一、气液两相流差压波动信号的时间序列分析（论文文献综述）
刘耀徽[1]（2021）在《基于随机森林的气液两相流型识别研究》文中研究表明在描述气液两相流的众多参数中,流型对两相流系统的运行监控、过程控制及安全保证等具有重要的学术意义和工业应用价值。由于两相流动的复杂性和随机性,气液两相流的流型识别一直是国内外长期未能得以很好解决的难题。本文通过对水平管气液两相流图像信号和压差信号的采集和分析,提取有效区分流型的特征量与识别模型相结合,完成对层状流、波状流、泡状流、塞状流以及环状流五种流型的识别;主要研究包括了信号数据预处理、特征提取与选择、分类器的训练和分类算法的执行。首先,将图像处理技术应用到气液两相流型识别中。为了进行图像识别,需要将位于高维空间的原始图像转换到低维空间中,筛选掉对图像分类没有贡献的特征。本文对两相流的图像信号进行预处理后,从流型图像的灰度分布、形状特征以及纹理特征三个方面,基于灰度直方图、不变矩及灰度共生矩进行了特征提取,为流型识别工作提供有力依据。其次,对于压差波动信号这种非线性非平稳的信号,传统HHT方法存在筛选次数难确定、趋势函数太粗略以及模态混叠等严重的弊端,提出了将改进的HHT方法,即互补型集合经验模态分解方法（CEEMD）,应用于气液两相流流型识别中,对两相流差压波动信号进行分解。采用经验模态分解和互补型集合经验模态分解两种方法对压差信号进行分析,经过对比验证CEEMD在压差波动信号分解上的优势,改进后的方法不仅可以解决EMD分解中的噪声残留缺陷,还可以有效减轻信号固有模式的过分解问题。CEEMD方法在整个时间和频率范围内均具有较高的分辨率,能够较好地表征压差波动信号的时频特性。基于CEEMD提取了压差信号的时域特征和频域特征并进行分析,得到了压差信号的时域特征参数和IMF分量能量,构成的特征向量,能够有效识别五种流型。最后,提出了将随机森林算法应用于气液两相流型识别中。选择合适算法作为决策树节点分裂算法,基于随机森林算法分别对两相流的图像信号和压差波动信号进行了分类识别,并对随机森林进行参数优化。结果表明,从两相流的图像信号和压差信号提取出的有效特征能够与本文中的随机森林算法良好结合,模型具有较好的稳定性和泛化性能,对五种流型的识别准确率较高。
潘慧[2]（2020）在《小通道气液两相流型在线辨识与预测的实验及理论研究》文中研究表明由于工业制造水平的提高,科技新材料的研究发展,工业设备越来越趋于精细化,小型化。由于其精细的结构,灵敏的动态响应,低能耗和高效的转换效率,微小型设备被广泛应用于许多领域,例如石油、化工、医疗等。小通道内的两相流动特性不同于常规通道,这是由于表面效应在小通道内的影响最大,同时壁面润湿性、管道截面形状、粘性力以及粗糙度等的影响也在加大。两相流系统的安全运行受流动特性和传热特性的影响较大,而流型影响着流动特性和传热特性,因此,流型的辨识至关重要。而气液两相流的压差波动信号由流体的流动状况决定,蕴含了丰富的信息,与流型有着非常密切的关系。因此研究小通道气液两相流型的在线辨识与预测具有重要的工业应用价值和学术价值。本文结合高速摄像图对光电传感器模拟信号和压差波动信号进行线性统计分析实现了小通道气液两相流型的初步辨识;对压差波动信号进行混沌分析从非线性分析的角度研究两相流波动过程,进一步提高了流型辨识的准确性;建立了基于压差波动信号的Volterra自适应短期预测和LSTM循环神经网络预测模型实现了小通道气液两相流型的在线辨识与预测。首先,本文利用自行搭建的小通道气液两相流型测试实验平台,通过调节不同的气相和液相的流量,利用高速摄像机可以拍摄到本实验选取的三种管径下的小通道气液两相流中出现的流型的清晰的高速摄像图,进行流型的初步辨识。对通过高速摄像机获得的小通道气液两相流的流型所对应的的光电传感器模拟信号图进行流型的分析与辨识。由于对测试实验的的光电传感器模拟信号图和压差波动信号图的分析只是单纯的从线性的角度对信号波动图进行的流型分析辨识,没有涉及到气液两相流动的非线性特性分析。而压差波动信号蕴含着丰富的流型信息,在实验过程中易于采集,不会对两相流动状态产生影响,因此采用基于混沌的非线性分析对压差波动信号进行混沌分析,绘制吸引子图,从而实现了对小通道气液两相流的流型更准确的分析辨识。通过建立基于Volterra自适应滤波器的压差波动信号预测模型与基于LSTM循环神经网络的压差波动信号预测模型,对压差波动信号进行预测,对两种预测结果进行比较分析。通过高速摄像机获得了气泡流、塞状流、弹状流、弥散流和波状流五种典型流型的高速摄像图像,结合光电模拟信号和压差波动信号的对比分析证实了基于混沌吸引子图的小通道气液两相流流型辨识的优越性;通过对比分析基于相空间重构的Volterra自适应滤波器预测模型和LSTM循环神经网络预测模型,对小通道气液两相流压差波动信号的预测结果,发现两种预测模型都可以实现压差波动信号的预测,而基于混沌相空间重构的Volterra自适应预测模型对小通道气液两相流的预测结果更准确。在Volterra自适应预测模型下的三种管径的压差波动信号的预测结果中,2mm管径的气液两相流流型的压差波动信号预测结果的均方误差总体最小,预测效果最准确;在LSTM循环神经网络预测模型下,3mm管径的各个流型的压差波动信号的预测结果最好,呈现出管径越大预测结果越准确的现象。实验中所测得的五种流型中,基于混沌相空间重构的Volterra自适应预测模型对气泡流流型的压差波动信号预测均方误差最小;基于LSTM循环神经网络预测模型对弹状流的压差波动信号的预测均方误差相对较小,预测结果较好。
