| 摘要 | 第1-7页 |
| Abstract | 第7-10页 |
| 第1章 绪论 | 第10-16页 |
| ·油水两相流检测的背景和意义 | 第10-11页 |
| ·国内外的研究动态及发展趋势 | 第11-14页 |
| ·存在的主要问题 | 第14页 |
| ·本课题的主要研究内容 | 第14-16页 |
| 第2章 传感器装置与实验系统 | 第16-26页 |
| ·几种常见测量方法简介 | 第16-20页 |
| ·目测法 | 第16-17页 |
| ·高速摄影法 | 第17页 |
| ·射线衰减法 | 第17-18页 |
| ·接触探头法 | 第18-19页 |
| ·电容层析成像 | 第19-20页 |
| ·压差波动法 | 第20页 |
| ·优缺点对比及实验方法的最终确定 | 第20-22页 |
| ·六种测量方法的优缺点对比 | 第20-21页 |
| ·实验方法的最终确定 | 第21-22页 |
| ·实验装置及工况 | 第22-24页 |
| ·实验台简介 | 第22-23页 |
| ·电导探针的制作工艺 | 第23页 |
| ·电导探针测量系统的测量原理 | 第23-24页 |
| ·实验步骤 | 第24页 |
| ·原始信号分析 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 基于现代信号处理的流型特征提取 | 第26-43页 |
| ·小波基本理论 | 第26-29页 |
| ·离散二进小波变换 | 第26-27页 |
| ·基于小波的多分辨分析 | 第27-28页 |
| ·小波分解和重构的Mallat 算法 | 第28-29页 |
| ·小波去噪原理 | 第29-35页 |
| ·常见的小波阈值规则简介 | 第30页 |
| ·仿真信号的小波去噪 | 第30-32页 |
| ·油水两相流电导波动信号的小波去噪 | 第32-35页 |
| ·小波包分解及特征提取 | 第35-38页 |
| ·小波包分解算法简介 | 第35-36页 |
| ·小波包能量特征提取 | 第36-38页 |
| ·经验模式分解算法简介及特征提取 | 第38-42页 |
| ·经验模式分解算法 | 第38-41页 |
| ·各模态能量特征的提取 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第4章 人工神经网络流型识别模型 | 第43-55页 |
| ·BP 神经网络简介 | 第43-46页 |
| ·BP 网络的结构 | 第43-44页 |
| ·BP 神经网络的算法 | 第44-46页 |
| ·径向基函数网络模型 | 第46-49页 |
| ·径向基函数网络结构 | 第46-47页 |
| ·RBF 网络的训练算法 | 第47-49页 |
| ·传统RBF 神经网络的改进 | 第49-51页 |
| ·改进RBF 的设计思想 | 第49-50页 |
| ·改进RBF 的学习算法 | 第50-51页 |
| ·传统RBF 及改进RBF 流型识别网络的建立及性能对比 | 第51-52页 |
| ·Elman 神经网络模型 | 第52-54页 |
| ·Elman 神经网络结构及算法 | 第52-53页 |
| ·IMF 特征能量训练及识别 | 第53-54页 |
| ·几种模型的比较 | 第54页 |
| ·本章小结 | 第54-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 攻读学位期间取得的研究成果及发表的学术论文 | 第60-61页 |
| 致谢 | 第61页 |