应用神经网络法智能识别油气水多相流流型

采用分形理论和神经网络技术来实现智能识别油气水多相流流型 .测量了水平管内油气水多相流的压差 ,应用分形理论中的重构相空间算法 (Grassberger Procaccia算法 ) ,算出压差信号的关联维数 ,然后将关联维数作为径向基函数神经网络的输入 ,从而实现对流型的智能识别 .实验结果证明 ,该识别方法十分有效 .     

应用神经网络法智能识别油气水多相流流型

采用分形理论和神经网络技术来实现智能识别油气水多相流流型。测量了水平管内油气水多相流的压差,应用分形理论中的重构相空间算法（Ｇｒａｓｓｂｅｒｇｅｒ－Ｐｒｏｃａｃｃｉａ算法）,算出压差信号的关联维数,然后将关联维数作为径向基函数神经网络的输入,从而实现对流型的智能识别。实验结果证明,该识别方法十分有效。     

形理论在油气水多相流流型识别中的应用

用分形的特征参数--关联维数来表征油气水多相流流动的分形性质.对水平管内油气水多相流流动的瞬态压差信号序列运用相空间重构法进行处理,计算出各种流型的压差信号的关联维数.分析结果表明,各种流型的信号序列在重构的伪相空间中具有不同的关联维数,反映了各个流型的动力学形成机制的不同,所以关联维数可用于多相流流型的识别.实验结果证明,这种采用分形理论对多相流流型进行识别的新颖方法是十分有效的.     

多相流流型识别技术与系统开发

基于油气水多相流混合物在管道内流动时的多传感器信号－－压力和压差信号，建立特定流型的识别规则，采用学习矢量量化模式分类器作为未知流型的分类器，根据数据融合的技术思路获得了油气水多相流的流型在线识别技术。通过系统集成的手段，利用微处理装置研制出了流型识别系统。该识别技术具有置信度高、容错性好、性能稳定、降低了对单个传感器的性能要求等优点。该识别系统结构简单、无运动部件、不改变管道的截面结构，可以处理非快速变化的瞬态流动，测量误差小于10％，并具有连续工作、定时打印、信号输出等功能。     

油气水多相流流型智能识别系统的设计与实现

利用模式识别理论的语言来表述油气水多相汉流型的识别问题，将油气水多相汉流型的识别问题转换为一类模式识别问题，从而借助模式识别的理论来完成流型的智能识别。按照模式识别的三大过程，即信号测量、信号篁 征提取以及状态识别，建立起一套油气水多相流流型智能识别系统，该系统能自动在线地输出油气水多相流流动的流型类别。     

双螺杆多相流混输泵内部回流机理分析

双螺杆多相流混输泵是用于油气混输的增压装置 ,回流是影响多相泵性能的重要因素 .通过对双螺杆油气多相流混输泵的几何解析 ,建立了不同形状回流通道的回流模型 ,回流量与压差、含气率有关 ,随着含气率的提高 ,回流量减少 ;压差增大 ,回流量提高 .可以利用气体的可压缩性 ,降低双螺杆多相流混输泵的回流量 ,从而提高其容积效率 .     

分形理论在油气水多相流流型识别中的应用

用分形的特征参数－－关联维数来表征油气水多相流流动的分形性质,对水平管内 气水氏相流流动的瞬态压差信号序列运用相空间重构法进行处理,计算出各种流型的压关联维数,分析结果表明,各种流型的信号序列在重构的伪相空间中具有不同的关联维数,反映了各个流型的动力学形成机制的不同,所以关联维数可用于上流流型的识别,实验结果证明,这种要用分形理论对多相流流型进行识别的新颖方法是十分有效的。     

双昆杆多相流混凝泵内部回流机理分析

双螺杆多相流混输泵是用于油气混输的增压装置,回流是影响多相泵性能的重要,通过对双螺杆油所多相流混输泵的几何解析,建立了不同形状回流通道的回流模型,回流量与压差,含气率有关,随着含气率的提高,回流量减少,压差增大,回流量提高,可以利用气体的可压缩性,降低双螺杆多相流混输泵的回流量,从而提其容积效率。     

遗传神经网络算法改进研究

对传统的遗传算法编码方式进行了改进并与前馈神经网络ＢＰ算法相结合,从而克服了ＢＰ算法收敛速度慢的缺点。算例表明,改进后的算法是有效的。     

基于支持向量机的气液两相流流型识别新方法

为准确识别两相流型，提出了基于小波包多尺度信息熵和支持向量机的流型识别方法．利用小波包变换对采集到的水平管空气-水两相流压差波动信号进行3层小波包分解，得到8个不同频带的信号，提取各频带信号的小波包多尺度信息熵作为流型的特征向量，运用支持向量机进行训练并识别流型．结果表明：与BP神经网络相比，采用支持向量机进行流型识别可以获得更高的识别率，表明该方法是有效、可行的．     

电磁流动成像测井提取流动参量方法研究

电磁流动成像测井可以实时测量油井内油、气、水在流动截面上的分布图像,进一步通过图像分析识别流体的流型,提取流动参量。根据油井内多相流体的流动特征和电磁流动成像测井原理,解析测量重建的流动图像,在分辨流型的基础上得到各相持率,然后通过相关计算获得各相的流动速度,从而获取流体动力学参量。     

基于免疫神经网络的水泥分解炉温度控制

通过对水泥分解炉的特性进行分析，确定了出口气体温度的数学模型。用BP神经网络建立水泥分解炉的控制系统，通过控制煤量和风量来使出口气体的温度保持在规定的范围内。针对BP神经网络通常权值更新方法中出现的收敛速度慢、易陷入局部最优值问题，利用改进的免疫算法来优化神经网络的权值。仿真结果表明该温度控制系统优于通常的神经网络PID控制系统，并具有良好的可靠性、自适应性和鲁棒性。     

一种改进的BP算法

为了克服BP算法易陷入局部极小、收敛速度慢等缺点,笔者利用非线性最小二乘法对其进行了改进.结果表明,采用改进后的BP算法来训练神经网络,能在一定程度上提高神经网络的收敛速度,具有学习速度快、识别能力强等优点.     

水电机组效率的神经网络算法

水电站优化运行要求具有连续水位和导叶开度下的效率特性曲线。对此提出用BP神经网络方法计算机组效率，并建立了BP神经网络模型，以现场效率试验数据作为样本进行训练，并用训练好的网络计算该机组的效率。网络的训练速度及计算结果表明，该算法收敛速度较快，精度高，为计算水电站任意水头及导叶开度下的机组效率提供了新思路和新方法，可用于指导水电机组的优化运行。     

利用BP神经网络预测材料温锻流动应力

采用 BP神经网络算法对 0 8F钢和 40 Cr在温锻温度范围内流动应力的实验数据进行处理 ,建立起预测材料温锻流动应力的 BP网络模型 .同传统回归方法相比 ,该方法不需事先判断变形温度 t、应变速率 ε·-、应变 ε与流动应力 σ的复杂关系 ,而是通过对大量离散样本进行多次训练 ,找出蕴含在 t、ε·-、ε与σ之间的本质联系 .结果表明 ,训练好的神经网络模型能够比较准确地描述温锻成形时 t、ε·-、ε与 σ的关系 ,从而预测出材料在一定变形条件下的 σ