范起华[3]（2020）在《基于分形理论和熵理论的气液两相流流型特征提取和识别研究》文中研究说明在日常生活中存在着大量多相流动现象,作为多相流的一大主要分支,两相流普遍存在于石油、电力、核能等工业生产过程中,并以其传热传质速率、动量损失、压力梯度、气相含率等参数严重影响着工业生产的效率和安全。由于两相流的流型及动力学特性与其参数息息相关,因此,通过不同的分析方法对两相流不同流型进行特征表征和识别研究具有重要的意义。本文分别从分形理论和熵理论两个角度分别对流型特征进行了提取和识别,主要工作如下:（1）根据气液两相流系统的非线性特性,本文引入在非线性分析中效果显着的分形理论来刻画两相流流型信号的分形特征。通过比较几种传统分形维数方法的优缺点,采用表现特征更加全面且计算简单的网格维数估计方法。通过分析不同采样周期的信号,获得不同信号的分形维数,并根据其大小识别不同的信号。本文以两相流系统为研究对象,通过分形的特征参数表征不同流型电导波动信号的分形性质,结果显示该理论能够对不同的流型信号进行有效识别。（2）针对基于盒维数分形理论对信号覆盖不均匀从而影响维数精度的问题,提出基于数学形态学的分形维数方法来提取流型信号的分形特征。本文选用扁平型结构元素来探索流型信号的细节和特征,能高效地刻画和描绘信号,不需要对信号进行时域和频域上的分析,避免了盒维数的不足并且结果更加精确,计算更加简单。结果证明,基于数学形态学的分形维数估计方法在流型特征提取和识别中表现出良好的性能。（3）本文以衡量系统间因果关系的传递熵为基础,结合多尺度理论和符号化理论,提出多尺度符号化传递熵理论并对气液两相流的不同流型进行动力学特性研究。首先以全局四符号化方法对选取的时间序列进行符号化处理,然后对符号化时间序列进行多尺度传递熵分析,得到不同流型的熵值分布,实现从多个尺度的上下游之间的内在联系来表征不同流型的特性的目的。该方法简单可靠,为气液两相流流型的特征表征研究提供了新的途径。
邓元戎[4]（2019）在《分布式差压及电导传感器持气率组合测量方法研究》文中研究说明气液两相流广泛存在石油工业、核能工程及热能工程等工业生产过程中。为实现工业生产过程优化,准确识别和掌握气液两相流流动特征是非常必要的。相比于单相流,气液两相流流动更具有多样性、随机性、不稳定性以及复杂性等特征,流体流型复杂多样。这些不稳定因素,给准确测量气液两相流持气率带来巨大挑战。准确预测气液两相流持气率,对油气田生产过程中油井动态监测及传感测量系统设计具有重要实际意义。针对差压传感器稳定性强、可靠度高、矿场易实现,电导传感器响应快,准确度高等优点。本文提出了一种分布差压传感器与电导传感器组合获取气液两相流持气率参数的测量系统。分布式差压传感器旨在获取同一截面不同位置压力波动信息。本文设计了垂直上升小管径气液两相流动态实验。实验分析了分布式差压传感器、八电极旋转电场电导传感器和插入式互相关电导传感器测量信号。利用递归图对两相流进行流型识别。在此基础上,分别对五种典型压力降模型进行模型试验,以期进行模型优化选择,并根据组合测量系统获取的气液两相流混合雷诺数与摩擦系数的关系,对五种压力降模型预测的持气率进行评价。研究表明,基于差压传感器与电导传感器组合测量系统,在气相表观流速0.0552m/s～0.6256m/s及液相表观流速0.0368m/s～1.1776m/s范围内,根据Ansari模型预测持气率效果较好,平均绝对相对误差为5.947%。在提取持气率的基础上,建立了气液两相流漂移模型,并对不同流型结构下的分相流量进行了预测,取得了较高精度的分相流量预测效果。此外,对分布式差压传感器测量信号进行了时频分析,考察不同流型下流型能量分布情况。在传统递归图基础上引入交叉递归图方法进行流型识别。最后,用多尺度交叉熵算法（Cross-Sample Entropy,简称CSE）对上下游分布式差压传感器信号进行了非线性分析,分析了流型不稳定性,进一步认识了气液两相流流型非线性动力学特征。
