流型识别

摘要： 2018年,中海石油(中国)有限公司北京研究中心联合管道公司完成了深水多相流动动态腐蚀评价系统深化设计。该系统采用油、水、CO_(2)等为试验介质,可以开展多相流动(湿气、气水混输、油气水混输)管道的内腐蚀研究和防腐蚀措施的作用效果评价,也可作为管道新材料、新技术和新工艺的验证平台,将在我国海洋油气开发、海底管道服役安全等生产、技术研究等领域发挥基础平台作用,促进相关领域的技术研究和进步。

摘要： 通过识别低比转速离心泵气液两相流性能曲线的拐点特征,间接获得了旋转叶轮的内部气液流型和流型转化边界。并基于气液两相流测试管路,开展了旋转离心泵气液两相流水力性能测试和叶轮内部流型可视化实验。结果表明:低比转速离心泵气液两相性能曲线的拐点可视为其叶轮内部不同流型转化的边界。

摘要： 提出了一种基于卷积神经网络(CNN)与门控循环单元(GRU)的垂直管道气液两相流流型识别方法。该方法基于电阻层析成像(ERT)系统的重建图像,对其填充处理后进行离散余弦变换(DCT),求取最大、最小DCT系数的差值,选取一定帧数长度数据作为网络输入,对流型进行识别。分析了输入序列长度对CNN-GRU、CNN及GRU网络分类准确的影响,确定了最佳输入向量维度分别为60、65及50,使用实验数据对3种网络进行训练、测试,结果表明,CNN-GRU网络分类准确率最高,平均流型识别准确率可达99.40%。

摘要： 针对两相流流型识别,以ERT系统为基础,将多种类型PSVM进行组合,设计基于反馈思想的组合并行支持向量机模型,对油/水两相流的流型进行识别。仿真实验结果显示,基于反馈思想的组合并行支持向量机是一种有效的流型识别方法。

摘要： 以训练好的卷积神经网络AlexNet为基础,探索应用少量标记流型图片进行迁移学习实现流型识别.保留AlexNet网络5个卷积层已有权值,调节输出层为需要识别的流型数目,使用Softmax分类器输出各流型概率.在气液两相流实验环道上开展了典型流型图片采集实验,气相折算速度范围为3.0～18.0 m/s,液相折算速度范围为0.01～0.2 m/s,出现的流型包括波浪流、段塞流以及环状流.各类流型训练样本96、测试样本24,流型识别准确率98.6％.对第一卷积层抽象特征进行图形化显示表明,与常规流型识别方法相比,卷积神经网络直接将RGB三维流型图片数据作为输入,能够对不同流型的本质特征进行提取和抽象,解决了常规波动分析流型识别方法中特征提取难、提取信息不完全等问题,提高了泛化能力.

摘要： 目前两相流广泛存在于化工、能源等工业领域。流型是两相流的重要参数。由于管流流体能量损耗机理取决于流型,所以流型的识别与分析对于两相流的研究有着非常重要的作用,对流动过程中参数的准确检测、生产过程的经济安全运行及以后的多相流相关科学问题的深入研究等也有非常大的帮助。利用声电双模态数据分析的方法进行流型辨别方式的分析与研究。使用声电双模态分别对流体的相含率和相流速进行测量,选用特别的计算分析方法进行数据处理。此方法能弥补使用单模态方法只能测得一种参数来进行流型识别分析的劣势。同时,用到的超声传感器和电导环传感器所组成的测试辨别系统具有构造简洁、安装便利、成本价低等优点。

摘要： 针对两相流流型识别率不高且存在主观性的问题,提出一种基于Landweber迭代图像重建算法和卷积神经网络相结合的流型识别方法。利用Landweber迭代图像重建算法来获取流型图像并构建出流型图像数据库,通过对VGG16网络中不同的卷积层层数和不同尺寸及分辨率的数据集样本进行流型识别,确定了网络冻结卷积层和输入图片的参数。实验结果表明:采用电阻层析成像与卷积神经网络相结合的方法,使得流型识别准确率达到了95%,识别性能得到了提高。

摘要： 针对工业多相流流型识别的需求,在过程层析成像技术的研究基础上,将重构图像信息即像素分布进行简单有效地分析处理,利用二维最大熵阈值分割技术及遗传算法优化的神经网络分类器对重构的图像进行处理以实现流型识别.将该方法在气固(空气/煤粉)两相流气力输送平台上对3种典型气固流型进行验证,实验结果表明:50组测试样本中识别正确率为94.7％.

