基于图像处理的气液两相流流型识别

提出了一种计算机自动准确识别流型的新方法。该方法利用高速电荷耦合器件（CCD）获取
管道内气液两相流的流动图像,经过图像处理后,提取二值化图像中气泡的面积、宽度、高度和中心坐标
,结合模糊推理方法对流动图像进行流型识别。实验结果表明,该方法能够自动有效地识别水平管道内的
多种基本流型,识别准确率分别为：气泡流93.3％,塞状流85.3％,分层流97.3％,弹状流98.6％,雾环
状流92.7％,识别图像速度约为22帧/s.     

螺旋管内气—液两相流流型转换特性试验研究

以空气和水为介质，在压力０．１－０．６ＭＰａ范围内对螺旋管内气－液两相流流型及其转换特性作了认真的试验研究。试验中采用压差波动测定流型，通过详细分析整理大量试验数据，获得了不同流型下的压差波动信号，绘制了不同螺旋直径、不同螺旋角度下的流型图，并通过对试验数据计算、回归分析得到了三种主要流型的转换关系式，借助图形叠加技术，直观指出螺旋管螺旋直径、螺旋升角对流型转换的影响，在低温低压下，对工程实际具有     

基于连续小波变换和RBF神经网络的气液两相流流型识别方法

针对气液两相流压差波动信号的非平稳特征,提出了以多尺度连续小波变换值矩阵的奇异值为特征矢量的流型识别方法。首先对气液两相流压差波动信号进行连续小波变换,得到初始特征向量矩阵。然后对初始特征向量矩阵进行奇异值分解得到矩阵的奇异值,将其作为流型的特征向量,再结合RBF神经网络形成流型的智能识别方法。对水平管内空气-水两相流4种流型的识别结果表明该方法能够有效地识别流型。     

压力波动信号在气(汽)液两相流流型识别中的应用

介绍了近年来通过压力(压差)波动过程实现气(汽)液两相流流型识别的最新研究成果.重点介绍了两相流流型的流型图,流型转换准则、压力波动机理以及不同流型识别方法,并对不同流型识别方法进行总结和分析,指出了流型识别方法现在存在的问题及今后的研究方向.     

水平管气液两相流流型的压差波动特征

气液两相流的流型对其流动和传热特性有很大影响，所以如何确定流型一直是两相流研究中的重要课题。通过大量实验，测量了各流型在各种工况下的一些流动参数，包括：压力、温度、各相的流量以及实验段的压差波动时间序列。通过对实验段压差波动信号的分析发现，压差波动信号能很客观地提供流型的信息，可以用来识别流型。     

摇摆状态下水平管内气液两相流流型转换研究

以空气和水为工质,对摇摆状态下管径为25mm有机玻璃管内两相流流型转换规律进行了实验和理论研究.依据稳态条件下的流型转换机理,通过考虑摇摆引起的附加惯性力的作用,确定了影响分散泡状流和环状流型转换的主要因素,进而提出摇摆状态下分散泡状流向泡状流或间歇流和环状流向分层流 间歇流或间歇流型转换的准则关系式.并将该理论模型与实验数据以及稳态条件下的半理论公式进行了比较,结果表明新准则关系式要比稳态关系式能更好地预测摇摆状态下流型转换边界.     

螺旋管内气－液两相流流型转换特性试验研究

以空气和水为介质，在压力０．１～０．６ＭＰａ范围内对螺旋管内气—液两相流流型及其转换特性作了认真的试验研究。试验中采用压差波动法测定流型，通过详细分析整理大量试验数据，获得了不同流型下的压差波动信号，绘制了不同螺旋直径、不同螺旋升角下的流型图，并通过对试验数据计算、回归分析得到了三种主要流型的转换关系式，借助图形叠加技术，直观指出螺旋管螺旋直径、螺旋升角对流型转换的影响，在低温低压下，对工程实际具有指导意义。     

基于脉动能的微管道中气液两相流流型的识别

基于小波分析流型的识别方法一般是采用各尺度能量作为特征值,但它易受外界条件的影响.作者在微管道中两相流的研究中,重新定义了一个脉动能并以此作为特征值,结合改进的BP神经网络对流型进行识别.实验表明,采用脉动能作为特征值不易受压力绝对值的影响,在微管道中气液两相流流型的识别过程中取得了比较好的结果.     