魏颖[5]（2019）在《气液两相流差压信号分区方法及区域特征提取研究》文中指出气液两相流对于工业生产、管道运输等众多领域研究都有十分重要的意义。但因对其内部流动机理认识存在局限性且两相间运动变化复杂等因素,至今两相流的流动特征仍不甚清晰。本文的主要内容与创新点如下:（1）本文采用聚类方法对气液两相流差压测量信号进行区域划分。通过聚类,得到气液两相流差压信号的三个聚类中心以及高、中、低差压区间分界值,据此,差压信号被划分为三个区间。（2）管道内气液混合流体的复杂状态由气泡、气塞、气弹、液塞、液膜等多种微单元组合而成,且差压测量值的高低与上述微单元存在定性的关联。然而,差压测量信号分区导致差压数据缺失。为了后续分析差压测量值分布的统计特征与流型、含气率的关联关系,本文采用四种不同插值方式对高、中、低差压区间的数据进行补充。研究发现,组均值插值方式操作简单易实现,有效提高了数据变异程度的估计精度,但其插值节点的光滑度及其准确性不如三次样条插值方式;分段线性插值方法简单,计算速度快,软件易实现,但当数据存在非线性变异时,计算精度较难保证,总体光滑程度不够;牛顿插值方式在计算精度和速度上都不高,误差比较大,与三次样条插值方式比较,其在精度上相差较远,易造成龙格现象;三次样条插值曲线光滑性良好,且具有较好的线性逼近能力。结果表明,三次样条插值方式在时间及计算精度方面具有较好的效果,优于其他三种方式。（3）对分区后的各区间差压信号,分别提取其时域与频域特征,分析了高、中、低三个区域的气液两相流差压信号的时域统计特征量与流型、含气率的关联关系。分析结果表明,高差压区间的峰度、偏度、峭度指标可作为流型划分的依据;在中差压区间,描述系统混乱程度的紊流特征量-信息熵和羊群效应值可作为流型划分的依据;低差压区间的波动系数可作为流型划分的依据。（4）分析了高、中、低三个区间的气液两相流差压信号的频域特征。幅频图、功率谱密度图、时频谱图分析显示,气液两相流的低差压区间信号的频域特征可用来识别流型。
蒙雁琳[6]（2018）在《基于差压特征融合的气液两相流参数测量实验研究》文中认为气液两相流对管道运输、工业生产等众多领域具有重要研究意义。流型和含气率是气液两相流中十分重要的参数。流型影响两相流参数的精确测量。含气率为单相流量、压力梯度测量和内部流动情况分析提供依据。本文主要工作与创新点如下:（1）本文采用小波包对差压信号去噪,根据差压信号幅频、时频图分析去噪效果。运用小波包对差压信号分解重构,得到不同频率段差压重构信号。根据噪声信号的不相关性,分析小波包重构后的不同频率段信号的相关性,实现噪声辨识与去噪。根据差压信号幅频、时频图对比分析,滤波后差压信号主要频率、能量分布范围没有发生变化,只消除了高频微小能量。（2）文丘里管上部和底部差压信号具有不同的幅频、时频特性。两相流流体流经文丘里管喉部时会发生形变,在扩散段时,原本大量存在于管道顶部的气体形成大量气泡扩散到四周。通过分析文丘里管上部和底部差压波动信号的幅频、时频特性,发现上部差压信号的能量主要集中在310Hz,只有一个能量波峰,且剩余能量分布范围较宽;底部差压信号的能量分别集中在38Hz、1832Hz之间,具有两个能量波峰,且分散能量较少。（3）提取差压信号特征值,并结合流动机理分析特征参数。本文提取的第一类特征值反映差压信号的时域统计特征,包括方差、峰度、偏度。泡状流、段塞流的时域统计特征值分布在不同区域。第二类特征值反映紊流特征和波动特征,包括信息熵和差压波动系数。泡状流的第二类特征值与空隙率呈线性关系,段塞流的第二类特征值具有非线性。第三类特征值为反映混沌分形特征的广义赫斯特指数。两相流的混沌分形特征规律性较不明显,但泡状流时特征与空隙率大致呈线性关系,段塞流时具有非线性关系。（4）提取特征参数的主元成分,应用回声状态网络辨识流型和估计含气率。应用主元分析,提取差压信号特征值的主元成分。提取的3个主元的方差累积贡献率达到95%以上。采用回声状态网络对主元成分进行特征融合,得到回声状态网络模型,进行流型辨识和含气率估计。根据文丘里管上部差压信号估计含气率,均方根误差为6.45%。根据文丘里管底部取压信号估计含气率,均方根误差为5.10%。
周云龙,李珊珊[7]（2018）在《起伏振动状态下倾斜管内两相流多尺度熵分析》文中研究指明将振动装置和气液两相流实验回路相结合,在起伏振动状态下对倾斜管内气液两相流进行实验研究,观察记录流型并使用多尺度熵方法对压差波动信号进行分析。研究结果表明振动条件下倾斜管内出现两种新流型为珠状流、起伏弹状流。同时对95种流动条件下的5种典型流型的差压波动信号进行多尺度熵分析。结果表明,不同流型在低尺度（前9个）下的熵值变化率有明显不同,高尺度下的熵值可以反映不同流型的动力学特性。
陈静静[8]（2015）在《基于ESMD与支持向量机的气液两相流流型识别》文中提出气液两相流系统广泛存在于工农业生产和日常生活中。在描述气液两相流的众多参数中,其流型的在线识别对两相流系统的运行监控、过程控制及安全保证等具有重要的学术意义和工业应用价值。由于两相流动的复杂性和随机性,气液两相流的流型识别一直是国内外长期未能得以很好解决的难题。希尔伯特黄变换（HHT）是一种非线性信号处理方法,有望得到更为有效反应气液两相流流型的特征参数,有利于提高两相流流型识别的准确率。针对传统HHT方法存在的筛选次数难确定、趋势函数太粗略以及模态混叠等严重的弊端,有学者提出了改进的HHT方法,即极点对称模态分解方法（ESMD）,首次应用于气液两相流流型识别中。ESMD利用方差比求得最佳筛选次数,对文丘里管测得的气液两相流差压信号进行分解,根据去噪阈值对分解的IMFs进行去噪处理,求得去噪信号,提取去噪信号的均值、偏斜度、峭度和方根幅值作为时域特征参数。另外,分别采用ESMD方法和EMD方法将它们分解成不同特征尺度上的IMF分量组合,直接插值法（DI）和Hilbert变换提取各个分量的能量作为频域特征参数。利用获得的时域、频域特征参数和支持向量机（SVM）技术相结合进行气液两相流的流型识别。识别结果表明,提出的ESMD方法运用在两相流流型识别方面具有较好的效果,三种流型识别准确率都达到90%。
