本文提出了一种基于模糊聚类分析和神经网络辨识两相流流型的新方法。该方法首先通过对极板电容测量数据进行聚类分析，然后根据聚类结果和电容值的隶属度，利用神经网络进行流型辨识。仿真结果表明：此方法在两相流流型辨识中具有较高的判别精度和较快的软件运动速度，为两相流流型在线辨识提供了一种有效的手段。

本文提出一种以线性神经网络为基础测量气，固两相流速度的新方法。首先通过对两个传感器之间的流动噪声输送过程进行分析，建立两个传感器信号之间的数学模型。并以此为基础通过线性神经网络测量流动噪声的渡越时间，进而测出流速。实验结果表明，此方法可以克服常用的相关估计方法中存在的随机误差较大，分辨率较低的缺点，为两相流流速的测量测量了一种有效的手段。

提出一种基于支持向量机计算圆度误差的方法.支持向量机的理论基础是Vapnik创建的统计学习理论.它采用结构风险最小化准则,在最小化样本点误差的同时,缩小模型预测误差的上界,从而提高了模型的泛化能力.该方法采用支持向量机对圆度误差评价,克服了传统圆度最小二乘法评价的局部收敛问题.仿真实验结果表明介绍的方法可以有效、正确地评价圆度误差.

针对传统圆度误差评定方法容易陷入局部最优而影响测量精度的问题,提出一种基于改进蛙跳算法的圆度误差评定方法.首先分析了最小区域圆法、最小二乘圆法、最大内接圆法和最小外接圆法这四种圆度误差评定方法的基本原理,并分别建立了非线性优化的数学模型;然后介绍了蛙跳算法的基本思想,引入邻域搜索操作提出了一种改进的蛙跳算法,并给出了利用该算法求解圆度误差问题的具体步骤.最后为了验证新算法的有效性,进行了仿真实验,实验结果表明本文算法可以有效、正确地评价圆度误差.这也为圆度误差评定问题的研究提供一种新的途径和手段.

为了提高互相关法的测量精度，本文提出了一种基于遗传算法测量气固两相流速度的方法。首先通过对两个传感器之间的流动噪声输送过程进行分析，在建立两个传感器信号之间数学模型的基础上，提出一种系统脉冲响应函数的数学模型。其次简要介绍遗传算法的基本原理，以及利用遗传算法求解系统脉冲响应函数的方法。最后通过实验来验证该方法的可行性。实验结果表明：此方法能够比较精确地求解出渡越时间。这也为两相流流速的测量提供了一种有效的手段。

由于硬件电路的影响,采样频率的提高受到了限制,直接对发射端和接收端的采样信号进行互相关所确定的声波渡越时间精度较低,为此提出一种基于互相关和函数型神经网络测量声波渡越时间的方法。首先介绍声学法测温、互相关和神经网络的基... 展开更多

提出一种基于小波变换、神经网络和空间滤波测量速度成像的方法.神经网络用来重构管道相关部分的图像.小波变换用于确定每个像素空间滤波信号的带宽,并由此得到速度和它的图像.实验结果表明这种速度成像测量方法是可靠的.

本文介绍了空气动力传送管道中固体速度的各种测量方法和各自的特点，并对各种方法及使用的传感器进行了讨论。

在利用空间滤波和电容传感器测量两相流速度时,需要准确测量电容传感器输出信号的带宽。针对此问题提出一种利用经验模态分解算法来测量传感器带宽的方法。文章首先介绍电容传感器的空间滤波效应和经验模态分解的基本原理,并给出固体速度和电容传感器输出信号带宽之间的关系。然后将经验模态分解和平滑滤波器结合对测量信号进行平滑处理,测量处理后的信号带宽,利用带宽计算得到两相流的速度,最后进行了仿真实验,由此方法得到的测量误差都在2%以内,这比利用小波变换方法得到的相对误差要小得多。仿真实验结果表明该方法能够对两相流速度进行比较准确地测量,这也证明了该方法的可行性与有效性。