导读:本文包含了流型辨识论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:层析,两相,电容,神经网络,稀疏,传感器,希尔伯特。
流型辨识论文文献综述
宋亚杰[1]（2019）在《电容层析成像图像重建算法及流型辨识研究》一文中研究指出电容层析成像技术(Electrical Capacitance Tomography,ECT)是过程层析成像技术(Process Tomography,PT)的一个重要分支,主要用于管道及容器内部多相流的实时成像。作为一种新兴技术,ECT具有低成本、非侵入、实时性强、操作简单等优势,而且由于目前计算机技术的高速发展,其成像速度和精度都得到较大提高,因此ECT技术已成为一种多相流检测领域的重要手段。本课题将围绕ECT系统图像重建算法和流型辨识展开研究,主要工作及成果如下:1.研究了基于稀疏性的ECT图像重建算法。ECT图像重建具有非线性和病态性,直接影响图像重建的精度。工业生产中,部分ECT图像本身具有稀疏性,将压缩感知(Compressed Sensing,CS)理论的稀疏重建算法直接应用于ECT图像重建,可以有效克服ECT图像重建的非线性和病态性。本课题以稀疏梯度投影算法(Barzilai-Borwein Gradient Projection for Sparse Reconstruction,GPSR-BB)为例,由仿真和静态实验可知,该算法可有效区别多个物体,边缘信息保真度较高;2.研究了基于稀疏性的ECT流型辨识算法。将归一化后的测量电容值信号用训练样本集进行稀疏表示,使其具有稀疏性并满足压缩感知理论应用的基本要求,以压缩感知的正交匹配追踪算法(Orthogonal Matching Pursuit,OMP)求取各标准样本对应于训练样本集的稀疏解;最后根据待测样本和标准样本稀疏解之间的线性相关程度来判别待测流型的归属种类。通过仿真和静态实验可知,该方法具有较强的抗干扰能力,流型辨识精度基本可满足工业生产的要求。(本文来源于《华北电力大学》期刊2019-03-01）
陈显舟,杨旭,方海,白琳,陈周[2]（2018）在《基于阵列流型盲辨识的MIMO雷达二维DOD和二维DOA联合估计》一文中研究指出MIMO(Multiple Input Multiple Output)雷达基于分集增益理念,使其相对于相控阵雷达,在目标探测、参数测量、多目标分辨及干扰识别和抑制等方面具有明显优势.目标角度估计是雷达目标参数测量的核心内容,也是雷达对空域目标进行定位和跟踪的前提.本文基于双L型阵列,提出了一种高精度低复杂度的双基地MIMO雷达二维离开角和二维到达角联合估计的新算法.通过对匹配滤波后的阵列接收数据进行子空间分解,实现了阵列流形矩阵的盲辨识,进而获得目标二维到达角和二维离开角的闭式解.所提算法估得的收发四维角(二维离开角和二维到达角)能够自动配对,与2-D ESPRIT(Two Dimensional Estimating Signal Parameters via Rotational Invariance Techniques)算法相比,运算复杂度约是其叁分之一,角估计性能相当.仿真实验证明了所提算法以较低的运算复杂度,实现了对目标收发四维角的高精度联合估计.(本文来源于《电子学报》期刊2018年09期）
王莉莉,刘洪波,陈德运,冯其帅[3]（2018）在《自适应与附加动量BP神经网络的ECT流型辨识》一文中研究指出传统BP神经网络是解决电容层析成像系统流型辨识经典的算法,虽然在一些简单问题上达到了工业实际应用的要求,但如果解决复杂工业问题时就会暴露出很多缺陷。针对传统BP神经网络算法的不足,为降低误差震荡现象,引入了自适应调节学习速率和附加动量因子。通过输入电容值进行训练,得到适合流型识别神经网络。仿真实验结果表明,该算法不仅继承传统BP神经网络的优点,而且还提高了ECT系统流型辨识中的收敛速度慢,解决了容易陷入局部极小值的问题。(本文来源于《哈尔滨理工大学学报》期刊2018年01期）