董芳,方立德[9]（2014）在《水平管气液两相流竖直方向压差信号复杂度分析》文中提出为了减小沿程摩阻压降的影响,对水平管段气液两相流竖直方向的压差波动信号进行测量,此信号主要由气液两相重位压差和气液两相间作用力产生的压差两部分组成,对其进行分析处理能够得到气液相间作用力对流型变化的影响。对测量信号提取了Lempel-Ziv复杂性和近似熵两种复杂性测度。结果表明,两种复杂性测度随气相表观速度增加呈增大的趋势,对两相流流型变化是敏感的,能够得到气液两相流动力学结构反演特性。
杜运成[10]（2011）在《基于电容层析成像技术的气液两相流特性分析》文中研究表明在石油、电力及化工等工业过程控制系统中,两相流系统普遍存在,探讨两相流流动机理、流体之间的相互作用,实现两相流系统的流型识别、准确检测两相流各种参数,具有重要意义。流型的正确识别直接影响两相流系统含气率、流速等其它流动参数的精确测量,因此两相流系统的流型识别和特性分析是该领域的重要研究方向之一。基于电容层析成像技术,在理论和实验研究的基础上,本文主要采用现代信息处理技术围绕水平管道、气液两相流的流动特性和流型识别问题展开讨论,全文的主要工作及结果简单总结如下:1.基于电容层析成像系统测量数据,采用高阶统计量分析和模糊聚类算法,对电容层析成像测量信号进行双谱和双谱对角切片分析,提取有用能量和幅值信息构成特征参数向量,提出一种气液两相流的流型分类方法。基于三阶累积量分析方法,确定了两相流系统测量信号的非高斯、非线性性质。通过双谱对角切片分析,验证了测量信号中存在相位耦合现象,并对信号基频和谐波频率分布情况进行估计。2.采用非线性信息处理方法实现气液两相流特性分析。基于Cao方法定性地分析出两相流系统测量信号是由随机成分和确定性成分共同组成。通过求取两相流系统的最大Lyapunov指数,确定了测量信号具有混沌特性,从而证明了两相流系统为一混沌系统。通过计算两相流系统的关联维、Kolmogorov熵和多尺度熵等混沌特性不变量,对不同流型进行了定量和定性分析,指出混沌特性不变量不但可以作为流型辨识因子,同时可以反映出不同流型的固有特征,较好地揭示了系统的内部流动特性。3.利用经验模态分解,首先对本征模态分量的完备性和正交性进行了讨论。以定量的方式分析了两相流系统不同尺度本征模态分量的能量分布情况,指出不同频段之间的能量传递与流型转换有直接关系。采用本征模态分量的Hilbert谱分析方法,以时间-频率-幅值（能量）的三维信息分布形式揭示了两相流系统的时频特性,边际谱反映了系统频率-能量随流型转化的变化规律,瞬时能量表征了每个频率在整个时间序列中的累积能量分布情况,等高能量分布实现了测量信号的优势频率范围的分析。4.基于小波包分解能量熵与模糊聚类算法,实现流型智能识别。根据流型识别结果,采用小波多尺度分析和R/S非线性分析方法对弹状流和段塞流的动态流动特性进行分析,实验结果表明两相流系统的双分形性是由系统离散相（气相）引起。利用R/S分析结果,结合Hurst指数和关联尺度信息,对两相流系统的非周期性特性进行讨论,提出一种改进P统计量分析方法,通过计算周期循环规律性参数,对弹状流和段塞流的非周期持续强度进行了定量分析。
二、气液两相流差压波动信号的时间序列分析（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、气液两相流差压波动信号的时间序列分析（论文提纲范文）
（1）基于随机森林的气液两相流型识别研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究的背景和意义 |
| 1.2 国内外关于该课题的研究现状及分析 |
| 1.2.1 图像处理技术在流型识别中的应用 |
| 1.2.2 压差信号处理在流型识别中的应用 |
| 1.2.3 人工智能技术在流型识别中的应用 |
| 1.2.4 国内外文献综述的简析 |
| 1.3 主要研究内容 |
| 第2章 气液两相流图像和压差信号的采集 |
| 2.1 气液两相流实验系统 |
| 2.1.1 空气-水闭合环路系统 |
| 2.1.2 图像采集记录系统 |
| 2.1.3 信号采集分析系统 |
| 2.2 实验参数设置 |
| 2.3 气液两相流实验步骤 |
| 2.4 测量内容及手段 |
| 2.4.1 图像信号的获取 |
| 2.4.2 压差信号的获取 |
| 2.5 实验数据处理 |
| 2.6 本章小结 |
| 第3章 气液两相流图像信号特征提取 |
| 3.1 气液两相流图像信号预处理 |
