基于小波分析和神经网络的ERT系统流型辨识研究

论文摘要

两相流广泛存在于现代工业生产之中,在一定程度上影响着工业的发展。两相流体系是一个非线性动态系统,两相流体具有复杂的流动特性,且相间存在着界面效应和相对速度,致使两相流参数检测的难度较大。在两相流系统中,流型是一个重要的检测参数,它的准确辨识是两相流其他参数准确测量的基础,因此流型的智能辨识成为两相流研究的重点内容之一。本文以12电极的ERT系统和油/水两相流的流型为研究基础,研究了小波分析和神经网络在两相流流型辨识中的应用。本文在阅读了大量的文献基础之上,归纳总结了两相流检测技术对科研和工业生产的重要意义,同时详细总结并分析了两相流流型的辨识方法的发展历程、研究现状及亟待解决的关键问题,指出了基于图像重建的流型辨识的缺点,并提出了基于测量数据特征提取的流型辨识方法。本文运用小波分析方法研究了基于ERT系统测量数据的特征提取问题。以常见的流型为研究对象,研究了基于小波包分析(WPA)的测量数据特征提取方法。对如何有效利用信号的小波包能量值的统计特征及所含流型的特征展开了研究。并以提取后的特征向量作为神经网络的输入,对网络进行建模和仿真。本文针对现有的基于ERT系统的流型辨识方法进行了较为全面深入的研究,在大量的仿真基础之上,提出了一种基于测量数据特征提取的神经网络流型辨识方法,并对实验仿真结果进行深入的分析和总结。通过本文的研究工作,证明此方法为两相流流型辨识提供了一种更有效的手段。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 两相流检测技术
• 1.1.1 两相流检测技术研究的重要意义
• 1.1.2 两相流检测技术的主要参数
• 1.1.3 两相流检测技术的发展现状
• 1.1.4 两相流检测技术的发展趋势
• 1.2 两相流流型辨识方法
• 1.2.1 两相流流型辨识研究的重要意义
• 1.2.2 两相流流型辨识的研究现状
• 1.2.3 两相流流型辨识的方法
• 1.2.4 两相流流型辨识的关键技术
• 1.2.5 两相流流型辨识存在的主要问题
• 1.2.6 两相流流型辨识的发展趋势
• 1.3 课题来源及研究的主要内容
• 第2章 电阻层析成像技术
• 2.1 ERT 系统的构成及原理
• 2.2 ERT 技术的应用研究现状
• 2.2.1 ERT 技术的发展历程
• 2.2.2 ERT 技术的应用现状
• 2.3 ERT 技术的应用前景
• 2.4 ERT 技术在两相流流型辨识中的应用
• 2.4.1 ERT 技术在两相流流型辨识中的重要意义
• 2.4.2 ERT 技术的关键技术
• 2.4.3 ERT 技术的发展方向
• 2.5 本章小结
• 第3章 基于小波分析对测量数据的特征提取
• 3.1 小波分析技术的基本理论
• 3.1.1 小波的定义
• 3.1.2 常用小波函数介绍
• 3.2 小波分析技术的应用
• 3.3 小波包分析技术
• 3.3.1 小波包分析技术的原理
• 3.3.2 小波包分析技术的特性
• 3.3.3 小波包分析技术的算法
• 3.3.4 小波包基选取的标准
• 3.4 基于小波包分析技术的特征提取
• 3.4.1 特征的选择与提取
• 3.4.2 使用小波包分析技术进行特征提取的必要性
• 3.4.3 对测量信号的分析
• 3.4.4 特征向量的构造
• 3.5 本章小结
• 第4章 神经网络在两相流流型辨识中的应用
• 4.1 神经网络技术
• 4.1.1 神经网络的概念
• 4.1.2 神经网络的分类
• 4.1.3 神经网络的发展
• 4.1.4 神经网络的应用
• 4.2 RBF 神经网络
• 4.2.1 RBF 神经网络的概念
• 4.2.2 RBF 神经元
• 4.2.3 RBF 神经网络的结构模型
• 4.2.4 RBF 神经网络的映射关系
• 4.2.5 RBF 神经网络的训练算法
• 4.3 RBF 神经网络在流型辨识中的应用
• 4.4 本章小结
• 第5章 基于小波包分析和RBF 神经网络的流型辨识
• 5.1 基于小波包分析构造特征向量
• 5.2 基于RBF 神经网络的流型辨识
• 5.2.1 RBF 网络模型的组建
• 5.2.2 基于小波包和RBF 神经网络的流型辨识
• 5.3 实验结果
• 5.4 结果的统计分析
• 5.5 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间所发表的学术论文
• 致谢