摘要 | 第4-5页 |
abstract | 第5-6页 |
第一章 前言 | 第9-14页 |
1.1 课题的研究意义 | 第9页 |
1.2 水平管气液两相流的主要参数 | 第9-12页 |
1.3 两相流参数检测研究进展 | 第12页 |
1.4 论文的主要研究内容及组织结构 | 第12-14页 |
第二章 基础知识 | 第14-22页 |
2.1 气液两相流空隙率测量方法 | 第14-15页 |
2.2 气液两相流流量测量方法 | 第15-16页 |
2.3 经验模态分解 | 第16页 |
2.4 人工神经网络及数据融合 | 第16-22页 |
2.4.1 人工神经网络概述 | 第16-20页 |
2.4.2 数据融合算法 | 第20-22页 |
第三章 实验装置与实验步骤 | 第22-25页 |
3.1 实验装置与实验方案 | 第22-24页 |
3.1.1 实验装置 | 第22-23页 |
3.1.2 实验步骤 | 第23-24页 |
3.2 采样频率的确定 | 第24页 |
3.3 本章小结 | 第24-25页 |
第四章 基于EMD的差压信号特征提取 | 第25-43页 |
4.1 差压信号的EMD去噪 | 第25-26页 |
4.1.1 气液两相流差压信号的噪声 | 第25页 |
4.1.2 EMD去噪 | 第25-26页 |
4.2 EMD伪成分去除 | 第26-29页 |
4.2.1 伪成分的产生 | 第26-27页 |
4.2.2 伪成分的去除 | 第27-29页 |
4.3 不同取压方向差压信号特征分析 | 第29-38页 |
4.3.1 不同取压方向差压信号的噪声特征分析 | 第30-35页 |
4.3.2 不同取压方向差压信号的EMD伪成分分析 | 第35-38页 |
4.4 不同取压方向差压信号的特征提取 | 第38-42页 |
4.4.1 特征量的定义 | 第39页 |
4.4.2 特征量与流动参数的关系 | 第39-42页 |
4.5 本章小结 | 第42-43页 |
第五章 基于神经网络数据融合的流量测量 | 第43-59页 |
5.1 神经网络建模 | 第43-45页 |
5.2 空隙率测量 | 第45-50页 |
5.2.1 朝上取压数据测量空隙率 | 第45-47页 |
5.2.2 朝下取压数据测量空隙率 | 第47页 |
5.2.3 数据融合 | 第47-50页 |
5.3 干度测量 | 第50-52页 |
5.3.1 基于空隙率的干度测量 | 第50页 |
5.3.2 基于特征量的干度测量 | 第50-52页 |
5.4 质量流量测量 | 第52-58页 |
5.4.1 基于空隙率的质量流量测量 | 第52-54页 |
5.4.2 基于特征量的质量流量测量 | 第54-58页 |
5.5 本章小结 | 第58-59页 |
总结与展望 | 第59-61页 |
参考文献 | 第61-66页 |
攻读硕士学位期间取得的学术成果和科研情况说明 | 第66-67页 |
致谢 | 第67页 |