| 3.1.1 图像噪声来源 |
| 3.1.2 图像噪声的消除 |
| 3.2 图像信号的特征提取 |
| 3.2.1 基于灰度直方图的流型图像特征提取 |
| 3.2.2 基于不变矩的流型图像特征提取 |
| 3.2.3 基于灰度共生矩阵的流型图像特征提取 |
| 3.3 本章小结 |
| 第4章 气液两相流压差信号特征提取 |
| 4.1 压差信号特性分析 |
| 4.2 经验模态分解 |
| 4.3 互补型集合经验模式分解 |
| 4.4 希尔伯特变换 |
| 4.5 压差信号的特征提取 |
| 4.5.1 基于CEEMD的时域特征提取 |
| 4.5.2 基于CEEMD的频域特征提取 |
| 4.6 本章小结 |
| 第5章 基于随机森林的气液两相流型识别 |
| 5.1 随机森林的概述 |
| 5.1.1 随机森林的基分类器 |
| 5.1.2 随机森林的构建 |
| 5.2 随机森林在sklearn中的实现 |
| 5.3 随机森林的参数调优 |
| 5.4 基于随机森林的气液两相流型识别 |
| 5.4.1 气液两相流图像信号识别结果分析 |
| 5.4.2 气液两相流压差信号识别结果分析 |
| 5.5 随机森林与识别模型的比较 |
| 5.6 本章小结 |
| 结论与展望 |
| 参考文献 |
| 致谢 |
（2）小通道气液两相流型在线辨识与预测的实验及理论研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究背景 |
| 1.2 小通道气液两相流研究现状 |
| 1.2.1 流型辨识的研究现状 |
| 1.2.2 压差波动信号的研究现状 |
| 1.2.3 信息处理方法 |
| 1.3 主要研究工作 |
| 1.3.1 研究目的及意义 |
| 1.3.2 研究内容 |
| 1.3.3 研究技术路线 |
| 1.3.4 研究创新点 |
| 2 小通道气液两相流型测试实验平台 |
| 2.1 测试实验系统组成 |
| 2.2 测试段设计及实验步骤 |
| 2.3 实验测量方法与数据提取 |
| 2.4 测试数据分析理论及方法 |
| 2.5 测试数据噪声分析 |
| 2.6 本章小结 |
| 3 小通道气液两相流流型的在线辨识 |
| 3.1 1mm管径气液两相流流动特性分析与流型辨识 |
| 3.1.1 基于高速摄像的流动特性分析与流型辨识 |
| 3.1.2 基于光电传感器模拟信号的流型分析与辨识 |
| 3.1.3 基于压差波动信号的流型分析与辨识 |
| 3.2 2mm管径气液两相流流动特性分析与流型辨识 |
| 3.2.1 基于高速摄像的流动特性分析与流型辨识 |
| 3.2.2 基于光电传感器模拟信号的流型分析与辨识 |
| 3.2.3 基于压差波动信号的流型分析与辨识 |
| 3.3 3mm管径气液两相流流动特性分析与流型辨识 |
| 3.3.1 基于高速摄像的流动特性分析与流型辨识 |
| 3.3.2 基于光电传感器模拟信号的流型分析与辨识 |
| 3.3.3 基于压差波动信号的流型分析与辨识 |
| 3.4 本章小结 |
| 4 基于压差波动信号的小通道气液两相流型预测 |
| 4.1 基于Volterra自适应滤波器的压差波动信号预测 |
| 4.1.1 Volterra预测模型的建立 |
| 4.1.2 不同管径压差波动信号预测 |
| 4.2 基于LSTM循环神经网络的压差波动信号预测 |
| 4.2.1 LSTM预测模型的建立 |
| 4.2.2 不同管径压差波动信号预测 |
| 4.3 两种预测模型结果对比与分析 |
| 4.4 小通道气液两相流型预测辨识 |
| 4.5 本章小结 |
| 结论与展望 |
| 参考文献 |
| 在学研究成果 |
| 致谢 |
（3）基于分形理论和熵理论的气液两相流流型特征提取和识别研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 本文研究背景及意义 |
| 1.2 两相流流型研究现状及发展趋势 |
| 1.2.1 两相流流型研究现状 |
| 1.2.2 两相流流型研究发展趋势 |
| 1.3 本文研究主要内容 |
| 2.气液两相流典型流型简介与实验数据获取 |
| 2.1 气液两相流概述 |
| 2.2 实验数据获取 |
| 2.3 气液两相流的典型流型信号 |
| 2.4 本章小结 |
| 3 基于分形理论的流型信号特征提取 |
| 3.1 分形理论的产生与发展 |
| 3.2 分形、混沌与非线性的关系 |
| 3.3 动力学系统 |
| 3.4 分形的几何特征 |
| 3.4.1 自相似性 |
| 3.4.2 自仿射性 |
| 3.4.3 分形与欧式几何图形的区别 |
| 3.4.4 标度和无标度域 |
| 3.5 两相流流型信号的传统分形维数估计 |
| 3.5.1 经典分形维数的定义 |
| 3.5.2 多重分形的基本概念 |
| 3.5.3 网格分形维数与经典的单分形维数的对比分析 |
