学位论文 > 优秀研究生学位论文题录展示
基于小波和混沌理论的气液两相流流型智能识别方法
作 者: 孙斌
导 师: 周云龙
学 校: 华北电力大学(河北)
专 业: 热能工程
关键词: 气液两相流 流型识别 小波变换 混沌 D-S 证据理论 信息融合
分类号: O359.1
类 型: 博士论文
年 份: 2005年
下 载: 708次
引 用: 12次
阅 读: 论文下载
内容摘要
气液两相流广泛存在于现代工业生产之中,其流型极大地影响气液两相流的流动和传热特性,同时也影响其他流动参数的准确测量以及两相流系统的运行特性,因此,流型的客观和智能识别一直是两相流参数测量的一个重要研究课题,对指导相关设备的设计和运行具有重要的意义。本文在大量实验数据基础上,将小波变换、混沌理论、神经网络和数据融合技术应用到流型识别中,从理论和实验两个方面,系统地探讨了流型的神经网络智能识别方法。针对识别率不高的问题,将D-S(Dempster-Shafer)证据理论应用到流型识别中,提出了基于神经网络的多特征融合的流型识别方法。首先利用小波包变换对压差波动信号进行分解,根据相关性原理对信号中的噪声进行了辨识,得到频率大于64Hz 的压差波动信号为噪声信号;对小于64Hz 以下的信号进行小波去噪处理,并比较了不同小波母函数、小波阈值规则对去噪效果的影响。针对本文的实验数据,采用”db4”母小波和启发式阈值规则“Heursure”去噪效果最好。其次,利用Wigner 谱对不同流型的压差波动信号进行时频二维分析,证实其强非平稳性后,将统计理论、小波变换和混沌分形理论应用到流型的特征提取中。利用统计理论对去噪后的压差波动信号进行分析,计算了信号的均值、标准差、偏斜度、功率谱能量份额四个统计参数,分析了不同流型的变化规律;在讨论了相空间重构技术和混沌参数计算方法的基础上,计算了压差波动信号的关联维数、Kolmogorov 熵和Hurst 指数三个混沌特征参数,讨论了随折算气速的变化规律;在此之上,将上述7 个特征参数作为流型的一个特征量。再利用小波包变换,对信号进行4 层小波包分解,得到16 个频带信号,提取这16 个信号的小波包能量和信息熵特征,作为流型的两个小波包特征向量。将上述3 个特征向量的训练样本分别送入BP 神经网络、RBF 神经网络、Kohonen 神经网络和SVM 中进行训练,训练好的模型可作为流型识别的分类器。对测试样本的识别结果表明,基于小波包信息熵和RBF 网络的识别效果最好,但与其他组合相比,识别率相差不大。最后针对单一特征识别率不高的问题,利用D-S 证据理论,提出了多特征融合的流型识别方法。此方法将上述三个局部神经网络的输出结果作为D-S 证据理论的证据体,根据D-S 证据融合规则进行信息融合,得到最终的识别结果。与单一特征的识别方法相比,提高了流型识别的准确率。从理论上和技术上为气液两相流流型的识别提供了新方法。
|
全文目录
中文摘要 5-6 ABSTRACT 6-15 第一章 绪论 15-26 1.1 课题研究的背景及意义 15 1.2 气液两相流流型识别的研究进展 15-24 1.2.1 利用流型图和转变准则关系式识别流型 16-17 1.2.2 利用测量的方法识别流型 17-22 1.2.3 流型的神经网络识别方法 22-23 1.2.4 流型识别存在的问题 23-24 1.3 本文的主要研究内容 24-26 第二章 实验系统与实验测量结果 26-36 2.1 实验系统简介 26-27 2.2 实验步骤 27 2.3 流动参数的测量 27-31 2.3.1 实验参数范围 27 2.3.2 实验参数的测量 27 2.3.3 实验信号与传感器的选择 27-28 2.3.4 两相流压差信号的获取 28-29 2.3.5 振动对实验装置的影响 29-30 2.3.6 实验装置中的噪声分析 30-31 2.4 实验所观察到的流型 31-32 2.4.1 流型的定义 31 2.4.2 实验中观察到的流型 31-32 2.5 实验测得的压差波动信号及分析 32-35 2.6 本章小结 35-36 第三章 基于小波分析的压差波动信号去噪处理 36-56 3.1 小波基本理论 36-40 3.1.1 离散二进小波变换 36-37 3.1.2 基于小波的多分辨分析 37-38 3.1.3 小波分解和重构的Mallat 算法 38-39 3.1.4 小波包分解 39-40 3.2 压差波动信号中噪声的辨识 40-44 3.2.1 自相关函数 41 3.2.2 压差波动信号的分解 41-43 3.2.3 线性相关性研究 43-44 3.3 小波去噪理论 44-54 3.3.1 基于小波分解的信号去噪 44-46 3.3.2 小波去噪中阈值的选取 46-47 3.3.3 仿真实验 47-50 3.3.4 实测数据的处理 50-54 3.4 本章小结 54-56 第四章 基于小波分析的流型特征提取 56-67 4.1 压差波动信号的WIGNER 谱分析 56-59 4.1.1 Wigner 谱原理 56-57 4.1.2 压差波动信号的Wigner 谱分析 57-59 4.2 基于连续小波变换的压差波动信号特征 59-61 4.3 奇异性特征提取 61-63 4.3.1 Lipschitz 指数 61-62 4.3.2 小波变换与Lipschitz 指数α 62 4.3.3 压差波动信号的奇异性分析结果 