首页--数理科学和化学论文--力学论文--流体力学论文--多相流论文

油水两相流相含率多传感器融合估计

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

论文共62页,点击 下载论文
上一篇:超声电学双模态水平油水两相流流速测量
下一篇:并列三圆柱涡激振动的数值模拟及其机理研究