摘要： 本文以收敛型微通道中油水两相流的流型识别为对象,将高速摄像法与神经网络算法相结合,提出了高效的、可视化的、智能化的两相流流型识别方法.该方法采用了包含图像纹理参数和流型无量纲参数的多类型特征量,更精准区分6种流型的不同特点,流型识别的收敛速度和准确率更高.BP神经网络的识别率为92.5％,Elman神经网络的识别率为93.7％,Elman神经网络在收敛速度与准确率方面优于BP神经网络.

摘要： 目前,在动力、化工、核能、制冷、石油和冶金等行业的许多生产设备中都涉及到气液两相流工况.两相流动介质的相界面的空间分布情况,即流型,极大地影响着气液两相流的流动特性和传热特性,同时也会影响到流动参数的准确测量以及两相流系统的运行特性,因此有必要对气液两相流的流型识别进行相应的研究.通过对比分析研究,提出研究的关键问题及需要继续深入研究的方向,使之能够较快满足工程生产中的要求.

摘要： 本文建立可视化冷态流化床实验装置，首先采用分频HHT 变换处理流化床压力脉动信号得到FIMFs时域图，然后对原信号和各个分频信号进行功率谱密度分析并绘出相应的功率谱密度图验证了气固流化床的非平稳和非线性特性，最后定量的应用各个表观气速下的压力信号中频段的能量变化进行气固流化床的流型识别，并与各阶段流型图像比较，具有较好的对应关系，分频Hilbert-Huang 变换具有简单、准确和效率高等特点，为气固流化床流型识别提供了一种有效的思路。

摘要： 气水两相流在生产过程与科学研究中有着十分重要的地位。流型识别作为两相流动研究的基础，对于两相流各种参数的精确测量有着重要的作用。rn 本研究利用双截面电阻层析成像系统（ERT）测量50mm水平管道中的气水两相流，并在提取两相流流动统计特征的基础上结合支持向量机的方法实现流型的识别。分别对ERT系统内两测量截面间的信息进行数据级与特征级融合，可以优化和提高流型的识别率，并对两种不同的特征级融合方法进行了对比研究。

摘要： 本文在提取气液两相流流型压差波动特征的基础上，提出了基于粗糙集理论和最小二乘支持向量机的流型识别方法。基于粗糙集理论对流型决策表进行属性约简，在最优决策属性的基础上使用最小二乘支持向量机分类器对流型进行识别，以水平管内空气-水两相流流型识别为例，说明了该方法的具体实现过程。实际识别结果验证了采用粗糙集的特征约简方法对流型进行识别的可行性和有效性。

摘要： 在内径0.068m，高5.2m的高通量循环流化床实验装置上，采用差压脉动的Shannon 信息熵分析方法，考察了上升管内气固流动结构及其转变，揭示了流动结构与Shannon 熵值之间的关系，并对流动结构的转变进行了分析。结果表明：增加表观气速，上升管差压脉动信号的Shannon 信息熵总体呈减小趋势；信息熵增为负值，系统从不稳定状态向稳定状态转变。不同流动结构，Shannon 信息熵增率差异明显；Shannon 信息熵增率可以实现上升管内不同流动结构的识别且区分度较好。

摘要： 通过气液两相流动实验过程中大量的压力、压差数据进行统计分析，总结了分层流、波状流、环状流三种分离流型的概率密度函数（PSD）特征和功率谱密度函数（PDF）特征，并对三种不同流型压力、压差信号的PSD和PDF 特征进行比较，发现可利用PSD和PDF 特征分析可以进行气液两相流的流型识别，为流型识别提供了一种新的参考方法。

摘要： 在集输-S 型柔性立管系统中实验研究了空气-水两相流的流型，对不同流型的立管段压差波动信号进行了频域分析，提取了压差波动信号的功率谱密度函数分布特征。结果表明，第1 类严重段塞流的PSD 为0.2~0.4 Pa2·s，主峰频率在0.0012~0.002Hz 之间；第2 类严重段塞流的PSD 为0.08~0.18 Pa2·s，能量集中在0.002~0.01Hz 内；过渡流型的能量值范围为0.03~0.06 Pa2·s，主峰频率在0.02~0.1Hz 内；稳定流动的能量值范围为0.02~0.04Pa2·s，能量分布在0.015~0.03Hz 之间。不同流型的功率谱能量值及主峰所在频率存在很大差别，压差信号的功率谱密度函数可作为识别S 型柔性立管系统中流型的有效手段。

