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。采用小波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。     

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。     

利用小波变换消除多相流流型信号中的噪声

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.     

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。     

多相流流型图像采集方法

介绍了一种利用计算机、激光和数字图像采集等技术获取多相流流型图像的方法．该方法不仅能获得过流断面多相流动介质的分布图像，还可同时记录下对应状态的流动参数．文中对涉及的主要设备情况和技术路线进行了详述，该方法在分散相浓度分布、段塞特性等研究中具有良好的应用前景．     

小波变换在语音识别中的应用

提出了一种基于小波变换和ＡＲＭＡ模型的新参数，并将它用于Ａ．．．Ｎ的英文字母的识别。我们使用的数据库是ＮＩＳＴ。小波变换要以在高频提供高的频率分辨率，在低频提供高的时间分辨率，而ＡＲＭＡ模型则可以改善ＬＰＣ模型没有零点的不足。实验结果表明，识别的错误率提高１４．２７％。     

小波分析在管道泄漏信号识别中的应用

利用多尺度小波变换，把管道泄漏产生的负压波信号作为瞬态信号，来识别管道的局部泄漏特征。以光滑函数的一阶导数作为小波母函数，研究了管道泄漏特征信号拐点区间的敏感性，突出小波变换系数的局部极值性。分析表明，检测信号的小波变换系数极值的奇异性准确地反映了管道检测信号的泄漏特征，并且从局部描述了管道泄漏信号的瞬态正则性。对各级尺度系数进行了S形曲线拟合，此曲线能够完整地描述管道泄漏瞬变特征，其拐点区间描述了管道发生泄漏时的瞬变过程。     

小波变换在语音识别中的应用

提出了一种基于小波变换和ＡＲＭＡ模型的新参数，并将它用于Ａ…Ｎ的英文字母的识别。我们使用的数据库是ＮＩＳＴ。小波变换要以在高频提供高的频率分辨率，在低频提供高的时间分辨率，而ＡＲＭＡ模型则可以改善ＬＰＣ模型中没有零点的不足。实验结果表明，识别的错误率提高１４．２７％。     

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.     

小波变换在轴心轨迹识别中的应用

将轴心轨迹ｘ轴与ｙ轴的信号联系起来形成极径函数，基于此子数的小波变换零交叉表示和匹配过程，得到了识别轴心轨迹的一种新方法，实验结果表明分辨率较高。     

小波变换在通信信号调制识别中的应用

空间传播的通信信号采用了不同的调制方式。在许多应用中,需要监视通信信号的活动情况,区分信号的性质,甚至截获其传输的信息内容。调制方式是区分不同性质通信信号的一个重要特征,而要截获通信信号的信息内容,就必须知道信号的调制方式和调制参数。给定一段接收的通信信号,调制识别的目的就是在未知调制信息内容的前提下判断出通信信号的调制方式,并估计出相应的调制参数。随着通信信号体制及调制样式的多样化和复杂化,信号环境越来越密集,识别难度越来越大。小波变换具有良好的时间,频率局域化特征和多分辨率分析的特性,所以小波变换是一种能有效地从不同调制类型的信号中提取瞬时特征的技术,而且不需要已调信号任何的先验知识。不同类型信号的小波变换系数的明显不同非常适合对调制信号的调制类型进行识别。本文在学习MFSK调制信号的基本特征的基础上,分析研究了三种类型的小波变换。     

小波分析在天然地震初震及震相识别中的应用

地震灾害给人类带来了很大的伤害,为了有效地减轻地震灾害,加强地震监测非常必要的.为了达到理想的地震监测效果,需要对地震波初震和震相进行准确的识别.主要研究小波分析方法在初震和震相识别中的应用,先用小波包变换确定信号的初动位置,再用小波变换分解信号,分离出信号不同频率所对应在信号中的不同位置,从而确定信号的初动时间和相应的震相.通过该方法对模拟信号和实际天然地震信号进行处理,有效的识别了天然地震初震及其震相.     

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。     

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。     

小波变换和HMM模型在语音识别中的应用

提出了一种基于小波变换和HMM模型的ARMA新模型参数,并将它用于A…N的英文字母的识别。小波变换可以高频提供高的频率分辨,在低频提供高的时间分辨率,而ARMA模型则可以改善LPC模型中没有零点的不足。实验结果表明,2个零点,10个极点的ARMA对字母C的识别准确性明显提高。     

基于小波神经网络在车牌识别中的研究

小波神经网络是将小波函数和神经网络相结合的一种网络,它结合了小波变换和神经网络的优点,适合于图像处理、系统辨识、数据压缩等领域。本文论述了将小波神经网络应用于车牌自动识别系统的研究。     

多相流流型图像采集方法

介绍一种利用计算机，激光和数字图像采集等技术获取多相流流图图像的方法。该方法不仅能获得过流断面多相流动介质的分布图象，还可同时记录下对应状态的流动参数，文中对涉及的主要设备情况和技术路线进行了详述。该方法在分散相浓度分布，段塞特性等研究中具有良好的前景。