基于特征提取和神经网络的ECT流型辨识的研究

来源 :哈尔滨理工大学 | 被引量 : 0次 | 上传用户:sdcwsjy
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
两相流识别技术在工业上有很高的应用价值,其发展前景也不可小觑。随着计算机技术和信号识别技术的迅猛发展,电容层析成像技术近年来得到快速发展。电容层析成像(ECT)技术是基于电容敏感机理的过程成像技术,其具有非辐射、非侵入、响应速度快、结构简单、成本低、适用范围广、安全性能好等优点。ECT系统中的流型辨识技术是电容层析成像技术中一项重要技术。本文以12电极电容层析成像系统和油/水两相流为研究对象,在研究了大量ECT流型辨识方法和对实验数据进行分析的基础上,提出了新的流型特征参数,并对这些特征参数进行了分析比对。同时,与近年来流行的神经网络技术相结合,将通过特征提取后的参数作为神经网络的输入,在Matlab中进行了建模、仿真和训练神经网络。本文实现了两种神经网络模型,分别是BP神经网络和RBF神经网络。通过建模和仿真,并且对大量实验样本数据进行测试,本文对油/水两相流中的6种经典流型进行了实验。实验结果表明,使用特征提取后的特征参数作为神经网络的输入,基于特征提取的神经网络流型辨识方法的无论在效率还是准确率都比以往的流型辨识方法高。本文提出的两相流流型辨识的研究和分析方法使得两相流流型辨识理论有了一定的发展,也将会为电容层析成像技术能够在工业上得到广泛应用提供有利的帮助。
其他文献
近年来我国制造行业飞速发展,钣金、制衣、玻璃、造纸等行业均涉及到切割工艺。排样问题是在有限的原材料上寻求科学、有效的方法切割出更多的零件。优化设计排样可以降低企
随着计算机技术的发展和CAD的广泛应用,类似于PDM(Product Data Management,产品数据管理)系统的信息管理系统不断涌现,BOM系统作为ERP系统的一个重要环节,由于其使用周期长,
数据挖掘是从大量数据中发现潜在的有价值的知识,其主要任务包括回归分析(Regression)、关联分析(Association rule learning)、分类分析(Classification)、聚类分析(Cluster
随着信息技术的发展,互联网成为人们获取信息的重要来源。搜索引擎作为互联网信息检索的入口,在信息获取的过程中扮演着举足轻重的角色。搜索引擎排名算法负责将最有价值的网
目前,随着教育行业的不断发展,高考指挥工作面临着巨大的管理方面的压力,尤其是高考指挥工作的多元化,使得工作人员不得不利用很多系统来完成工作,这些系统相互独立运行,形成
人脸识别是一个典型的图像模式分析、理解与分类计算问题,涉及到模式识别,计算机视觉,人机交互,统计学习,认知科学等多个学科,是模式识别领域研究的热点和难点之一。同时,作
推荐系统可以帮助用户发现感兴趣的信息,有效解决信息过载问题,推荐系统得到了广泛的研究与应用。与此同时,推荐系统中的隐私问题也日益受到人们的重视。对于推荐系统来说,尽
随着网络的开放性和计算机能力的提高,越来越多的数字信息在网络上传输、处理,并深入到生活、工作、学习的方方面面。由于数字信息具有易修改和易复制等特点,数字信息在不安
多传感器数据融合问题已经引起许多学者的广泛关注。通常,压力传感器都存在交叉灵敏度,其主要表现在传感器静态特性不仅受目标参量的影响而且还受多个非目标参量的影响。由于
随着我国工业生产水平的发展,很多新技术也得到了应用,而测量技术在工业生产领域内有着十分重要的作用。传统的测量方法测量效率与精度较低,无法满足现代工业的要求。而精确