摘要： 在集输-S 型柔性立管系统中实验研究了空气-水两相流的流型，对不同流型的立管段压差波动信号进行了频域分析，提取了压差波动信号的功率谱密度函数分布特征。结果表明，第1 类严重段塞流的PSD 为0.2~0.4 Pa2·s，主峰频率在0.0012~0.002Hz 之间；第2 类严重段塞流的PSD 为0.08~0.18 Pa2·s，能量集中在0.002~0.01Hz 内；过渡流型的能量值范围为0.03~0.06 Pa2·s，主峰频率在0.02~0.1Hz 内；稳定流动的能量值范围为0.02~0.04Pa2·s，能量分布在0.015~0.03Hz 之间。不同流型的功率谱能量值及主峰所在频率存在很大差别，压差信号的功率谱密度函数可作为识别S 型柔性立管系统中流型的有效手段。

摘要： 在集输-S 型柔性立管系统中实验研究了空气-水两相流的流型，对不同流型的立管段压差波动信号进行了频域分析，提取了压差波动信号的功率谱密度函数分布特征。结果表明，第1 类严重段塞流的PSD 为0.2~0.4 Pa2·s，主峰频率在0.0012~0.002Hz 之间；第2 类严重段塞流的PSD 为0.08~0.18 Pa2·s，能量集中在0.002~0.01Hz 内；过渡流型的能量值范围为0.03~0.06 Pa2·s，主峰频率在0.02~0.1Hz 内；稳定流动的能量值范围为0.02~0.04Pa2·s，能量分布在0.015~0.03Hz 之间。不同流型的功率谱能量值及主峰所在频率存在很大差别，压差信号的功率谱密度函数可作为识别S 型柔性立管系统中流型的有效手段。

摘要： 在集输-S 型柔性立管系统中实验研究了空气-水两相流的流型，对不同流型的立管段压差波动信号进行了频域分析，提取了压差波动信号的功率谱密度函数分布特征。结果表明，第1 类严重段塞流的PSD 为0.2~0.4 Pa2·s，主峰频率在0.0012~0.002Hz 之间；第2 类严重段塞流的PSD 为0.08~0.18 Pa2·s，能量集中在0.002~0.01Hz 内；过渡流型的能量值范围为0.03~0.06 Pa2·s，主峰频率在0.02~0.1Hz 内；稳定流动的能量值范围为0.02~0.04Pa2·s，能量分布在0.015~0.03Hz 之间。不同流型的功率谱能量值及主峰所在频率存在很大差别，压差信号的功率谱密度函数可作为识别S 型柔性立管系统中流型的有效手段。

摘要： 本发明公开了一种基于最适宜步态流型空间的步态识别方法，采用多因子距离度量策略，计算各已知个体的最适宜步态流型空间，并选择相应的基步态样本集。然后将待识别的步态样本转换到各已知个体的最适宜步态流型空间，并计算未知步态到每个基步态样本的距离。最后经过统计分析，将待识别步态判定为具有较小差异的占多数的基步态样本所属的个体。该方法通过多因子距离度量来确定各已知个体的最适宜步态流型空间，并选择相应的基步态样本构造参考集，能够在采集视角变化和存在其它干扰因素的情况下取得较好的步态识别效果。

摘要： 本发明公开了一种基于子流型稀疏卷积的三维目标点云识别的方法，包括如下步骤：S1获取目标场景的初始点云；S2获取目标点云局部特征；S3将子流型卷积网络的输出作为两个相同的MLP网络的输入；S4将第一个MLP网络输出到交叉熵损失函数；S5将第二个MLP网络输出到两个基于注意力机制的图卷积神经网络，最后输出到平方误差损失函数；另外将第二个MLP网络不经图卷积神经网络直接输出到平方误差损失函数；S6选用交叉熵损失函数和平方误差损失函数之和作为网络模型总损失函数，根据总损失函数值的大小，进行网络模型的反向训练，本发明加快网络训练速度，提高识别正确率，改善占用内存空间大的缺陷，实现快速高效的三维目标识别。