| 3.5.4 网格维数的具体定义及计算方法 |
| 3.5.5 网格维数实验计算 |
| 3.5.6 网格维数在流型信号中的应用 |
| 3.6 两相流流型信号的基于数学形态学的分形维数估计 |
| 3.6.1 数学形态学概述 |
| 3.6.2 数学形态学基本理论 |
| 3.6.3 基于数学形态学的分形维数 |
| 3.6.4 基于数学形态学的分形维数估计理论 |
| 3.6.5 基于数学形态学的分形理论的应用 |
| 3.7 本章小结 |
| 4 基于多尺度符号化传递熵方法的两相流流型特性分析 |
| 4.1 熵理论 |
| 4.1.1 熵的发展 |
| 4.1.2 信息熵基本理论 |
| 4.1.3 马尔可夫基本理论 |
| 4.1.4 传递熵基本理论 |
| 4.2 多尺度符号化传递熵(MSTE)分析 |
| 4.2.1 多尺度符号化传递熵算法 |
| 4.2.2 多尺度符号化传递熵(MSTE)计算过程 |
| 4.2.3 传递熵在混沌系统中的应用 |
| 4.2.4 MSTE算法在lorenz系统中的应用 |
| 4.3 气液两相流三种典型流型的MSTE分析 |
| 4.3.1 多尺度符号传递熵与多尺度传递熵的比较分析 |
| 4.3.2 基于MSTE在两相流中的应用 |
| 4.4 本章小结 |
| 总结与展望 |
| 课题研究工作总结 |
| 课题展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表学术论文目录 |
（4）分布式差压及电导传感器持气率组合测量方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 气液两相流检测技术研究现状 |
| 1.2.1 气液两相流分布参数 |
| 1.2.2 气液两相流流动参数检测方法 |
| 1.3 气液两相流流动参数检测存在问题 |
| 1.4 本文工作及创新点 |
| 1.5 本文组织结构 |
| 第2章 分布式差压及电导传感器组合测量系统 |
| 2.1 测量系统及实验装置 |
| 2.2 小管径分布式差压传感器测量特性 |
| 2.2.1 压力传感器测量特性 |
| 2.2.2 差压传感器测量特性 |
| 2.3 小管径旋转电场式八电极电导传感器测量特性 |
| 2.4 插入式电导传感器阵列相关流速测量特性 |
| 2.5 气液两相流流型识别 |
| 2.6 小结 |
| 第3章 小管径气液两相流压力降模型试验 |
| 3.1 气液两相流压力降Asheim经验模型 |
| 3.2 气液两相流压力降Hasan-Kabir机理模型 |
| 3.3 气液两相流压力降Ansari机理模型 |
| 3.4 气液两相流压力降统一机理模型 |
| 3.5 气液两相流压力降双流体物理模型 |
| 3.6 气液两相流压力降模型评价 |
| 3.7 小结 |
| 第4章 小管径气液两相流持气率测量方法 |
| 4.1 气液两相流混合摩阻系数模型 |
| 4.2 气液两相流相关流速测量 |
| 4.3 分布式差压传感器压力降预测 |
| 4.4 分布式差压传感器持气率预测 |
| 4.5 气液两相分相表观流速模型 |
| 4.6 小结 |
| 第5章 采用分布式差压信号分析流型特征 |
| 5.1 差压传感器时域及频域特性 |
| 5.2 气液两相流交叉递归图分析 |
| 5.3 分布式差压传感器测量信号交叉熵分析 |
| 5.4 小结 |
| 第6章 总结 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 发表论文和参加科研情况说明 |
| 致谢 |
（5）气液两相流差压信号分区方法及区域特征提取研究（论文提纲范文）
| 摘要 |
| abstract |
| 符号与标记 |
| 第一章 绪论 |
| 1.1 研究背景及其意义 |
| 1.2 国内外研究现状 |
| 1.3 论文的主要内容及组织结构 |
| 1.4 本章小结 |
| 第二章 相关理论与方法基础 |
| 2.1 气液两相流主要参数 |
| 2.2 聚类分析 |
| 2.3 含气率测量 |
| 2.4 数据插值 |
| 2.5 两相流差压信号时频分析 |
| 2.6 本章小节 |
| 第三章 差压信号分区方法及数据补充研究 |
| 3.1 实验装置与实验步骤 |
| 3.1.1 实验装置 |
| 3.1.2 实验操作流程 |
| 3.2 基于聚类的数据分析研究结果 |
| 3.3 基于信号缺失值填充方法研究 |
| 3.3.1 组均值插值法 |
| 3.3.2 线性插值法 |
| 3.3.3 三次样条插值法 |
| 3.3.4 牛顿插值法 |
| 3.4 本章小结 |
| 第四章 差压信号分区时域特征 |
| 4.1 气相对差压信号的影响 |
| 4.2 时域统计特征 |
| 4.3 本章小结 |
| 第五章 差压信号分区频域特征 |
| 5.1 气液两相流原始差压信号特征 |
| 5.2 快速傅里叶变换原理分析 |