气液两相流流型的ECT软测量技术

提出一种基于ECT技术的气液两相流流型判别软测量模型．以ECT传感器输出中提取的特征参数作为软测量模型中的辅助变量，气液两相流的流型作为模型中的主导变量，利用人工神经网络建立了主导变量和辅助变量之间的数学关系，进而实现对气液两相流流型的在线判别，仿真结果表明，此方法判别精度高、判别速度快，为两相流流型的在线辨识提供了一种有效的手段。     

一种基于小波包主成分分析的语音情感识别方法

在语音情感识别中,由于特征参数的提取直接影响到最终的识别效率,从原始语音信号中提取特征参数是非常重要的。但是本文中提取的特征维数太多,导致特征匹配时过于复杂,消耗系统资源,不得不采用特征降维的方法。本文主要是研究一种在小波包变换的基础上通过特征降维来提高语音情感识别效果的方法,为此本文在德国库EMODB的基础上,通过小波包变换提取出语音的情感特征参数,然后利用主成分分析法对特征参数进行降维,最后利用支持向量机进行训练和测试。通过实验,获得了较好的识别效果。     

基于小波包主元分析的表面肌电信号特征识别

针对表面肌电信号(SEMG)的非平稳性及小波包变换系数维数过高的问题,提出一种小波包主元分析和线性判别分析相结合的表面肌电信号动作特征识别新方法。以表面肌电信号用于智能轮椅为例,对采集到的两路SEMG信号进行小波包主元分析,提取SEMG信号的运动特征矩阵,并将运动特征矩阵输入到线性判别分类器进行分类,实现了前臂动作识别。试验表明:该方法能够将小波包系数矩阵由16维降到4维,并且对前臂的四种动作模式(握拳、展拳、手腕内翻和手腕外翻)的平均正确识别率达98%,与传统的小波包变换相比有较高的识别率。     

基于广义主成分分析的步态识别算法研究

步态识别是根据人行走方式的不同对人的身份进行识别的.通过背景减除实现人体检测,运用形态学操作和图形几何变换实现了图像的标准中心化.在特征提取阶段使用步态能量图(GEI)来描述每个步态序列,分别使用主成分分析、二维主成分分析、完全的二维主成分分析以及加权完全的二维主成分分析对特征进行降维,最后采用最近邻分类器来测试识别结果作对比研究.实验结果表明权衡计算量和识别率,二维主成分分析对于GEI的步态识别比较有效,识别率可达95.43%.     

基于多向核主元分析的青霉素生产过程在线监测

基于传统主元分析（PCA）方法的过程监测算法假定过程是线性的，对于具有强非线性的生产过程，应用其进行在线监测出现误报率过高的现象.为此提出了一种多向核主元分析（MKPCA）算法用于间歇过程的建模与在线监测.利用PenSim2.0软件将青霉素间歇生产过程的三向数据按批次方向展开为二向数据并进行标准化，采用MKPCA算法建立过程模型并用于过程的在线监测，计算T2、SPE统计量及相应的控制限.仿真结果表明，与传统PCA算法相比，MKPCA算法具有更好的监测性能，不仅大大降低了正常运行过程的误报率，而且能够较早地检测出过程中存在的底物流加速率与搅拌功率故障.MKPCA可以有效处理间歇过程批次间存在的非线性属性，获取过程变量间的非线性关系.     

基于小波包分析的输电塔螺栓松动损伤识别方法

高压输电铁塔结构健康监测对保证输电线路安全运行具有重要意义,输电塔结构发生破坏时,节点板螺栓首先会发生松脱,有必要对节点板上的螺栓进行损伤识别。用ABAQUS有限元分析软件建立输电塔结构多尺度模型,利用小波包变换,引入小波包能量变化率作为损伤识别指标,提取出螺栓周围测点的动应变数据,对塔腿处一块节点板螺栓松动的不同工况进行损伤识别;以基于物联网技术的传感器为信号传输设备,利用高精度的PVDF压电薄膜应变片为数据采集设备,在实际输电塔结构底部施加激励荷载,提取节点板上测点的动应变对该损伤识别方法进行试验验证。结果表明,该损伤识别指标对测点附近的螺栓松动较敏感,并且在所有测点处的最小值能较好地识别出节点板的损伤程度。     