盛碧霞,冀海峰,王保良,黄志尧,李海青[4]（2017）在《基于新型C~4 D的小管道气液两相流流型辨识方法》一文中研究指出基于径向结构的电容耦合式非接触电阻抗检测传感器,结合小波包分析技术和K-均值聚类算法,提出一种小管道气液两相流流型辨识方法。首先,利用径向结构的电容耦合式非接触电阻抗检测传感器,获取反映被测流体信息的电阻抗测量信号实部信息和虚部信息。然后,采用小波包分解的信号处理技术将实部信息和虚部信息分别分为4个频率段,提取不同频率范围的能量分布情况,并与各自的均值、方差构成特征向量。最后,利用K-均值聚类算法进行模式分类,建立流型辨识模型。在内径为3.5 mm和5.5 mm的玻璃管道内进行验证实验,实验结果表明,所获得的传感器测量信号能反映流体流动信息,提出的流型辨识技术路线是有效的,流型辨识精度可达88%以上。(本文来源于《北京航空航天大学学报》期刊2017年11期）
李凯锋,王保良,黄志尧,冀海峰,李海青[5]（2017）在《K-均值聚类在CCERT系统流型辨识中的应用》一文中研究指出流型是气水两相流的重要参数之一,对气水两相流的流动影响很大。基于电容耦合电阻层析成像(CCERT)系统,以水平管道气水两相流流型为研究对象,利用主成分分析(PCA)方法提取不同流型下采集到的电导率信息的主成分,消除不同电极对之间信号的冗余,进而结合K-均值聚类算法实现流型辨识。实验结果表明,该方法具有较高准确度,对于水平管道泡状流、层状流和环状流3种典型的气水两相流流型的静态辨识准确率可以分别达到97%、96%和99%,动态辨识准确率可以分别达到92%、90%和87%。(本文来源于《北京航空航天大学学报》期刊2017年11期）
傅绍棠[6]（2017）在《基于小波分析的气力提升系统流型辨识研究》一文中研究指出作为特殊类型泵,气力提升泵主要被用在传统泵不能发挥作用的场合。如抽取粒状、块状固体颗粒和腐蚀性液体等。因对气力提升系统流场结构方面的研究不够完善,气力提升泵存在应用性能偏低的问题,为改善此问题,本文以气力提升泵提升管内气液两相流和气液固叁相流做研究对象,对流型的特征、转变机理、以及基于小波分析提取各流型的特征进行流型辨识研究,结果表明:研究了提升管内气液两相流流型的特征和转换机理,得出随着进气量的增大,管内流型的转变顺序分别为:泡状流、弹状流、泡沫流、环状流。对气-液-固叁相流流型的特征及转换机理进行了分析,研究表明,聚泡流最有利于固体颗粒的提升,随着进气量的增大,气液固叁相流流型的转变顺序为:弹旋流、旋涡流、波浪流、聚泡流、环柱流。基于小波分析对流型特征值提取的方法,能有效对流型进行识别。在气液两相流流型中,主要通过四种流型在1子频带上,及在2、3、4、7四个子频带中的能量分布差异,可很好对四种流型进行识别。在气液固叁相流中,五种流型能量差异最主要表现在1、2子频带中,以及根据3、4、5、6、7、8子频带中能量的不同分布,也实现了对五种流型的辩识。通过对气液两相流和气液固叁相流的流型信号实例进行辨识,结果整体辨识率分别达到91.4%、88.1%,达到识别效果。研究成果,丰富了气力提升系统的流场结构理论,对其在工程中应用有重要意义。(本文来源于《湖南工业大学》期刊2017-06-01）
