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.     

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。     

改进BP神经网络在流型智能识别中的应用

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。     

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。     

多重分形维数在语音分割和语音识别中的应用

语音气流中具有混沌特征,而分形可以定量地分析混沌现象,故分形可作为分析语音信号的数学工具．由于传统的Ｈａｕｓｄｏｒｆｆ－Ｂｅｓｉｃｏｖｉｔｃｈ 维数没有考虑关于集合中点的分布信息,本文引入多重分形维数来克服上述缺点．实验表明,多重分形维数语音分割方法明显好于单一Ｈａｕｓｄｏｒｆｆ－Ｂｅｓｉｃｏｖｉｔｃｈ 分形维数的语音分割方法     

分形理论下基于时间序列的音乐识别研究

将分形理论和时间序列(混沌序)运用与音乐信号识别,为音乐领域的智能发展提供实验依据.首先对分形理论进行质性分析,并且提出关联维数算法,判断音乐分形程度.接着提出音乐中混沌现象的特征.最后进行实际音乐的实验分析,以钢琴曲目《致爱丽丝》、流行音乐《Disco-theque》和哀乐为例,对3种曲目进行材料性质分析,分析不同曲...     

基于岩石节理分形特性的岩体稳定性智能辨识

 调查国内大量矿山地质资料,分析其矿岩节理裂隙数据,采用分形理论揭示岩体节理间距和产状分布的分形特性.采用混沌算法优化神经网络,建立矿岩稳定性与其岩石单轴抗压强度、单轴抗拉强度、内摩擦角、内聚力、弹性模量、岩体节理间距分形维数和节理产状分形维数的智能辨识模型,寻求岩体判别新方法.研究表明,岩体节理间距分形维数和产状分布分形维数可反映岩体节理空间分布的整体信息;节理间距分形维数越小,岩体完整性越好;产状分布分形维数越低,节理分散程度越小;即二者分形维数越小,岩体稳定性越好.智能辨识模型可以根据矿岩力学参数、岩体节理分形特征,预测不同地质条件下的岩体质量,为工程支护设计及施工提供依据.     

分形维数在齿轮故障诊断中的应用

为了识别齿轮的故障模式,运用分形理论,提出了分段关联维数的计算方法 ,并以分段关联维数为特征量,通过建立状态距离函数,实现了模式识别.该方法 克服了通常只通过计算一段数据的关联维数就进行故障识别的缺点.通过对仿真信号、实测信号的诊断,表明所提出方法 的有效性和实际应用价值.     

基于广义分形的旋转机械故障诊断识别与分类

运用多重分形理论,提出广义维数最小二乘法的计算公式,对实测的时域信号进行了广义维数计算,得到广义维数序列值,并从广义维数中获取盒维数、信息维数、关联维数以及敏感维数。对故障样本进行功率谱分析、广义维数计算分析．找出用分形维数分析识别故障的依据。另外运用广义维数序列和数学方法相结合提出分形诊断分类方法,用广义维数最大相关系数和广义维数序列单值优化逼近原理方法,对待检信号的耦合故障分别进行了试验数据与理论响应模拟、振型数据的诊断、识别分类,收到了良好的一致效果。通过对转子系统故障诊断的实例说明从广义维数中提取的各分形维数都能较好的对故障状态进行诊断、识别：且耦合故障的分形诊断分类方法具有较好的实效性。     

基于数学形态学分形理论与PNN的轴承状态监测与故障诊断

针对滚动轴承状态监测实时性差、故障诊断准确率低的问题,提出一种基于改进局部均值分解（ILMD）和数学形态学分形理论的特征提取算法,并结合概率神经网络（PNN）完成对轴承状态的智能化识别分类.该算法首先通过ILMD分解轴承原始振动信号,选取相关性系数最大的两阶分量,求取其分形维数作为特征向量;其次,结合盒维数理论,将“形态学覆盖面积”作为第三维特征向量,同时构建起三维特征矩阵;最后将特征矩阵输入PNN以完成状态的识别分类.使用西储大学实测轴承数据验证算法,结果表明,该算法不仅能够精确识别不同状态的轴承,还能有效分类同种故障下不同损伤程度的轴承状态,平均识别率超过99.6%,平均识别时间0.21s.     

