| 中文摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 油水两相流研究的背景和意义 | 第10-11页 |
| 1.2 油水两相流及流动参数 | 第11-13页 |
| 1.2.1 油水两相流流型 | 第11-13页 |
| 1.2.2 油水两相流相含率 | 第13页 |
| 1.3 多传感器融合测量方法 | 第13-16页 |
| 1.3.1 多传感器系统融合 | 第13-15页 |
| 1.3.2 多传感器信息融合 | 第15-16页 |
| 1.4 课题的主要研究工作 | 第16-18页 |
| 第2章 油水两相流测试系统及实验 | 第18-26页 |
| 2.1 电阻层析成像系统 | 第18-21页 |
| 2.1.1 电阻层析成像技术原理介绍 | 第18-20页 |
| 2.1.2 电阻层析成像技术在油水两相流测量中的应用 | 第20-21页 |
| 2.2 超声透射技术 | 第21-22页 |
| 2.3 油水两相流实验装置和实验过程 | 第22-25页 |
| 2.4 小结 | 第25-26页 |
| 第3章 油水两相流流型识别模型 | 第26-38页 |
| 3.1 径向基神经网络理论基础 | 第26-32页 |
| 3.1.1 径向基神经网络机制模型 | 第26-27页 |
| 3.1.2 径向基函数 | 第27-28页 |
| 3.1.3 径向基函数神经网络参数的训练 | 第28-32页 |
| 3.2 RBF神经网络对于流型识别模型的可行性分析 | 第32-33页 |
| 3.3 基于RBF神经网络的ERT流型识别 | 第33-36页 |
| 3.3.1 实验数据预处理 | 第33-34页 |
| 3.3.2 特征参数选取 | 第34-36页 |
| 3.3.3 流型识别 | 第36页 |
| 3.4 小结 | 第36-38页 |
| 第4章 非线性偏最小二乘法相含率估计 | 第38-46页 |
| 4.1 偏最小二乘法 | 第38-43页 |
| 4.1.1 偏最小二乘法的原理及方法 | 第38-40页 |
| 4.1.2 非线性的PLS方法 | 第40-41页 |
| 4.1.3 相含率估计结果 | 第41-43页 |
| 4.2 多模型的相含率估计建模方法 | 第43-45页 |
| 4.3 小结 | 第45-46页 |
| 第5章 多传感器融合油水两相流参数估计 | 第46-52页 |
| 5.1 数据融合算法 | 第46页 |
| 5.2 特征级融合算法 | 第46-48页 |
| 5.3 基于数据融合的流型识别 | 第48-49页 |
| 5.4 基于数据融合的相含率估计 | 第49-50页 |
| 5.5 小结 | 第50-52页 |
| 第6章 结论和展望 | 第52-54页 |
| 6.1 总结 | 第52页 |
| 6.2 展望 | 第52-54页 |
| 参考文献 | 第54-60页 |
| 发表论文和参加科研情况说明 | 第60-61页 |
| 发表学术论文 | 第60页 |
| 参与科研项目 | 第60-61页 |
| 致谢 | 第61-62页 |