排序方式： 共有7条查询结果，搜索用时 515 毫秒
1
1.
利用小波变换消除多相流流型信号中的噪声 总被引：4，自引：0，他引：4
通过对油气水多相流流型信号小波变换特性的研究,阐明噪声与多相流流型真实信号小波变换的模极大值特性之间存在着较大的差别,提出一种利用自适应小波变换来区分真实信号和噪声的方法.实验结果显示,该方法能有效地消除多相流流型信号中存在的噪声,提取出真实信号. 相似文献
2.
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. 相似文献
3.
分形理论在油气水多相流流型识别中的应用 总被引：5，自引：0，他引：5
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。 相似文献
4.
油气水多相流流型智能识别系统的设计与实现 总被引：1，自引：0，他引：1
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。 相似文献
5.
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。 相似文献
6.
改进BP神经网络在流型智能识别中的应用 总被引：13，自引：0，他引：13
为了克服ＢＰ神经网络的易陷入局部极小、收敛速度慢等缺点,利用非线性最小二乘法对其进行了改进,改进后的ＢＰ神经网络的收敛速度提高了１￣２个数量级,同时利用压阻式压关器测得了水平管内油气水多相流压差信号,根据分形理论中的重要构相空间法提取出压差信号的特征向量,再将特征向量送入改进的ＢＰ神经网络中,从而完成对油气水多相流流型的智能识别,结果证明,改进的ＢＰ神经网络能有铲地自动识别出油气水多相流的流型。 相似文献
7.
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 . 相似文献
1