小波分析在多相流流型识别中的应用

提出了一种利用小波变换进行流型分析的方法,采用以变换分析水平管流上的压差信号,根据段塞流与波状流的小波分析特性,可容易地识别流型,与其他流型识别方法相比,该方法所需测量参数少,便于实时,连续地判断流型 。     

三相流化床流动结构特征的小波分析

在横截面0.1 m×0.01 m、高0.8 m的三相流化床实验装置上,开展了小波分析特征参数定量表征流型的研究.实验中空气和水分别作为气相和液相介质,固体实验物料采用粒径为48μm的玻璃粉,对实验采集的压差脉动时间序列采用小波分析进行分解,得到不同尺度的小波信号标准差和小波熵,定量表征不同操作参数下,三相流化床中均匀流、过渡流和非均匀流3种流型对应特征值的变化规律.分析得到均匀流、过渡流、非均匀流的能量分布主要集中在宏观尺度和中尺度上,数量达到97%以上,而且中尺度、宏观尺度信号d3~d6的小波信号标准差范围值依次增大.均匀流小波熵的范围为0.169 6~0.291 3 det,与其他2种流型相比要大一些.结果表明,宏观尺度和中尺度信号的小波分析,能够很好地表征均匀流、过渡流、非均匀流3种流型.与小波熵相比,小波信号标准差能够更好地表征均匀流、过渡流、非均匀流3种流型.     

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．     

基于小波分析的垂直向上横掠水平管束汽液两相流流型辨识

在小质量流速和流动沸腾条件下,对R134a工质垂直向上横掠水平光滑管束的汽液两相流型进行了实验研究,实验的质量流速范围为4~25 kg/(m2.s),质量干度范围为0.02~0.90.通过对各流型下的压差脉动信号进行离散小波分析,得到了各流型下压差脉动信号的尺度能量分布特征,并以尺度能量分布为特征矢量建立了流型辨识的规则.研究结果表明,该方法能够较好地鉴别泡状流、块状流和环状流3种主要流型.     

基于多特征的LS-SVM油水两相流流型识别

油水两相流的流型影响着流动参数的准确测量以及两相流系统的运行特性.针对电导波动信号的非平稳和非线性特点,采用统计理论、小波包理论和混沌理论相结合的方法对垂直上升管内油水两相流的电导波动信号进行分析,得到了11个反映油水两相流流动特性的特征参数,并将这些参数作为流型特征向量,运用最小二乘支持向量机进行训练并识别流型.实现了一种从不同类型、不同角度提取多个特征的流型识别算法,解决了现有算法中特征提取不足的问题.实验结果表明,这是一种有效的、高精度的识别方法.     

轴流式压气机扩压因子流型的理论研究

本文提出一种新型的非等功设计方法——扩压因子流型设计。这种方法可以充分地发挥叶片的作功能力,合理地控制负荷极限,提高效率和扩大变工况范围,从而使设计者能处于主动的地位进行叶片的设计。在这个基础上,还进一步地研究了如何正确地选用扩压因子流型来达到设计要求。本文详细地讨论了这种方法的理论基础和计算方法,编排了相应的计算程序,进行了计算,得到了较满意的结果。并与上海发电设备成套所目前正在研制的一压气机级进行了比较与分析。然后,对扩因子流型的具体应用进行了研究,并给出了一个较合理的流型分布,用以说明这种方法的实用意义。     

低压轴流通风机流型的优化计算

在对低压轴流通风机级效率计算公式分析的基础上,考虑到叶轮内损失沿径向分布的不均匀性,应用最优化理论,提出了低压轴流通风机最优流型的数值计算方法,并给出了最优流型与目前风机设计方法中的常用流型对风机性能影响的比较。     

气液两相管流流型信号的小波去噪处理

流型信号能够反映气液两相管流的流动特征,它们往往会伴随着各种随机噪声.为此建立了一座气液两相流的综合试验装置,提取气液两相管流的流型信号.采用小波变换对信号样本的进行多尺度分解,利用信号和噪声在不同尺度上的特性把它们区分开来,消除噪声后再对信号进行重构,得到了较好的去噪效果.     

基于小波变换的气液两相流流型信号的奇异性特征

在室内气液两相试验环道上测试了气液两相水平管流中分层波状流向段塞流的转变过程 ,采用基于小波变换的奇异性理论对流型信号局部点的奇异性进行了量化分析。结果表明 ,分层波状流和段塞流信号局部点的奇异性之间存在显著差异 ,其Lipschitz指数可以作为流型量化描述的一个新指标     

小波域阈值滤波在测井信号去噪中的应用

从测井信号噪声特征出发,建立测井数据噪声模型。根据测井信号的特殊性,提出一种运用一维离散小波变换和小波包变换对测井信号进行小波域阈值滤波分析的方法,探讨了几种阈值确定方法。借助MATLAB7.0小波降噪函数,运用MATLAB语言编写了小波滤波程序,对实际曲线分析结果表明,小波域阈值滤波优于传统测井曲线滤波方法。运用小波分析可以有效地去除测井曲线噪声干扰,同时也可较好地保留测井曲线纵向分辨率。     

