基于神经网络的竖直矩形细通道内沸腾换热汽液两相流型识别研究
| 摘要 | 第1-14页 |
| ABSTRACT | 第14-16页 |
| 第1章 绪论 | 第16-22页 |
| ·课题研究的背景及意义 | 第16-17页 |
| ·汽液两相流流型识别的主要方法 | 第17-20页 |
| ·流型的直接测量法 | 第17-18页 |
| ·流形的间接测量法 | 第18-19页 |
| ·基于神经网络的流形识别方法 | 第19-20页 |
| ·本文的主要研究内容 | 第20-22页 |
| 第二章 细通道内沸腾汽液两相流动的实验研究 | 第22-34页 |
| ·实验系统简介 | 第22-25页 |
| ·实验件 | 第25页 |
| ·所需实验仪器及精度 | 第25-26页 |
| ·实验步骤 | 第26-29页 |
| ·需要测量的参数 | 第27页 |
| ·热电偶布置 | 第27页 |
| ·温度的测量 | 第27-28页 |
| ·压差的测量 | 第28页 |
| ·实验数据 | 第28-29页 |
| ·实验所观察到的流型 | 第29-32页 |
| ·流型的定义 | 第29-30页 |
| ·实验中观察到的流型 | 第30-32页 |
| ·本章小结 | 第32-34页 |
| 第三章 基于连续小波变换的信号处理 | 第34-42页 |
| ·连续小波变换 | 第34-39页 |
| ·连续小波的二维特征 | 第34-35页 |
| ·连续小波变换的性质 | 第35-39页 |
| ·小波变换的依据 | 第39页 |
| ·连续小波变换的图片处理 | 第39-41页 |
| ·连续小波的GUI | 第39-40页 |
| ·信号的降噪处理 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 基于神经网络的沸腾汽液两相流流型识别 | 第42-72页 |
| ·神经网络基本理论 | 第42-49页 |
| ·神经网络发展历程 | 第42-44页 |
| ·神经网络研究内容 | 第44页 |
| ·神经元的模型 | 第44-46页 |
| ·神经元的连接方式 | 第46-49页 |
| ·BP神经网络模型 | 第49-55页 |
| ·BP神经网络基础 | 第49-50页 |
| ·BP神经网络的学习算法 | 第50页 |
| ·BP神经网络的流型识别 | 第50-55页 |
| ·径向基函数网络模型 | 第55-59页 |
| ·径向基函数神经网络基础 | 第55-56页 |
| ·基于径向基神经网络的学习算法 | 第56-58页 |
| ·基于径向基神经网络的流型识别 | 第58-59页 |
| ·自组织神经网络模型 | 第59-62页 |
| ·自组织神经网络基础 | 第59-60页 |
| ·自组织特征映射神经网络(SOM)结构 | 第60-61页 |
| ·自组织特征映射神经网络学习算法 | 第61页 |
| ·基于自组织神经网络的流型识别 | 第61-62页 |
| ·反馈型神经网络模型 | 第62-68页 |
| ·反馈型神经网络基础 | 第62-64页 |
| ·Elman神经网络学习算法 | 第64页 |
| ·基于反馈型神经网络的流型识别 | 第64-68页 |
| ·流型识别的图形用户界面 | 第68-69页 |
| ·matlab图形用户界面的开发环境 | 第68页 |
| ·用户图形界面的实现 | 第68-69页 |
| ·本章小结 | 第69-72页 |
| 结论及展望 | 第72-74页 |
| ·全文总结 | 第72页 |
| ·本文的创新点 | 第72-73页 |
| ·本文的不足之处 | 第73-74页 |
| 参考文献 | 第74-80页 |
| 攻读硕士学位期间发表的学术论文及申请的专利 | 第80-82页 |
| 发表学术论文 | 第80-81页 |
| 申请专利情况 | 第81-82页 |
| 致谢 | 第82-84页 |
| 学位论文评阅及答辩情况表 | 第84页 |
