文摘
英文文摘
论文说明:主要符号表
声明
第1章前言
1.1研究背景与意义
1.2流型划分
1.3流型识别
1.3.1流型图识别流型
1.3.2概率密度函数和功率谱密度函数客观识别流型
1.3.3小波分析在流型识别中的应用
1.3.4分形理论在流型识别中的应用
1.3.5模糊模式识别
1.3.6神经网络实现智能识别
1.4分层流压降计算
1.5本文主要研究内容
第2章实验系统和信号滤噪
2.1实验系统介绍
2.1.1实验装置
2.1.2实验流程
2.2实验参数范围和介质物性
2.2.1实验参数范围
2.2.2实验介质物性
2.3实验方法与内容
2.4数据采集系统与信号滤噪方法
2.4.1数据采集系统
2.4.2信号滤噪方法
2.5本章小结
第3章流型特征量提取与流动特性分析
3.1流型的分形特征量
3.1.1关联维数
3.1.2最大Lyapunov指数
3.1.3 Hurst指数
3.2流型的统计特征量
3.2.1多尺度信息熵
3.2.2差压波动信号的PSD特征
3.2.3差压波动信号的PDF特征
3.3其它特征量
3.3.1均值
3.3.2标准差
3.3.3偏斜度
3.4本章小结
第4章人工神经网络流型识别
4.1人工神经网络模型
4.2 BP神经网络
4.2.1 BP网络的结构
4.2.2 BP学习算法
4.2.3 BP网络层数的选取
4.2.4隐层节点数的选取
4.2.5学习速率的选取
4.2.6激励函数的选取
4.2.7流型识别
4.3遗传算法改进BP神经网络
4.3.1遗传算法简介
4.3.2遗传算法参数与操作
4.3.3遗传算法与人工神经网络的结合
4.3.4 BP遗传神经网络参数确定
4.3.5 BP遗传神经网络算法
4.3.6流型识别
4.4本章小结
第5章分层流压降计算
5.1三相分层流分析
5.1.1壁面剪切应力
5.1.2界面剪切应力
5.1.3几何参数
5.2扩展速度
5.3扩展速度的确定
5.3.1水相
5.3.2油相
5.4 Gas-W/O-O/W型三层流模型
5.5计算方法
5.6结果与分析
5.7本章小结
第6章结论
参考文献
致谢
个人简历