62-63 4.4 流型特征提取的小波包方法 63-66 4.4.1 小波包变换 63-64 4.4.2 小波包能量和信息熵提取 64-66 4.5 本章小结 66-67 第五章 基于混沌理论的流型特征提取 67-96 5.1 混沌与分形理论 67-71 5.1.1 动力系统 68 5.1.2 混沌吸引子 68-71 5.2 混沌的研究方法 71-75 5.2.1 分数维 71-73 5.2.2 Kolmogorov 熵 73-75 5.3 相空间重构 75-77 5.4 混沌特征参数的计算方法 77-82 5.4.1 G-P 算法及其改进 77-79 5.4.2 嵌入维数和延迟时间的选择 79-82 5.4.3 数据长度对关联维数计算的影响 82 5.5 混沌研究的辅助方法 82-85 5.6 压差波动信号的混沌特征分析 85-93 5.6.1 功率谱分析 85-86 5.6.2 吸引子对各流型的表征 86-88 5.6.3 压差波动信号的关联维数和Kolmogorov 熵分析 88-91 5.6.4 压差波动信号的Hurst 指数分析 91-93 5.7 流型特征向量的构造 93-95 5.8 本章小结 95-96 第六章 流型的神经网络识别模型 96-121 6.1 神经网络基本理论 96-101 6.1.1 神经元模型 96-99 6.1.2 神经网络的联接形式 99-100 6.1.3 人工神经网络的学习 100-101 6.2 BP 神经网络模型 101-110 6.2.1 BP 网络的结构 101-102 6.2.2 BP 神经网络的算法 102-104 6.2.3 BP 模型层数的选择 104 6.2.4 隐层节点数的选择 104-106 6.2.5 学习速率的选择 106-107 6.2.6 激励函数的选取 107 6.2.7 普通BP 算法与快速算法的比较 107-110 6.3 径向基函数网络模型 110-113 6.3.1 基本原理 110-112 6.3.2 网络的训练 112-113 6.4 KOHONEN 神经网络的识别模型 113-116 6.4.1 基本原理 113-114 6.4.2 网络的训练算法 114 6.4.3 Kohonen 网络识别流型的实例 114-116 6.5 支持向量机识别模型 116-120 6.5.1 基本理论 116-118 6.5.2 流型识别SVM 模型的建立 118-119 6.5.3 SVM 识别结果分析 119-120 6.6 几种识别模型的比较 120 6.7 本章小结 120-121 第七章 神经网络和证据理论融合的识别方法 121-133 7.1 信度函数 121-124 7.1.1 概率的解释 121-122 7.1.2 识别框架 122 7.1.3 基本可信度分配与信度函数 122-123 7.1.4 似真度函数 123-124 7.2 DEMPSTER 合成法则 124-126 7.2.1 两个信度函数的合成 124-125 7.2.2 多个信度函数的合成 125-126 7.2.3 证据的折扣 126 7.3 基于证据理论的决策 126-127 7.3.1 基于信度函数的决策 126-127 7.3.2 基于基本可信度分配的决策 127 7.3.3 基于最小风险的决策 127 7.4 证据理论的优缺点 127-128 7.5 证据理论和神经网络融合的识别方法 128-130 7.6 实验结果分析 130-132 7.7 本章小结 132-133 第八章 结论 133-135 参考文献 135-145 致谢 145-146 个人简历 146-147 攻读博士学位期间发表的学术论文 147-149 攻读博士学位期间参加的科研工作 149
|
相似论文
- 舌体特征的提取及融合分类方法研究,TP391.41
- 基于TMS320C6713的SPIHT图像压缩算法研究及实现,TP391.41
- 双传感器图像联合目标检测及系统实现研究,TP391.41
- 图像的稀疏表示及编码模型研究,TP391.41
- 唇读中的特征提取、选择与融合,TP391.41
- 多传感器信息融合及其在可穿戴计算机上的应用,TP202
- 关于混沌系统同步控制方面的研究,O415.5
- 低压电力线载波通信可靠性研究,TM73
- 混沌振子多进制调制解调技术研究,TN915.05
- 羊绒与羊毛纤维鉴别系统的研究,TS101.921
- 具有时滞捕捞项和基于比率的食饵—捕食者模型研究,O175
- 基于物联网的农产品安全监控系统与决策系统研究,TP277
- 基于图像处理技术的两相流动特性描述,TP391.41
- 感觉刺激诱发脑电特征研究,R318.0
- 网络传输中的ROI图像编码算法研究,TN919.81
- 基于多尺度分析的图像融合算法研究,TP391.41
- 基于小波变换的三维模型特征提取技术的研究与实现,TP391.41
- 轮廓波变换及其在图像处理中的应用,TP391.41
- 数学、耗散结构及混沌中的“系统”与“非系统”差异研究,O415.5
- 延迟混沌系统的同步研究及其电路实现,O415.5
- 基于小波的雷达视频压缩方法研究,TN957.52
中图分类: > 数理科学和化学 > 力学 > 流体力学 > 多相流 > 液、气(汽)二相流
© 2012 www.xueweilunwen.com
|