| 5.3 频谱分析 |
| 5.4 功率谱密度分析 |
| 5.5 小波变换分析 |
| 5.6 本章小结 |
| 总结与展望 |
| 参考文献 |
| 攻读硕士学位期间取得的学术成果 |
| 致谢 |
（6）基于差压特征融合的气液两相流参数测量实验研究（论文提纲范文）
| 摘要 |
| abstract |
| 符号与标记 |
| 第1章 绪论 |
| 1.1 研究背景及其意义 |
| 1.2 研究现状及发展趋势 |
| 1.3 论文的主要内容及组织结构 |
| 1.4 本章小结 |
| 第2章 气液两相流参数与数据融合 |
| 2.1 气液两相流主要参数 |
| 2.2 流型辨识 |
| 2.3 含气率测量 |
| 2.4 数据融合 |
| 2.4.1 数据融合分类 |
| 2.4.2 数据融合算法 |
| 2.5 本章小结 |
| 第3章 数据测量与预处理 |
| 3.1 实验装置与实验步骤 |
| 3.1.1 实验装置 |
| 3.1.2 实验步骤 |
| 3.2 流型分类 |
| 3.3 小波包分解去噪 |
| 3.3.1 差压信号噪声 |
| 3.3.2 小波包分解去噪 |
| 3.4 本章小结 |
| 第4章 差压信号特征 |
| 4.1 差压与液相流量 |
| 4.2 时域统计特征 |
| 4.3 紊流特征 |
| 4.3.1 雷诺数 |
| 4.3.2 信息熵 |
| 4.4 波动特征 |
| 4.4.1 差压波动性 |
| 4.4.2 差压波动系数 |
| 4.5 混沌分形特征 |
| 4.5.1 消除趋势波动分析法原理 |
| 4.5.2 基于DFA的差压信号分析 |
| 4.6 本章小结 |
| 第5章 回声状态网络特征融合 |
| 5.1 主元分析 |
| 5.1.1 主元分析原理 |
| 5.1.2 特征参数主元分析 |
| 5.2 回声状态网络 |
| 5.3 流型辨识 |
| 5.4 含气率估计 |
| 5.5 本章小结 |
| 总结与展望 |
| 参考文献 |
| 攻读硕士学位期间取得的学术成果和科研情况说明 |
| 致谢 |
（8）基于ESMD与支持向量机的气液两相流流型识别（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 前言 |
| 1.1 课题的来源及研究意义 |
| 1.2 气液两相流概述 |
| 1.3 气液两相流的流型分类 |
| 1.4 课题的主要研究内容 |
| 第2章 文献综述 |
| 2.1 国内外研究现状分析 |
| 2.2 流型智能识别存在的问题 |
| 2.3 经验模态分解 |
| 2.4 支持向量机 |
| 2.4.1 两类分类器 |
| 2.4.2 多类分类器 |
| 第3章 HHT与改进算法的基本原理 |
| 3.1 HHT |
| 3.1.1 经验模态分解 |
| 3.1.2 Hilbert变换 |
| 3.1.3 Hilbert谱 |
| 3.1.4 模态混叠 |
| 3.2 改进的HHT方法 |
| 3.2.1 数据分析现状 |
| 3.2.2 ESMD方法 |
| 3.2.3 DI插值法 |
| 3.3 仿真实验 |
| 3.3.1 仿真信号实验结果及分析 |
| 3.3.2 实际信号1实验结果及分析 |
| 3.3.3 实际信号2实验结果及分析 |
| 3.4 ESMD的优势 |
| 3.5 本章小结 |
| 第4章 基于ESMD与SVM的流型识别方法 |
| 4.1 实验装置与实验方案 |
| 4.1.1 实验装置 |
| 4.1.2 实验步骤 |
| 4.1.3 实验信号的选择 |
| 4.2 流型特征提取 |
| 4.2.1 差压信号特征分析 |
| 4.2.2 基于ESMD的时域特征提取 |
| 4.2.3 基于ESMD的频域特征提取 |
| 4.3 基于ESMD和SVM结合的流型识别方法 |
| 4.4 本章小结 |
| 总结与展望 |
| 参考文献 |
| 攻读硕士学位期间取得的学术成果和科研情况说明 |
| 致谢 |
（9）水平管气液两相流竖直方向压差信号复杂度分析（论文提纲范文）
| 0 引言 |
| 1 理论依据 |
| 2 垂直水平流向压差波动信号采集 |
| 2.1 压差信号获取方法改进 |
| 2.2 实验数据采集 |
| 3 复杂性测度 |
| 3.1 Lempel-Ziv复杂性 |
| 3.2 近似熵 |
| 4 气液两相流测量信号复杂性分析 |
| 5 结论 |
（10）基于电容层析成像技术的气液两相流特性分析（论文提纲范文）
| 中文摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 两相流定义与参数检测 |
| 1.1.1 相的定义 |
| 1.1.2 两相流分类 |
| 1.1.3 两相流的主要特征参数 |
| 1.1.4 多相流参数检测的意义 |
| 1.2 多相流参数检测技术的现状 |
| 1.3 多相流参数检测的发展趋势 |
| 1.4 基于信息处理技术的流型识别方法 |