多相混输泵内气液两相分布的随机分形模型

为了更为准确地描述多相泵内气液两相的分布规律,基于分形理论建立了一种两相气液分布随机分形模型,得到了其生成过程和程序算法,并分析了随机变量对气液分布模型的影响,研究了分形维数、分形面积及分形级数等参数与气液混相的截面含气率、气泡大小分布范围和气液分布规律之间的关系。结果表明:分形维数和分形面积越大,多相泵内气液混相中含有的大气泡数目越多,截面含气率越大,气泡大小的分布更加均匀;分形级数越大,含有的气泡数目越多。     

分形模糊神经网络诊断方法研究和应用

从分形理论和神经网络原理出发,基于信号分形计算维数定义,以采样周期和分形计算维数两个坐标对信号特征进行合理地模糊化处理,提出分形维数隶属度特征量概念·以多时间尺度采样所获得的分形维数隶属度作为网络输入,单位矩阵为网络输出的分形模糊神经网络,建立了时域精确诊断新方法,通过对典型齿轮系统故障进行精确诊断,结果表明分形模糊神经网络诊断方法的有效性·     

基于广义维数与优化BP神经网络的刀具磨损量预测

根据多重分形理论,采用改进的盒计数法计算了切削加工过程中声发射(AE)信号的广义分形维数,得到了不同刀具磨损状态下AE信号的广义维数谱,分析了广义维数与刀具磨损量之间的关系.以广义分形维数以及切削加工参数为特征,进行归一化处理后作为BP神经网络输入向量;采用遗传学算法,对BP神经网络的初始权值和阈值进行了优化,利用优化后的神经网络对刀具磨损量进行预测.测试结果表明,该方法可以较精确地预测刀具磨损量,平均预测误差为001mm.     

基于分形关联维的汽轮机转子的振动故障诊断

采用Bently实验台模拟不同转速下碰摩、松动、不对中、不平衡几种常见汽轮机转子振动故障,进行实验研究．通过相空间重构理论,对满足随机分形统计自相似性的振动信号序列进行相空间重构,计算其分形关联维数,从而再现动力学特性．实验分析结果表明：碰摩故障时的分形关联维数最大,松动和不对中时的分形关联维数次之,不平衡时计算所得的分形关联维数最小;不同故障类型下的分形关联维数增量不同．因此,分形关联维数可以作为一种振动故障征兆加以提取．     

平面分形曲线的几何构造及其维数

本文用几何方法构造了一类平面分形曲线，并讨论了它们的Ｂｏｘ维数．Ｐａｃｋｉｎｇ维数及Ｈａｕｓｄｏｒｆｆ维数．     

电流模式Buck-Boost电路从有序到混沌的分形研究

吸引子的分形维数是描述非线性系统的一个重要参数.从电流模式Buck-Boost电路由有序到混沌的仿真研究出发,获取电路相空间中的状态向量数据,基于关联维数的G-P算法,应用MATLAB软件研究了电路在不同工作模式下的电路吸引子的关联维数,找出了电路演化过程中吸引子的几何特性变化规律.从分形理论的角度进一步认识了电流模式Buck-Boost电路的非线性动力学特征.     

Koch曲线和Sierpinski垫片的Hausdorff测度的估计

Ｋｏｃｈ曲线和Ｓｉｅｒｐｉｎｓｋｉ垫片是两个经典的满足开集条件的自相似分形集。由自相似分形集的维数公式知,它们的Ｈａｕｓｄｏｒｆｆ维数分别是ｌｏｇ３＾４和ｌｏｇ２＾３。然而它们的Ｈａｕｓｄｏｒｆｆ测试的计算却是一个非常困难的问题。首先构造Ｋｏｃｈ曲线和Ｓｉｅｒｐｉｎｓｋｉ垫片的特殊覆盖,然后对这种覆盖进行处理,根据自相似分形集的Ｈａｕｓｄｏｒｆｆ测度的齐次性质,分别给出了Ｋｏｃｈ曲线和Ｓｉｅｒｐｉ     

d维平稳高斯过程图集和水平集的Hausdorff维数和Packing维数

研究了ｄ维平稳高斯过程样本轨道的分形性质,得到了图集和水平集Ｈａｕｓｄｏｒｆｆ维数及Ｐａｃｋｉｎｇ维数。Ｐｏｌｙａ过程为其特例。     

一种用于MEMS动态测量的最优盒计数分形维数算法

在微机电系统（micro electromechanical system,MEMS）的动态测量中,利用分形插值法可以提高MEMS器件面内位移测量的精度,利用图像边缘的分形特征,还可以实现离面位移和旋转角度的测试。而分形维数（fractal dimension）的计算又是这些方法的关键。在研究目前最常用的分形维数计算方法差分盒计数法（difference box counting, DBC）的基础上,提出了一种对“空盒子”不予计数的最优盒计数分形维数算法,克服了差分盒计数法存在“空盒子”被计数的缺陷。理论分析和实验结果表明,该算法获得的分形维数更接近于理论维数。