摘要 | 第4-5页 |
Abstract | 第5页 |
引言 | 第8-9页 |
第1章 绪论 | 第9-15页 |
1.1 气固两相流研究的背景和意义 | 第9-11页 |
1.2 气固两相流参数测量发展历程及趋势 | 第11-15页 |
1.2.1 气固两相流参数测量发展历程 | 第11-12页 |
1.2.2 气固两相流参数检测的难点 | 第12-13页 |
1.2.3 气固两相流参数检测发展趋势 | 第13-15页 |
第2章 固相质量流量测量方法的研究和比较 | 第15-23页 |
2.1 差压法 | 第15-16页 |
2.2 光学法 | 第16-17页 |
2.3 电容法 | 第17页 |
2.4 静电法 | 第17-19页 |
2.5 热学法 | 第19页 |
2.6 电容层析成像技术 | 第19-20页 |
2.7 软测量技术 | 第20-23页 |
2.7.1 基于机理分析的软测量方法 | 第20-21页 |
2.7.2 基于动态分析的软测量方法 | 第21页 |
2.7.3 基于人工智能的软测量方法 | 第21-23页 |
第3章 双弯管法固相质量流量测量原理 | 第23-39页 |
3.1 弯管流量计及流量测量原理 | 第23-31页 |
3.1.1 弯管流量计简介 | 第23-24页 |
3.1.2 弯管流量计特点 | 第24-25页 |
3.1.3 弯管流量计测量原理 | 第25-31页 |
3.2 双弯管法测量固相质量流量 | 第31-33页 |
3.3 气力输送实验系统 | 第33-39页 |
3.3.1 气力输送系统 | 第33-35页 |
3.3.2 实验装置 | 第35-37页 |
3.3.3 实验测量系统 | 第37-39页 |
第4章 基于人工神经网络的软测量模型建立 | 第39-53页 |
4.1 软测量技术及建模方法 | 第39-41页 |
4.1.1 软测量技术 | 第39-40页 |
4.1.2 软测量辅助变量的选择和建模方法 | 第40页 |
4.1.3 建立模型的方法 | 第40-41页 |
4.2 人工神经网络 | 第41-42页 |
4.3 基于BP神经网络的软测量模型 | 第42-47页 |
4.3.1 BP神经网络 | 第42-43页 |
4.3.2 基于BP神经网络软测量模型 | 第43-45页 |
4.3.3 BP神经模型训练及数据处理 | 第45-47页 |
4.4 基于RBF网络的软测量模型 | 第47-51页 |
4.4.1 RBF网络 | 第47-48页 |
4.4.2 基于RBF网络的软测量模型 | 第48-49页 |
4.4.3 RBF网络模型训练及数据处理 | 第49-51页 |
4.5 模型对比及误差分析 | 第51-53页 |
第5章 三参数双弯管法软测量模型建立 | 第53-62页 |
5.1 双弯管法测量原理的完善 | 第53-54页 |
5.2 基于三输入的BP神经网络 | 第54-59页 |
5.2.1 三输入BP神经网络模型训练及数据处理 | 第54-57页 |
5.2.2 两种BP神经网络模型的比较 | 第57-59页 |
5.3 基于三输入的RBF网络 | 第59-62页 |
5.3.1 三输入RBF神经网络模型训练及数据处理 | 第59-60页 |
5.3.2 两种RBF网络模型的比较 | 第60-62页 |
结论 | 第62-63页 |
参考文献 | 第63-67页 |
致谢 | 第67-68页 |
导师简介 | 第68-69页 |
作者简介 | 第69-70页 |
学位论文数据集 | 第70页 |