基于小波神经网络的短时客流量预测研究

提出了基于小波神经网络的短时客流预测方法。对具有动态性,受多种因素影响的城轨的客流量进行短时的预测。通过建立小波神经网络对于城轨进行每隔15 min客流量预测。示例结果表明,所建立的小波神经网络的预测模型比其他的典型的预测模型预测精度高,误差小。     

基于独立成分分析和小波变换处理两相流信号

为克服噪声信号给速度测量带来的影响,提供了一种基于独立成分分析(ICA)和小波变换处理两相流信号的方法。首先介绍独立成分分析(ICA)的基本原理及其实现方法,并利用此方法对两相流信号进行处理;根据傅立叶变换确定信号的频谱;然后介绍小波变换和空间滤波的基本原理,并利用小波变换确定信号的带宽;并根据带宽求出固体速度。最后给出仿真实验结果。结果表明:这种方法可以满足固体速度测量的需要。     

支持向量机在表面肌电信号模式分类中的应用

采用小波变换的方法对实验采集的原始四通道表面肌电信号(sEMG)进行了分析,并提取小波分解系数的奇异值构建特征矢量,利用“一对一”分类策略和二叉树设计的多类支持向量机(SVM)分类器,很好地实现了对前臂8种运动表面肌电信号的模式分类,8种运动模式的平均识别率为98.75%.研究表明SVM分类准确率明显优于传统的BP神经网络、Elman神经网络和RBF神经网络分类器,且识别精度高,鲁棒性好,对肌电信号及其他非平稳生理电信号的模式识别,提供了一种具有良好应用前景的新方法.     

机械信号连续小波系数的统计特征研究

通过对机械信号的连续小波分解，利用小波滤波器良好的时频特性，针对机械信号的特征，论述了机械信号经过连续小波分解后的统计特征。在机械信号连续小波系数的特征提取中，引入机械系统的动力学维数，将连续小波系数按尺度方向进行了研究。利用尺度与频率的对应关系，应用小波系数的容积维数来研究其统计特性，并提取信号特征。实践证明，这种方法能够简单有效地提取机械信号的振动特征，并在诊断机械故障中得到了应用。     

液压系统故障信号的小波包检测方法

提出了一种利用小波包检测调速阀故障信号的方法.通过小波的小波包分析将信号按一定的尺度进行划分,不同频率的信号被划分到不同的频段中.由经过预处理的信号经过小波包分解与重构后,可以得到小波包重构图,由图中可以获得故障产生的时间点和频率,再对故障的严重程度进行了量化分析.实验结果表明用小波包理论进行故障检测是可行的.     

金属断口图像的非线性模式识别方法

针对金属断口图像模式识别的特点,提出应用小波变换技术提取断口图像特征的方法,在此基础上,利用神经网络的基本原理设计了一种断口图像模式识别的非线性分类器·通过实验确定了分类器的网络结构,给出了相关参数选择的方法·对几种典型的金属断口图像进行了计算机实验研究·实验结果表明,其平均正确识别率达93 75%,单独以能量作为特征值,其平均正确识别率可达到95%·这说明采用非线性分类器进行断口模式识别比采用线性分类器能取得更高、更可靠的正确识别率·研究结果显示出,这种基于小波变换技术和神经网络原理的非线性模式识别方法能对纹理变化复杂、规律性不强的断口图像进行有效识别,具有更好的适应性·     

基于最小化垂直投影区间图像的几何流提取算法

在对二维紧支撑不可分离小波与第二代Bandelet变换的研究基础上,针对第二代Bandelet变换提取几何流的高时间复杂度的问题,提出了一种基于最小化垂直投影区间的行之有效的提取最佳几何流的方法。实验结果表明该算法具有提取图像几何流。有较强的稳健性和较高的精确性,且能降低算法的时间复杂度。     

新型高分辨率格式及其在CFD的应用

 利用小波奇异分析构造了一种新型的高分辨率高效计算格式,借助小波奇异分析所找到的流场中奇异点区域和光滑区域,合理选择高分辨率、高精度WENO格式和高精度中心差分格式进行流场的离散求解;利用该格式对超声速二维前台阶流动问题、跨声速RAE 2822典型翼型的二维外流场、跨声速VKI-LS59涡轮叶栅的二维流场以及NASA Rotor 37跨声速压气机转子和NASA Rotor 67跨声速风扇转子的三维流场进行数值模拟,计算结果表明,采用这种新型格式可以用于内外流复杂流场计算。数值计算还发现,在采用相同网格的情况下,本文格式不仅具有通常WENO格式高分辨率的特点,而且计算效率较WENO格式高出3～5倍。     

基于局域判别基空间能量的特征提取

针对模式识别中如何提取信号有效特征的问题,对信号进行小波包分解,求取小波包局域判别基,提出求取局域判别基的各子空间的能量,形成特征矢量的特征提取方法。利用Fisher准则函数进行特征选择,得到识别特征矢量。在水声模式识别实例中应用此方法提取特征矢量进行分类实验,取得良好的分类效果,验证了该方法的有效性。