基于小波和希尔伯特—黄变换的气液两相流流型智能识别方法
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第1章 绪 论 | 第11-17页 |
| ·课题的研究背景及意义 | 第11-12页 |
| ·气液两相流流型识别研究的发展和现状 | 第12-15页 |
| ·气液两相流概述 | 第12-13页 |
| ·气液两相流流型研究的发展和现状 | 第13-15页 |
| ·流型智能识别存在的问题 | 第15页 |
| ·本文的主要研究内容 | 第15-17页 |
| 第2章 实验系统与实验数据 | 第17-26页 |
| ·实验装置简介 | 第17-18页 |
| ·实验步骤 | 第18-19页 |
| ·流动参数的测量 | 第19-23页 |
| ·实验参数范围 | 第19页 |
| ·实验参数的测量 | 第19页 |
| ·实验信号与传感器的选择 | 第19-20页 |
| ·两相流压差信号的获取 | 第20-22页 |
| ·振动对实验装置的影响 | 第22页 |
| ·实验装置中的噪声分析 | 第22-23页 |
| ·实验所观察到的流型 | 第23-25页 |
| ·本章小节 | 第25-26页 |
| 第3章 基于小波分析的流型特征提取 | 第26-37页 |
| ·小波基本理论 | 第26-31页 |
| ·离散二进小波变换 | 第26-27页 |
| ·基于小波的多分辨分析 | 第27-29页 |
| ·小波分解和重构的Mallat 算法 | 第29-30页 |
| ·小波包分解 | 第30-31页 |
| ·流型特征提取的小波方法 | 第31-33页 |
| ·小波变换 | 第31-32页 |
| ·小波能量提取 | 第32-33页 |
| ·流型特征提取的小波包方法 | 第33-36页 |
| ·小波包变换 | 第33-34页 |
| ·小波包能量和信息熵提取 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第4章 基于希尔伯特－黄变换的流型特征提取 | 第37-42页 |
| ·HHT 变换原理 | 第37-39页 |
| ·EMD 分解过程 | 第37-38页 |
| ·Hilbert 变换（HT） | 第38页 |
| ·Hilbert 谱 | 第38-39页 |
| ·流型的IMF 能量特征提取 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第5章 流型的神经网络识别模型 | 第42-60页 |
| ·神经网络基本理论 | 第42-48页 |
| ·神经元模型 | 第43-45页 |
| ·神经网络的联接形式 | 第45-47页 |
| ·人工神经网络的学习 | 第47-48页 |
| ·BP 神经网络模型 | 第48-51页 |
| ·BP 网络的结构 | 第48-49页 |
| ·BP 神经网络的算法 | 第49-51页 |
| ·径向基函数网络模型 | 第51-55页 |
| ·基本原理 | 第51-54页 |
| ·网络的训练 | 第54-55页 |
| ·ELMAN 神经网络的识别模型 | 第55-58页 |
| ·Elman 神经网络结构 | 第55-56页 |
| ·Elman 神经网络学习过程 | 第56-58页 |
| ·几种识别模型的比较 | 第58页 |
| ·本章小结 | 第58-60页 |
| 结论 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间发表的学术论文 | 第66-67页 |
| 攻读硕士学位期间参加的科研工作 | 第67页 |
