基于HMM和小波包分解的气液两相流流型识别

为了研究垂直上升管中气液两相流的流型,利用自制的多电导探针测量系统采集4种典型流型的电导波动信息,提出了基于HMM和小波包分解的气液两相流流型识别方法.首先应用小波包分解对电导波动信号进行小波包能量特征参数的提取,然后将小波能量参数作为观测序列输入到隐马尔科夫模型(HMM),从而实现对流型的识别.研究结果表明,该方法能够准确地识别出4种流型,识别效果良好,为流型的在线识别提供了一种有效方法.     

Zernike矩在气液两相流流型识别中的应用

根据Zernike矩具有正交性的特点,提出了一种基于Zernike矩和改进BP神经网络的流型识别新方法.该方法利用高速摄影仪获取水平管道内气液两相流的流动图像,并从图像中提取基于zernike矩的统计描述作为特征向量;同时,以此特征向量作为流型样本对改进BP神经网络进行训练,从而实现了对流动图像的流型智能化识别.结果表明,该方法能很好地识别七种典型流型,且其应用Zernike矩特征的分类精度明显高于用规则矩和Hu矩作为特征的识别方法,从而证明了基于Zernike矩的气液两相流流型识别方法的有效性.     

基于小波包的频带能量特征提取及智能诊断

提出一种基于小波包和BRF神经网络的智能故障诊断方法。对滚动轴承故障信号进行小波包分解,选择合适的小波基函数和尺度,将故障信号分解到八个不同的频段上,提取这八个频段上的能量信息,组成特征问量,作为RBF神经网络的输入;建立RBF神经网络模型并进行训练,对三种滚动轴承故障信号进行智能分类与识别。实验结果表明这种智能诊断方法有效可行。     

基于IMF能量特征的输油管道内流型识别新方法

应用经验模态分解(EMD)对输油管道内流型的压差波动信号进行分析、提取特征,然后将IMF能量特征作为概率神经网络(PNN)的输入,提出一种新的流型识别方法.实验结果表明:该方法能很好地识别水平管内的4种流型,为流型识别开辟了一条新的途径;另外,该方法优于BP网络且稳定、识别率高,具有可行性.     

泡罩塔板上差压波动信号的R/S分析

采用域重新标度(R/S)分析方法研究了泡罩塔板上的差压波动信号,得出泡罩塔板上差压波动信号的Hurst指数在0.33～0.49之间,<0.5说明差压波动信号具有“反持久性”。发现泡罩塔板上不同操作条件下,差压波动信号分形维数变化范围为1.51～1.67,且不同气液两相流型分形维数D存在差异:喷溅流型1.50相似文献   

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。     

基于改进型BP网络的气液两相流流型识别

根据气液两相流的特点,将其分为层状流、塞状流、弹状流和环状流等流型,分别对其采集差压信号,并利用概率密度函数（PDF）对差压信号特征进行了分析,得出了PDF的4个特征参数,即波峰个数K₁、波峰峰值K₂、波峰位置K₃、PDF方差K₄。将K₁,K₂,K₃,K₄构成的特征向量作为神经网络的输入样本对BP神经网络进行训练并进行流型识别。结果表明,该方法具有准确率高等优点,是流型识别的一种新手段。     

基于HHT的两相流动态信号提取与滤波的研究

为了去除气液两相流差压信号中的噪声成分,并提取差压波动信号,提出了一种基于Hilbert-Huang Transform(HHT)的气液两相流信号处理方法.对不同流型下的差压信号进行固有模态分解,分析不同模态的边际谱,利用HHT的多尺度滤波特性除去噪声,进一步得到差压波动信号.实验结果表明,该方法可以有效去除高频噪声,得到的差压波动信号又很好地保持了信号的局部特性.该方法原理简练、物理意义明确,是处理非线性信号的优良方法.     

基于小波包分析和RBF神经网络的ERT系统流型辨识

两相流体具有复杂性的流动特性,流型的准确辨识是两相流参数准确测量的基础,流型的在线智能辨识成是两相流研究的重点内容之一。以ERT系统和油/水两相流的流型为研究基础,采用小波包分析方法对测量数据进行特征提取,然后以提取后的特征数据作为RBF神经网络的输入,对网络进行建模和仿真。通过实验仿真分析,该方法对流型辨识非常适用,并有效达到流型辨识的目的。     

基于RBF神经网络的列车滚动轴承故障诊断

提出一种基于RBF神经网络的列车滚动轴承故障诊断方法。利用小波包分解对轴承的动态信号进行分析、提取特征．采用RBF神经网络进行轴承故障诊断。采用自适应正交最小方差算法．从根本上消除样本间相关性的影响,使RBF神经网络的在线训练算法更具操作性。