| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-20页 |
| ·课题研究背景及意义 | 第11-12页 |
| ·粒子跟踪测速算法的研究发展和现状 | 第12-18页 |
| ·粒子跟踪测速算法的基本原理 | 第12-13页 |
| ·基于特征关系匹配的PTV 法研究进展及现状 | 第13-16页 |
| ·与人工智能算法相结合算法的研究进展及现状 | 第16-18页 |
| ·流化床气泡运动行为的研究进展与现状 | 第18-19页 |
| ·本文的主要研究内容 | 第19-20页 |
| 第2章 流化床稀相颗粒与气泡运动图像的采集 | 第20-29页 |
| ·实验系统与实验步骤 | 第20-22页 |
| ·实验装置简介 | 第20-21页 |
| ·实验步骤与注意事项 | 第21-22页 |
| ·图像采集系统 | 第22-23页 |
| ·高速摄影机系统 | 第22页 |
| ·照明系统与图像拍摄方式的选择 | 第22-23页 |
| ·流化床颗粒与气泡运动图像的获取 | 第23-25页 |
| ·图像的预处理 | 第25-28页 |
| ·图像噪声的来源 | 第25-26页 |
| ·图像噪声的消除 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 基于特征相似度的PTV 匹配算法 | 第29-36页 |
| ·颗粒图像特征的提取 | 第29-32页 |
| ·图像的前期处理 | 第29-30页 |
| ·面积、周长和转动惯量的计算 | 第30-32页 |
| ·颗粒速度的测量 | 第32-35页 |
| ·本章小结 | 第35-36页 |
| 第4章 基于粒子群优化Hopfield 网络的PTV 匹配算法 | 第36-46页 |
| ·能量函数的设计 | 第36-38页 |
| ·Hopfield 神经网络简介 | 第36-38页 |
| ·粒子群优化算法的基本原理 | 第38页 |
| ·基于PSO 优化的Hopfield 网络对颗粒进行匹配 | 第38-41页 |
| ·构造粒子匹配问题的Hopfield 能量函数 | 第39-40页 |
| ·建立并运行基于PSO 的Hopfield 网络求最优匹配 | 第40-41页 |
| ·速度场的测量 | 第41-44页 |
| ·图像参数的提取 | 第41页 |
| ·互相关法测量颗粒速度 | 第41-43页 |
| ·匹配跟踪后测量颗粒速度 | 第43-44页 |
| ·本章小结 | 第44-46页 |
| 第5章 气固流化床中气泡行为的分析 | 第46-55页 |
| ·气泡图像的处理及数据的获取 | 第46-48页 |
| ·气泡上升过程中的行为分析 | 第48-51页 |
| ·气泡的聚合与分裂行为分析 | 第51-54页 |
| ·气泡的聚合 | 第51-53页 |
| ·气泡的分裂 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-61页 |
| 攻读学位期间取得的研究成果及发表的学术论文 | 第61-62页 |
| 致谢 | 第62页 |
