学位论文 > 优秀研究生学位论文题录展示

基于电导波动信号的油水两相流流型识别

作　者: 张松林
导　师: 周云龙
学　校: 东北电力大学
专　业: 检测技术与自动化装置
关键词: 油水两相流流型识别小波包分解经验模式分解神经网络
分类号: O359
类　型: 硕士论文
年　份: 2011年
下　载: 39次
引　用: 0次
阅　读: 论文下载

内容摘要

油水两相流广泛存在于现代工业生产之中,其流型对其流动及传热特性有很大的影响,因此如何确定两相流的流型一直是两相流研究中的一个重要课题。传统的油水两相流流型识别方法主要有两种:一种是采用人为观察或测量的方法;另一种是利用流型转变准则或流型图的方法。传统的流型识别方法不但受到主观因素的影响,而且不能实现流型的在线识别,因此需要改进传统的识别方法。本文在油水两相流实验台上进行了实验研究,并对获得的垂直上升管油水两相流的电导波动信号进行了分析。而且将小波变换、小波包分解、EMD分解以及神经网络应用到流型识别中,从实验和理论两个方面,系统地探讨了流型的智能识别方法。首先利用小波变换对电导波动信号进行去噪,然后应用小波包分解、EMD分解对流型电导波动信号进行分析,提取小波包能量、IMF能量作为流型特征,再采用BP、RBF、改进RBF和Elman神经网络识别模型作为油水两相流流型的模式分类器。最后将提取的不同特征向量的训练样本分别送入BP、RBF、改进RBF和Elman神经网络中进行训练,利用训练好的模型作为流型识别分类器。对测试样本的识别结果表明,发现基于IMF能量和改进RBF神经网络的识别效果最好。本文从理论上和技术上为气液两相流流型的智能识别开辟了一条新的途径。

全文目录

摘要  6-7
Abstract  7-10
第1章绪论  10-16
  1.1 油水两相流检测的背景和意义  10-11
  1.2 国内外的研究动态及发展趋势  11-14
  1.3 存在的主要问题  14
  1.4 本课题的主要研究内容  14-16
第2章传感器装置与实验系统  16-26
  2.1 几种常见测量方法简介  16-20
    2.1.1 目测法  16-17
    2.1.2 高速摄影法  17
    2.1.3 射线衰减法  17-18
    2.1.4 接触探头法  18-19
    2.1.5 电容层析成像  19-20
    2.1.6 压差波动法  20
  2.2 优缺点对比及实验方法的最终确定  20-22
    2.2.1 六种测量方法的优缺点对比  20-21
    2.2.2 实验方法的最终确定  21-22
  2.3 实验装置及工况  22-24
    2.3.1 实验台简介  22-23
    2.3.2 电导探针的制作工艺  23
    2.3.3 电导探针测量系统的测量原理  23-24
  2.4 实验步骤  24
  2.5 原始信号分析  24-25
  2.6 本章小结  25-26
第3章基于现代信号处理的流型特征提取  26-43
  3.1 小波基本理论  26-29
    3.1.1 离散二进小波变换  26-27
    3.1.2 基于小波的多分辨分析  27-28
    3.1.3 小波分解和重构的Mallat 算法  28-29
  3.2 小波去噪原理  29-35
    3.2.1 常见的小波阈值规则简介  30
    3.2.2 仿真信号的小波去噪  30-32
    3.2.3 油水两相流电导波动信号的小波去噪  32-35
  3.3 小波包分解及特征提取  35-38
    3.3.1 小波包分解算法简介  35-36
    3.3.2 小波包能量特征提取  36-38
  3.4 经验模式分解算法简介及特征提取  38-42
    3.4.1 经验模式分解算法  38-41
    3.4.2 各模态能量特征的提取  41-42
  3.5 本章小结  42-43
第4章人工神经网络流型识别模型  43-55
  4.1 BP 神经网络简介  43-46
    4.1.1 BP 网络的结构  43-44
    4.1.2 BP 神经网络的算法  44-46
  4.2 径向基函数网络模型  46-49
    4.2.1 径向基函数网络结构  46-47
    4.2.2 RBF 网络的训练算法  47-49
  4.3 传统RBF 神经网络的改进  49-51
    4.3.1 改进RBF 的设计思想  49-50
    4.3.2 改进RBF 的学习算法  50-51
  4.4 传统RBF 及改进RBF 流型识别网络的建立及性能对比  51-52
  4.5 Elman 神经网络模型  52-54
    4.5.1 Elman 神经网络结构及算法  52-53
    4.5.2 IMF 特征能量训练及识别  53-54
  4.6 几种模型的比较  54
  4.7 本章小结  54-55
结论  55-56
参考文献  56-60
攻读学位期间取得的研究成果及发表的学术论文  60-61
致谢  61

基于电导波动信号的油水两相流流型识别

内容摘要

全文目录

相似论文