中小管径中两相流流型人工智能识别方法
| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 第1章 绪论 | 第7-13页 |
| ·两相流流型研究的背景及意义 | 第7-8页 |
| ·两相流主要参数 | 第8-9页 |
| ·气液两相流流型 | 第8-9页 |
| ·流量参数 | 第9页 |
| ·速度参数 | 第9页 |
| ·气液两相流流型识别的发展与现状 | 第9-11页 |
| ·传统的两相流流型判别方法 | 第10-11页 |
| ·近代新型两相流检测技术 | 第11页 |
| ·软测量技术 | 第11页 |
| ·本课题的主要内容 | 第11-13页 |
| 第2章 阵列式电导传感器的优化设计 | 第13-22页 |
| ·电导法测量原理 | 第13-14页 |
| ·传感器的几何结构 | 第14-15页 |
| ·激励电极的优化 | 第15-19页 |
| ·激励电极高度 | 第15-18页 |
| ·激励电极间距 | 第18-19页 |
| ·测量电极的优化 | 第19-20页 |
| ·传感器优化设计结果 | 第20-22页 |
| 第3章 数据采集系统与实验系统 | 第22-33页 |
| ·激励源模块 | 第22-26页 |
| ·信号预处理模块 | 第26-29页 |
| ·数据采集卡 | 第29-31页 |
| ·实验系统及步骤 | 第31-33页 |
| 第4章 电导波动信号特征提取 | 第33-44页 |
| ·基于相关测量技术的信号均值处理方法 | 第33-36页 |
| ·小波分析基本理论 | 第36-40页 |
| ·基于小波分析的信息熵的提取 | 第40-44页 |
| ·信息熵基本理论 | 第40-41页 |
| ·信息熵的提取 | 第41-44页 |
| 第5章 气液两相流流型的BP神经网络辨识 | 第44-51页 |
| ·神经网络基本概述 | 第44-45页 |
| ·神经元模型 | 第44页 |
| ·神经网络的联接形式 | 第44-45页 |
| ·人工神经网络学习 | 第45页 |
| ·BP神经网络模型 | 第45-46页 |
| ·BP神经网络模型概述 | 第45-46页 |
| ·批处理训练算法的网路前向计算 | 第46页 |
| ·批处理训练算法的方向传播计算 | 第46页 |
| ·BP神经网络流型识别的Matlab实现 | 第46-49页 |
| ·两相流辨识结果分析 | 第49-51页 |
| 第6章 总结 | 第51-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 发表论文和科研情况说明 | 第56页 |
