基于气固两相流流型图像的多参数检测方法
| 摘要 | 第1-8页 |
| ABSTRACT | 第8-14页 |
| 第1章 绪论 | 第14-23页 |
| ·课题研究背景及意义 | 第14-15页 |
| ·气固两相流主要参数检测的研究发展和现状 | 第15-18页 |
| ·流型识别的研究进展及现状 | 第15-17页 |
| ·分相含量检测的研究进展及现状 | 第17页 |
| ·速度检测的研究进展及现状 | 第17-18页 |
| ·数字图像处理在多相流参数检测中的应用现状 | 第18-20页 |
| ·数字图像处理在参数检测中拟解决关键问题 | 第20-21页 |
| ·本文的主要研究内容 | 第21-23页 |
| 第2章 流化床气固两相流流型图像的采集 | 第23-34页 |
| ·实验系统与实验步骤 | 第23-24页 |
| ·数字图像采集系统 | 第24-26页 |
| ·高速摄影机系统 | 第24-25页 |
| ·图像拍摄方式的选择 | 第25-26页 |
| ·照明系统的选择 | 第26页 |
| ·流化床气固两相流流动图像的获取 | 第26-29页 |
| ·流型图像的预处理 | 第29-33页 |
| ·图像噪声的来源 | 第30页 |
| ·图像噪声的消除 | 第30-33页 |
| ·本章小结 | 第33-34页 |
| 第3章 流化床气固两相流流型图像特征提取 | 第34-52页 |
| ·流型图像的灰度直方图统计特征 | 第34-36页 |
| ·流型图像的灰度直方图 | 第34页 |
| ·灰度直方图统计特征参数 | 第34-36页 |
| ·流型图像的傅里叶变换纹理特征 | 第36-40页 |
| ·图像的傅里叶变换 | 第37页 |
| ·基于傅里叶变换的纹理特征提取 | 第37-40页 |
| ·流型图像的小波-分形特征 | 第40-45页 |
| ·小波变换多分辨分析原理 | 第40-41页 |
| ·分形维数的计算 | 第41-45页 |
| ·流型图像的多重分形特征 | 第45-50页 |
| ·多重分形 | 第45-47页 |
| ·多重分形奇异谱分析 | 第47-50页 |
| ·本章小结 | 第50-52页 |
| 第4章 流型识别分类器的分析与选取 | 第52-62页 |
| ·BP 神经网络模型 | 第52-54页 |
| ·BP 神经网络的结构 | 第52-53页 |
| ·改进BP 神经网络算法 | 第53-54页 |
| ·概率神经网络模型 | 第54-56页 |
| ·概率神经网络概述 | 第54-55页 |
| ·概率神经网络结构 | 第55-56页 |
| ·遗传神经网络 | 第56-57页 |
| ·遗传算法(GA)的基本原理 | 第56页 |
| ·用遗传算法优化神经网络 | 第56-57页 |
| ·神经网络模型在流型识别的应用 | 第57-60页 |
| ·基于灰度直方图统计特征的流型识别 | 第58-59页 |
| ·基于傅里叶变换纹理特征的流型识别 | 第59页 |
| ·基于小波-分形特征的流型识别 | 第59-60页 |
| ·流型识别方法比较 | 第60页 |
| ·本章小结 | 第60-62页 |
| 第5章 稀相输送中体积空隙率的检测 | 第62-71页 |
| ·图像处理算法 | 第62-66页 |
| ·光照不均匀的校正 | 第62-64页 |
| ·流动图像的二值化 | 第64页 |
| ·颗粒边缘检测 | 第64-65页 |
| ·颗粒标号 | 第65-66页 |
| ·参数计算 | 第66-67页 |
| ·颗粒尺寸 | 第66页 |
| ·体积空隙率 | 第66-67页 |
| ·实验结果分析 | 第67-69页 |
| ·误差来源分析 | 第69页 |
| ·本章小结 | 第69-71页 |
| 第6章 基于光流分析法的流场检测 | 第71-82页 |
| ·光流分析法基本原理 | 第71-74页 |
| ·运动场和光流场 | 第71-72页 |
| ·光流约束方程 | 第72-74页 |
| ·MQD 互相关算法 | 第74-75页 |
| ·检测结果分析 | 第75-80页 |
| ·本章小结 | 第80-82页 |
| 结论 | 第82-84页 |
| 参考文献 | 第84-90页 |
| 攻读学位期间取得的研究成果及发表的学术论文 | 第90-91页 |
| 致谢 | 第91页 |
