| 致谢 | 第5-7页 |
| 摘要 | 第7-10页 |
| Abstract | 第10-13页 |
| 1 绪论 | 第17-47页 |
| 1.1 研究背景及意义 | 第17-19页 |
| 1.1.1 气体超声波流量计概述 | 第17-18页 |
| 1.1.2 多声道超声波流量计流量计算概述 | 第18-19页 |
| 1.2 国内外研究现状 | 第19-44页 |
| 1.2.1 气体超声波流量计现状 | 第19-24页 |
| 1.2.2 传统流量计算方法现状 | 第24-30页 |
| 1.2.3 神经网络在超声波流量计算中的应用现状 | 第30-37页 |
| 1.2.4 超声波流量计流场剖面研究现状 | 第37-44页 |
| 1.3 本论文主要研究内容 | 第44-46页 |
| 1.4 本章小结 | 第46-47页 |
| 2 基于遗传算法优化的高精度流量计算神经网络 | 第47-67页 |
| 2.1 基于遗传算法优化的神经网络优化方法 | 第47-53页 |
| 2.1.1 遗传算法优化神经网络 | 第48-50页 |
| 2.1.2 GANN中的神经网络结构优化 | 第50-52页 |
| 2.1.3 GANN中的神经网络初始阈值和权值优化 | 第52-53页 |
| 2.2 数值模型与数据处理 | 第53-56页 |
| 2.2.1 数值模型及参数设置 | 第53-55页 |
| 2.2.2 流场数据的提取及处理 | 第55-56页 |
| 2.2.3 算法验证评判标准 | 第56页 |
| 2.3 优化算法的数值验证 | 第56-64页 |
| 2.3.1 单弯管流场中的优化算法验证 | 第56-60页 |
| 2.3.2 空间双弯管中的优化算法验证 | 第60-63页 |
| 2.3.3 不同安装角度和位置时的优化算法验证 | 第63-64页 |
| 2.4 GANN方法在超声波流量计中的应用 | 第64-65页 |
| 2.5 本章小结 | 第65-67页 |
| 3 基于极限学习机(ELM)的神经网络优化算法 | 第67-81页 |
| 3.1 ELM算法及其设计 | 第67-71页 |
| 3.1.1 ELM算法理论 | 第68-69页 |
| 3.1.2 ELM在多声道超声波流量计中的设计 | 第69-71页 |
| 3.2 数值验证模型 | 第71-72页 |
| 3.2.1 数值模型及参数设置 | 第71-72页 |
| 3.2.2 算法验证评判标准 | 第72页 |
| 3.3 ELM算法验证 | 第72-80页 |
| 3.3.1 中度扰流时的结果验证 | 第72-75页 |
| 3.3.2 严重扰流时的结果验证 | 第75-76页 |
| 3.3.3 不同安装角度和位置时的结果验证 | 第76-79页 |
| 3.3.4 与ANN,SVM智能算法的对比验证 | 第79-80页 |
| 3.4 本章小结 | 第80-81页 |
| 4 超声波流量计流场剖面智能识别算法 | 第81-97页 |
| 4.1 超声波流量计中的SVM识别算法 | 第81-86页 |
| 4.1.1 SVM二分类算法理论 | 第82-84页 |
| 4.1.2 超声波流量计中SVM分类算法的设计 | 第84-85页 |
| 4.1.3 智能超声波流量计系统设计 | 第85-86页 |
| 4.2 数值验证模型 | 第86-87页 |
| 4.2.1 数值模型与参数设置 | 第86-87页 |
| 4.2.2 算法验证评判标准 | 第87页 |
| 4.3 不同流场中的速度剖面 | 第87-91页 |
| 4.4 剖面识别算法的数值验证 | 第91-95页 |
| 4.4.1 SVM识别算法的结果验证 | 第91-94页 |
| 4.4.2 与ELM识别算法的对比验证 | 第94-95页 |
| 4.5 本章小结 | 第95-97页 |
| 5 智能算法的综合应用与实验验证 | 第97-119页 |
| 5.1 超声波流量计量的实验方案 | 第97-98页 |
| 5.1.1 实验方案设计 | 第97-98页 |
| 5.1.2 实验流程 | 第98页 |
| 5.2 实验平台搭建 | 第98-105页 |
| 5.2.1 音速喷嘴流量标定台 | 第98-101页 |
| 5.2.2 气体超声波流量计 | 第101-103页 |
| 5.2.3 不同类型前置管段 | 第103-105页 |
| 5.3 实验结果 | 第105-116页 |
| 5.3.1 遗传算法优化神经网络的实验结果 | 第105-109页 |
| 5.3.2 极限学习机的实验结果 | 第109-114页 |
| 5.3.3 流场剖面识别的实验结果 | 第114-116页 |
| 5.4 本章小结 | 第116-119页 |
| 6 总结与展望 | 第119-123页 |
| 6.1 论文总结 | 第119-120页 |
| 6.2 研究展望 | 第120-123页 |
| 参考文献 | 第123-131页 |
| 攻读博士期间主要研究成果 | 第131-132页 |