黏弹性管道中气液两相瞬变流实验及模型

为了给管道安全设计提供建议,以及使基于瞬变流理论的管道故障检测技术在黏弹性输水管道中得以应用,对黏弹性管道中气液两相瞬变流进行研究.首先,在重力流有机玻璃管道中进行快关阀气液两相瞬变流实验.其次,以离散蒸汽空腔模型(DVCM)和离散气体空腔模型(DGCM)为基础,用体积含气率对瞬变流波速进行修正,建立两个将非稳定摩阻和管壁黏弹性影响考虑在内的一维气液两相瞬变流模型.实验和模型结果表明:在初始流型为泡状流的低压系统中,DVCM能准确模拟实验波速,而DGCM求得的平均波速值比实验波速大.在模拟初始流型为泡状流的瞬变流时,DVCM模拟结果与实验值吻合得很好,而DGCM模拟结果的最大峰值更大,对管道设计来讲更为安全;在气液两相瞬变流过程中,气体的可压缩性使得管壁的黏弹性效应对压力的衰减作用大为削弱,导致非稳定摩阻的影响不可忽略,且由于气体存在使得整个瞬变流过程中压力衰减变慢.     

基于小波包和支持向量机的ERT系统流型识别

两相流体具有复杂的流动特性,流型的准确识别是两相流参数准确测量的基础,是两相流研究的重点内容之一.本文首先采用小波包分析方法对ERT系统中的测量数据进行特征提取,然后将提取的特征数据输入支持向量机多类分类模型,对两相流的4种流型进行识别.仿真实验证明小波包分析和支持向量机的结合是两相流流型识别领域的一种有效方法.     

基于电容层析成像和LS-SVM的空隙率测量

基于12电极电容层析成像（ECT）和最小二乘支持向量机（LS-SVM），提出了一种油气两相流空隙率在线测量的新方法.该方法运用快速的线性反投影算法重建两相流截面图像，结合模糊模式识别技术辨识流型.把ECT电容传感器得到的66个电容测量值作为空隙率测量模型的输入，利用LS-SVM建立了针对不同截面流型的空隙率测量模型.在实际测量时，首先辨识流型，然后选择与流型相对应的空隙率测量模型计算获得空隙率.该方法省去了采用传统ECT方法测量空隙率时复杂的图像重建过程，提高了空隙率测量的实时性.实验结果表明该测量方法是有效的.     

Predicting configuration performance of modular product family using principal component analysis and support vector machine

A novel configuration performance prediction approach with combination of principal component analysis（PCA） and support vector machine（SVM） was proposed.This method can estimate the performance parameter values of a newly configured product through soft computing technique instead of practical test experiments,which helps to evaluate whether or not the product variant can satisfy the customers＇ individual requirements.The PCA technique was used to reduce and orthogonalize the module parameters that affect the product performance.Then,these extracted features were used as new input variables in SVM model to mine knowledge from the limited existing product data.The performance values of a newly configured product can be predicted by means of the trained SVM models.This PCA-SVM method can ensure that the performance prediction is executed rapidly and accurately,even under the small sample conditions.The applicability of the proposed method was verified on a family of plate electrostatic precipitators.     

矩阵填充与主元分析在受损图像配准中的应用

本文提出了一种有效的针对受损图像(元素丢失)的图像配准方法。利用矩阵填充技术将受损图像的丢失元素恢复,然后将主元分析法(PCA)应用于尺度不变特征变换(SIFT)中进行图像的配准。针对SIFT算法采用128维特征向量表示特征点,存储空间、匹配时间与特征点数量成正比,文本采用主元分析法对多维特征向量进行降维处理,以提高运算效率;并采用高斯加权欧氏距离代替欧氏距离进行特征点的匹配。实验结果表明,该算法具有较好的稳定性、准确率和匹配速度,针对受损图像配准具有较好的鲁棒性,可应用在基于内容的图像与视频检索等机器视觉领域。