张明奎[7]（2017）在《基于止回阀声音信号的气液两相流流型智能辨识方法研究》一文中研究指出气液两相流广泛存在于自然界和工业生产中,在石油的输送管道中更为常见。石油作为一种重要能源,在国民经济和工业发展中都占有重要地位,因此对于石油输送管道的安全监测就显得尤为重要。石油管道的安全监测从本质上讲就是检测管道内的气液两相流动状态,识别出故障信息并及时发出预警。石油管道内的气液两相流型是油气管道输送安全监测的重要参数之一,由于气液两相流的复杂性和易燃易爆的危险性,至今流型识别还没有得到很好的解决。本文提出了一种基于止回阀内声音信号,辨识气液两相流型的新方法。参照石油输送的实际工况,设计制作了适用于实验研究的止回阀,搭建了可视化的实验平台,利用水和空气模拟产生了液相流、气相流、弹状流和混状流四种不同的流型。采集了这四种流型经过止回阀时产生的声音信号。通过设置合理的采样时间和频率,对获得的信号进行了采样,提高了信号处理效率。根据气液两相流的非线性特性,选用希尔伯特-黄变换(HHT)作为声音信号的处理方法。声音信号经过采样之后,利用EMD去噪算法降低了采样信号的噪声,并对去噪后的声音信号进行了重构。再对重构信号进行EMD和希尔伯特谱分析,得到了信号的IMF分量、希尔伯特谱和希尔伯特边际谱等能量特征。研究发现,第3个IMF分量及其希尔伯特谱的能量和重构信号边际谱的能量能够反映不同流型的特征。因此,选择这叁项特征数据绘制了二维和叁维流型图。实验表明,利用止回阀内声音信号特征所绘制的流型图,辨识准确率在98.1%以上。为了进一步完善本方法,实现对气液两相流型的智能辨识。本文选择了人工神经网络作为流型智能辨识的分类器,设计了误差反向传播(BP)神经网络模型。设定用于绘制流型图的叁种能量特征作为输入,四种流型为输出,选择多组数据对神经网络进行了训练。学习后的神经网络对流型的辨识准确率达到了 97.5%,实现了对流型的智能识别。本文提出的基于止回阀声音信号的气液两相流流型识别方法具有较好的推广应用前景。(本文来源于《山东大学》期刊2017-04-15）
刘洪波[8]（2017）在《电容层析成像流型辨识与图像重建》一文中研究指出电容层析成像技术(Electrical Capacitance Tomography,ECT)是过程层析成像技术的一个分支,可应用于工业密闭管道的多相流检测及精密测试领域的计量和分析。ECT具有成本低、非辐射、响应速度快、结构简单和非侵入等优点,对推动工业发展具有重要意义。近年来,由于计算机技术飞速发展,软硬件技术都得到数量级的提升,对管道内流体的可视化技术进一步的深入研究具有十分重要的理论意义和实际应用价值。本文主要围绕ECT系统流型辨识和图像重建展开深入的研究。论文主要工作如下:首先,针对ECT系统的叁大组成结构分别进行分析。给出了ECT系统的数学模型以及灵敏度分布函数,基于图像重建原理对ECT系统展开分析,为论文研究提供理论依据。其次,基于传感器的对称结构,对采集的电容值进行分析,采用提取特征值方法降低输入参数的维数,并分析BP神经网络多前馈和拓扑结构,对传统BP神经网络进行改进,针对学习速率慢问题,提出自适应学习速率方案,针对容易产生局部极小值问题,提出附加动量方案。采用改进的BP神经网络算法进行流型辨识,效果理想.最后,针对图像重建精度不高的问题,本文结合近似共轭梯度追踪算法中追踪方向的优点,以及分段弱阈值共轭梯度追踪算法能够减少迭代次数的优点进行综合分析,采用谱投影梯度追踪算法对图像进行重建,并与线性反投影算法(Linear Back Projection,LBP)重建算法结果进行比较,通过误差和迭代结果可知,本算法重建效果良好。(本文来源于《哈尔滨理工大学》期刊2017-03-01）
