模块连接的方法,它克服了传统轻量级架构中各基本构建块之间彼此独立的缺点,实现了同一阶段内具有相同分辨率特征映射的不同模块之间的信息融合,从而增强了特征提取能力;最后,基于提出的两种方法设计了一种新型的轻量级卷积神经网络架构C-Net。C-Net在Food_101数据集上的准确率为69.41%,在Caltech_256数据集上的准确率为63.93%。实验结果表明,与目前先进的轻量级卷积神经网络模型相比,C-Net降低了存储开销和计算复杂度。在Cifar_10数据集上的消融实验验证了所提出的两种方法的有效性。     

基于跨通道交叉融合和跨模块连接的轻量级卷积神经网络

针对传统卷积神经网络参数量过多、计算复杂度高的问题，提出了基于跨通道交叉融合和跨模块连接的轻量级卷积神经网络架构C-Net。首先，提出了跨通道交叉融合的方法，它在一定程度上克服了分组卷积中各分组之间存在缺乏信息流动的问题，简单高效地实现了不同分组之间的信息通信；其次，提出了一种跨模块连接的方法，它克服了传统轻量级架构中各基本构建块之间彼此独立的缺点，实现了同一阶段内具有相同分辨率特征映射的不同模块之间的信息融合，从而增强了特征提取能力；最后，基于提出的两种方法设计了一种新型的轻量级卷积神经网络架构C-Net。C-Net在Food_101数据集上的准确率为69.41%，在Caltech_256数据集上的准确率为63.93%。实验结果表明，与目前先进的轻量级卷积神经网络模型相比，C-Net降低了存储开销和计算复杂度。在Cifar_10数据集上的消融实验验证了所提出的两种方法的有效性。     

基于并联卷积神经网络的无人机遥感影像建筑区域测量

无人机遥感影像覆盖范围广,难以区分建筑区域与背景区域,导致无人机遥感影像建筑区域测量结果可靠性下降;以解决这一问题作为研究目标,提出了一种基于并联卷积神经网络的无人机遥感影像建筑区域测量方法;获取无人机遥感影像,通过静态输出、图像融合、去雾等环节完成遥感影像预处理;构建并联卷积神经网络,通过网络训练传播提取预处理后无人机遥感影像建筑区域边缘特征,经过特征匹配实现无人机遥感影像中建筑区域识别,结合面积计算结果得到建筑区域的测量结果;经过精度性能测试实验得出结论,在有雾和无雾环境下所提方法与传统区域测量方法相比的建筑区域测量误差分别降低了0.505 km²和0.305 km²,说明该方法的测量结果可靠性更高,可以广泛应用在无人机遥感影像建筑区域测量领域。     

多尺度变换像素级医学图像融合：研究进展、应用和挑战

基于多尺度变换的像素级图像融合是计算机视觉领域的研究热点,广泛应用于医学图像处理等领域。本文对多尺度变换的像素级图像融合进行综述,阐述多尺度变换图像融合的基本原理和框架。在多尺度分解方面,以时间为序梳理了塔式分解、小波变换和多尺度几何分析方法的发展历程。在融合规则方面,围绕Piella框架和Zhang框架,讨论通用的像素级图像融合框架;在低频子带融合规则方面,总结基于像素、区域、模糊理论、稀疏表示和聚焦测度的5种融合规则;在高频子带融合规则方面,综述基于像素、边缘、区域、稀疏表示和神经网络的5种融合规则。总结12种跨模态医学图像融合方式,讨论该领域面临的主要挑战,并对未来的发展方向进行展望。本文系统梳理了多尺度变换像素级图像融合过程中的多尺度分解方法和融合规则,以及多尺度变换在医学图像融合中的应用,对多尺度变换像素级医学图像融合方法的研究具有积极的指导意义。     

基于特征融合网络的自然场景文本检测

目前,基于深度学习的自然场景文本检测在复杂的背景下取得很好的效果,但难以准确检测到小尺度文本.本文针对此问题提出了一种基于特征融合的深度神经网络,该网络将传统深度神经网络中的高层特征与低层特征相融合,构建一种高级语义的神经网络.特征融合网络利用网络高层的强语义信息来提高网络的整体性能,并通过多个输出层直接预测不同尺度的文本.在ICDAR2011和ICDAR2013数据集上的实验表明,本文的方法对于小尺度的文本,定位效果显著.同时,本文所提的方法在自然场景文本检测中具有较高的定位准确性和鲁棒性,F值在两个数据集上均达到0.83.     

.基于多级神经网络的被动声定位算法研究*

为了解决精确数学模型难以建立且求解位置方程时的非线性问题和多阵列数据融合问题,提出基于多级神经网络的被动声定位算法。该算法通过第一级RBF神经网络对声源进行初次定位,并剔除无效数据;再将有效数据输入第二级RBF神经网络,得到置信度更高的声源坐标。仿真结果表明,基于多级神经网络的被动声定位算法定位精度高、速度快,鲁棒性好,其定位性能优于单RBF神经网络和常规算法,甚至在个别传感器失效时,仍然能够取得较好的定位效果。     

基于拉普拉斯金字塔和CNN的医学图像融合算法

医学图像融合技术因其包含多模态的图像信息,在临床应用中起着越来越重要的作用。医学图像融合效果符合人类视觉感知,减少先验知识对融合效果的影响和增强细节表现力一直是努力的方向。提出基于拉普拉斯金字塔和卷积神经网络的医学图像融合方法,针对图像伪影的问题采用区域拉普拉斯金字塔,为保存更多的细节信息并使参数自适应,对卷积神经网络进行改进。将源图像分别输入区域拉普拉斯金字塔进行分解,采用改进的卷积神经网络生成最优权重图指导融合过程,通过逆过程生成融合图像。实验结果表明,提出的方法在主观视觉和客观评价指标上都取得了良好的融合效果。     

基于多传感器信息融合的球团密度检测系统

提出了一种基于多传感器融合的球团密度在线测量新方法。该方法以模糊神经网络技术为基础,综合考虑制团过程各因素对球团密度的影响,建立起球团密度的模糊神经网络融合模型。研制了以TI公司TMS320F240DSP为核心的检测系统,并进行了实验,实验结果表明检测系统输出与实验室分析测量值基本一致。