对气泡幕中气泡粒子的识别及尺寸计算进行了分析,详细介绍了将延伸率、紧凑率、似圆程度和惯性因子作为主要因素的特征向量法对气泡粒子的识别和计算。由分析可知,基于激光切片的技术可以先对图像进行二维分析,然后将所获得的数据叠加进而实现三维分析,更有助于气泡幕的探测。

神经网络算法在解决多参非线性问题中表现出极强的自适应能力,运用到泵故障检测上能找到故障特征值与对应故障之间的关系.把柱塞泵故障特征值作为BP神经网络的输入量,柱塞泵的故障特征作为输出量,并选择3层BP神经网络,其中隐含层包含10个中间节点.从仿真结果可看出所建立的BP神经网络模型能很好地诊断柱塞泵的故障类型,对柱塞泵维护有重要的意义.