排序方式: 共有7条查询结果,搜索用时 15 毫秒
1
1.
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
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.
用于变压器故障特征气体分析的气敏阵列传感系统 总被引:4,自引:0,他引:4
提出将气敏元件阵列技术和径向基函数神经网络(Radial Basis FunctionNeuralNetwork,RBF-NN)相结合,以检测电力变压器油中的4种微量故障特征气体(1*10^-6-10*10^-6级H2、C2H4、C2H2和50*10^-6级CO)。实验结果表明,与目前基于误差反向传播算法(ErrorBack-PropagationAlgorthm,BP)神经网络的气体分析结果相比 相似文献
4.
5.
基于径向基函数神经网络法识别变压器油中微量特征气体 总被引:3,自引:0,他引:3
研究了采用气敏阵列与神经网络技术检测混合气体浓度的一种新方法,并将其应用于探测变压器油中微量特征气体.实验检测了φ(H2) 为0 ~5 ×10 - 6 和φ(C2 H2) 为1 ×10 - 6 ~13 ×10 - 6 的混合气体,结果测得氢气绝对误差最大值为0 .17 ×10 - 6 ,乙炔绝对误差最大值为0 .53 ×10 - 6 .可见,该方法有效地提高了气敏元件的选择性,使混合气体浓度测量的准确性显著提高 相似文献
6.
多重遗传神经网络在微量特征气体临界值识别中的应用 总被引:3,自引:1,他引:2
将气敏元件阵列技术和遗传神经网络相结合,检测了电力变压器油中的4种微量故障特征气体(1×10 相似文献
7.
基于种群过早收敛程度定量分析的改进自适应遗传算法 总被引:52,自引:2,他引:50
分析了现有的一些改进算法所提出的评价种群过早收敛程度的指标,讨论了它们的不足,提出了一个概念清楚,运算量小的新指标,并利用该指标给出一种新的交叉概率,变异概率自适应调整策略。仿真实例表明,该方法能及时反映种群在进化过程中的过早收敛程度,不仅能加快计算速度,而且还能增强算法的全局收敛性。 相似文献
1