李华军,冀海峰,黄志尧,王保良,李海青[9]（2016）在《基于阵列传感器的小管道气液两相流流型辨识》一文中研究指出本文基于光电二极管阵列传感器与Fisher判别分析(FDA),提出了一种新的小管道气液两相流流型辨识方法。该方法采用片状激光照射透明管道,利用光电二极管阵列传感器接收透射激光分布信号。通过提取信号的特征向量,采用FDA训练得到流型分类器,从而实现两相流流型辨识。本实验针对四种典型流型,在四种不同内径的小管道内进行实验研究。实验结果表明提出的基于光电二极管阵列传感器与FDA判别分析的流型辨识方法是可行的,四种流型辨识精度均高于90%。(本文来源于《工程热物理学报》期刊2016年09期）
王静文,王旭[10]（2016）在《基于信号稀疏性的EMT流型辨识》一文中研究指出针对电磁层析成像流型识别率低的问题,提出基于信号稀疏性的EMT流型辨识方法.在Maxwell方程组电磁感应原理基础之上,用Comsol有限元仿真软件建立了带有8个电磁线圈的仿真模型.首先建立了几种不同流型的仿真模型并测量其电压值,将测量电压归一化后作为EMT流型辨识的判别依据;然后将其表示为稀疏性组合;最后通过信号稀疏性建立的数学模型求得最优解,从而实现流型归属.实验结果表明:本文方法能对环流、核心流等进行识别,且识别率较高,是一种值得进一步研究和推广的方法.(本文来源于《东北大学学报(自然科学版)》期刊2016年01期）
流型辨识论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
MIMO(Multiple Input Multiple Output)雷达基于分集增益理念,使其相对于相控阵雷达,在目标探测、参数测量、多目标分辨及干扰识别和抑制等方面具有明显优势.目标角度估计是雷达目标参数测量的核心内容,也是雷达对空域目标进行定位和跟踪的前提.本文基于双L型阵列,提出了一种高精度低复杂度的双基地MIMO雷达二维离开角和二维到达角联合估计的新算法.通过对匹配滤波后的阵列接收数据进行子空间分解,实现了阵列流形矩阵的盲辨识,进而获得目标二维到达角和二维离开角的闭式解.所提算法估得的收发四维角(二维离开角和二维到达角)能够自动配对,与2-D ESPRIT(Two Dimensional Estimating Signal Parameters via Rotational Invariance Techniques)算法相比,运算复杂度约是其叁分之一,角估计性能相当.仿真实验证明了所提算法以较低的运算复杂度,实现了对目标收发四维角的高精度联合估计.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
流型辨识论文参考文献
[1].宋亚杰.电容层析成像图像重建算法及流型辨识研究[D].华北电力大学.2019
[2].陈显舟,杨旭,方海,白琳,陈周.基于阵列流型盲辨识的MIMO雷达二维DOD和二维DOA联合估计[J].电子学报.2018
[3].王莉莉,刘洪波,陈德运,冯其帅.自适应与附加动量BP神经网络的ECT流型辨识[J].哈尔滨理工大学学报.2018
[4].盛碧霞,冀海峰,王保良,黄志尧,李海青.基于新型C~4D的小管道气液两相流流型辨识方法[J].北京航空航天大学学报.2017
[5].李凯锋,王保良,黄志尧,冀海峰,李海青.K-均值聚类在CCERT系统流型辨识中的应用[J].北京航空航天大学学报.2017
[6].傅绍棠.基于小波分析的气力提升系统流型辨识研究[D].湖南工业大学.2017
[7].张明奎.基于止回阀声音信号的气液两相流流型智能辨识方法研究[D].山东大学.2017
[8].刘洪波.电容层析成像流型辨识与图像重建[D].哈尔滨理工大学.2017
[9].李华军,冀海峰,黄志尧,王保良,李海青.基于阵列传感器的小管道气液两相流流型辨识[J].工程热物理学报.2016
[10].王静文,王旭.基于信号稀疏性的EMT流型辨识[J].东北大学学报(自然科学版).2016
论文知识图
