| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 气液两相流概述 | 第11页 |
| 1.2 气液两相流主要参数 | 第11-13页 |
| 1.3 小管道气液两相流参数测量的重要意义 | 第13页 |
| 1.4 小管道气液两相流参数测量的研究现状与发展趋势 | 第13-14页 |
| 1.5 本文的主要工作及结构安排 | 第14-16页 |
| 1.6 本章小结 | 第16-18页 |
| 第二章 文献综述 | 第18-32页 |
| 2.1 小管道气液两相流系统简介 | 第19-20页 |
| 2.1.1 小管道尺寸划分标准 | 第19-20页 |
| 2.1.2 小管道气液两相流系统特点 | 第20页 |
| 2.2 小管道气液两相流参数测量 | 第20-24页 |
| 2.2.1 小管道气液两相流流型辨识 | 第20-22页 |
| 2.2.2 小管道气液两相流相含率测量 | 第22-24页 |
| 2.3 卷积神经网络模型 | 第24-27页 |
| 2.3.1 卷积神经网络的发展历程 | 第24-25页 |
| 2.3.2 卷积神经网络的特点 | 第25-26页 |
| 2.3.3 常用的深度学习框架 | 第26-27页 |
| 2.4 数字图像处理技术 | 第27-30页 |
| 2.4.1 图像滤波 | 第27-28页 |
| 2.4.2 边缘检测 | 第28页 |
| 2.4.3 三维重建 | 第28-30页 |
| 2.5 本章小结 | 第30-32页 |
| 第三章 小管道气液两相流参数测量技术路线和系统 | 第32-42页 |
| 3.1 小管道气液两相流参数测量技术路线 | 第33-34页 |
| 3.2 小管道气液两相流参数测量系统简介 | 第34-36页 |
| 3.3 实验方案和实验工况 | 第36-37页 |
| 3.4 气液两相流图像采集及流型分析 | 第37-40页 |
| 3.5 本章小结 | 第40-42页 |
| 第四章 基于卷积神经网络的小管道气液两相流流型辨识 | 第42-62页 |
| 4.1 引言 | 第43页 |
| 4.2 基于卷积神经网络的小管道气液两相流流型辨识技术路线 | 第43-44页 |
| 4.3 卷积神经网络模型的设计 | 第44-52页 |
| 4.3.1 网络整体结构 | 第44-47页 |
| 4.3.2 激活函数 | 第47-49页 |
| 4.3.3 Softmax分类器 | 第49-51页 |
| 4.3.4 Dropout策略 | 第51-52页 |
| 4.4 卷积神经网络模型的训练 | 第52-57页 |
| 4.4.1 数据集构建 | 第52-54页 |
| 4.4.2 前向传播与反向传播 | 第54-55页 |
| 4.4.3 基于Keras深度学习框架的卷积神经网络训练 | 第55-57页 |
| 4.5 实验结果及分析 | 第57-60页 |
| 4.6 本章小结 | 第60-62页 |
| 第五章 基于拟三维模型的小管道气液两相流相含率测量 | 第62-74页 |
| 5.1 引言 | 第63页 |
| 5.2 基于拟三维模型的小管道气液两相流相含率测量技术路线 | 第63-64页 |
| 5.3 图像预处理 | 第64-66页 |
| 5.4 基于拟三维模型的小管道气液两相流相含率测量模型 | 第66-71页 |
| 5.5 实验结果及分析 | 第71-73页 |
| 5.6 本章小结 | 第73-74页 |
| 第六章 总结与展望 | 第74-76页 |
| 参考文献 | 第76-82页 |
| 致谢 | 第82-84页 |
| 个人简历 | 第84-86页 |
| 攻读硕士学位期间所取得的科研成果 | 第86页 |