| 1.4.1 直接测量方法 |
| 1.4.2 间接测量方法 |
| 1.5 电学层析成像技术及其应用 |
| 1.6 本文的主要内容及创新点 |
| 1.7 小结 |
| 第二章 气液两相流测量系统与信号预处理 |
| 2.1 水平管道气液两相流测量系统 |
| 2.1.1 实验装置简介 |
| 2.1.2 实验方案简介 |
| 2.1.3 实验流型 |
| 2.2 数据预处理 |
| 2.2.1 电容成像数据的标定变换 |
| 2.2.2 数据平滑处理 |
| 2.2.3 平均法 |
| 2.2.4 五点三次平滑方法 |
| 2.3 实验分析 |
| 2.4 小结 |
| 第三章 基于高阶统计量的两相流系统测量信号特性研究 |
| 3.1 高阶矩与高阶累积量 |
| 3.2 高阶谱 |
| 3.3 双谱及其估算 |
| 3.3.1 双谱对称特性 |
| 3.3.2 双谱估计 |
| 3.4 非高斯和非线性检验 |
| 3.4.1 非高斯型检验 |
| 3.4.2 非线性检验 |
| 3.5 实验分析 |
| 3.5.1 两相流系统非高斯/非线性分析 |
| 3.5.2 两相流系统双谱分析 |
| 3.5.3 基于高阶统计量的流型特征参数提取 |
| 3.6 小结 |
| 第四章 两相流系统混沌特性分析 |
| 4.1 相空间重构与定性分析 |
| 4.1.1 延迟时间独立确定方法 |
| 4.1.2 嵌入维数的独立确定方法 |
| 4.1.3 延迟时间与嵌入维同时确定算法 |
| 4.1.4 两相流系统的相空间重构参数估算 |
| 4.1.5 基于Cao方法的两相流特性分析 |
| 4.2 最大Lyapunov指数分析 |
| 4.2.1 最大Lyapunov指数的计算 |
| 4.2.2 两相流系统的最大Lyapunov指数分析 |
| 4.3 关联维与Kolmogorov熵分析 |
| 4.3.1 关联维与Kolmogorov熵的计算 |
| 4.3.2 基于最小二乘法的关联维和Kolmogorov熵的估算 |
| 4.3.3 两相流系统实验分析 |
| 4.4 多尺度熵分析 |
| 4.4.1 多尺度熵计算 |
| 4.4.2 两相流系统的多尺度熵分析 |
| 4.5 小结 |
| 第五章 基于Hilbert-Huang变换的两相流流动特性分析 |
| 5.1 Hilbert-Huang变换 |
| 5.1.1 经验模态分解 |
| 5.1.2 Hilbert变换与Hilbert谱 |
| 5.2 基于经验模态分解的两相流特性分析 |
| 5.2.1 分解信号长度选择 |
| 5.2.2 两相流信号的经验模态分解 |
| 5.2.3 完备性与正交性检验 |
| 5.2.4 本征模态分量能量分布特性分析 |
| 5.3 基于Hilbert谱的两相流特性分析 |
| 5.4 频谱与时频分析对比 |
| 5.5 小结 |
| 第六章 两相流流型识别与非周期特性分析 |
| 6.1 引言 |
| 6.1.1 小波定义 |
| 6.1.2 小波变换 |
| 6.1.3 小波包分析 |
| 6.2 基于小波包分析的两相流流型识别 |
| 6.3 基于小波分析的两相流特性研究 |
| 6.3.1 基小波选择与分解尺度分析 |
| 6.3.2 两相流系统动态特性分析 |
| 6.3.3 基于R/S方法的两相流系统非线性分析 |
| 6.3.4 两相流系统非周期循环特性分析 |
| 6.4 小结 |
| 第七章 总结与建议 |
| 7.1 总结 |
| 7.2 建议 |
| 参考文献 |
| 发表论文和参加科研情况说明 |
| 发表论文情况 |
| 参与的科研项目 |
| 致谢 |
四、气液两相流差压波动信号的时间序列分析（论文参考文献）
- [1]基于随机森林的气液两相流型识别研究[D]. 刘耀徽. 东北电力大学, 2021(09)
- [2]小通道气液两相流型在线辨识与预测的实验及理论研究[D]. 潘慧. 内蒙古科技大学, 2020
- [3]基于分形理论和熵理论的气液两相流流型特征提取和识别研究[D]. 范起华. 青岛科技大学, 2020(01)
- [4]分布式差压及电导传感器持气率组合测量方法研究[D]. 邓元戎. 天津大学, 2019
- [5]气液两相流差压信号分区方法及区域特征提取研究[D]. 魏颖. 中国石油大学(华东), 2019(09)
- [6]基于差压特征融合的气液两相流参数测量实验研究[D]. 蒙雁琳. 中国石油大学(华东), 2018(07)
- [7]起伏振动状态下倾斜管内两相流多尺度熵分析[J]. 周云龙,李珊珊. 化工学报, 2018(05)
- [8]基于ESMD与支持向量机的气液两相流流型识别[D]. 陈静静. 中国石油大学(华东), 2015(04)
- [9]水平管气液两相流竖直方向压差信号复杂度分析[J]. 董芳,方立德. 热科学与技术, 2014(01)
- [10]基于电容层析成像技术的气液两相流特性分析[D]. 杜运成. 天津大学, 2011(05)