摘要： 一种基于信息融合的气液两相流流型识别方法及流型信号采集装置，其特点是：对采集的不同取压间距的压差波动信号去噪声处理，利用小波理论对信号进行特征提取，并形成三个小波包信息熵特征向量，且作为三个子神经网络的输入特征向量，实现从特征空间到流型空间的映射；将各子神经网络的输出作为彼此独立的证据体，再利用D-S证据理论进行信息融合，得到识别结果。本装置由水平管路、取压环、取压管、差压变送器、数据采集卡和计算机组成，将采集到的压差信号通过数据采集卡送入计算机，由计算机完成压差信号的数据处理，进而实现对气液两相流流型信号的采集。其优点是识别率高，通用性强，适合于不同管道直径和不同介质的气液两相流系统。

摘要： 一种基于图论的长距离输水系统气液两相流流型识别方法，属于长距离输水系统供水安全分析技术领域，能够实现气液两相流流型的识别。首先，提取压力信号得到时间序列曲线，根据时间序列曲线上的波峰宽度将其分割为若干个窗口，将每个窗口内压力信号值的平均值作为一个节点，并按大小进行降序或升序重排序。其次，根据节点和节点之间是否产生连接构建复杂网络图。最后，根据复杂网络结构图的统计特征反映流型变化趋势。本发明不需要高昂的实验监测设备和复杂的压力信号处理技术，能够以图论的方式简单直观的判断真实输水管道(不透明管道)中的气液两相流流型，并能够依据一些指标的定量动态特征预测流型变化趋势，为输水管道的安全运行提供指导意义。

摘要： 本发明公开了一种ECT两相流基于宽度学习的流型识别方法，包括以下步骤：BLS模型的建立；特征提取；提出方法；数据集建立；提取特征。本发明通过Matlab 2018a软件建立两相流图像数据集；作为数据样本的二值图像的特征提取主要针对目标区域块，采用Opencv库获取目标区域块的个数、描述目标区域块的形状复杂性、反映目标区域块的位置信息；最后使用Anaconda软件实现两相流图像的流型辨识。本发明的优点是：1.采用BLS网络对两相流图像进行流型辨识。2.额外提取数据集的特征弥补BLS网络的特征提取能力不足的缺点。3.额外提取的特征与BLS网络融合，提高了训练准确率。

摘要： 一种基于信息融合的气液两相流流型识别方法及流型信号采集装置，其特点是：对采集的不同取压间距的压差波动信号去噪声处理，利用小波理论对信号进行特征提取，并形成三个小波包信息熵特征向量，且作为三个子神经网络的输入特征向量，实现从特征空间到流型空间的映射；将各子神经网络的输出作为彼此独立的证据体，再利用D－S证据理论进行信息融合，得到识别结果。本装置由水平管路、取压环、取压管、差压变送器、数据采集卡和计算机组成，将采集到的压差信号通过数据采集卡送入计算机，由计算机完成压差信号的数据处理，进而实现对气液两相流流型信号的采集。其优点是识别率高，通用性强，适合于不同管道直径和不同介质的气液两相流系统。

摘要： 一种基于流型识别和变化灵敏度矩阵的EMT图像重构方法，首先，通过对k种不同流型的测量电压数据样本添加随机噪声得到每个流型各100个样本总计共100k个流型样本库V和k个原始流型所对应的灵敏度矩阵S；其次借助压缩感知理论中的正交匹配追踪算法(OMP)分别求出测试样本和标准样本在过完备训练样本集V投影下的稀疏解，并计算测试样本与所有标准样本对应的稀疏解之间的线性相关系数，将线性相关系数最大值所对应的流型确定为测试样本的归属流型；最后根据辨识出来的归属流型选择对应的流型灵敏度矩阵进行图像重建。本发明有效提高EMT系统的图像重构精度。

摘要： 本发明公开了一种油水两相流的流型识别方法及装置、存储介质及电子设备，包括：采集油水通道中油水两相流的两相流图像，并对两相流图像进行灰度变换，获得两相流图像对应的灰度图；对灰度图进行小波变换，获得灰度图对应的重构图像；获取灰度图对应的灰度共生矩阵；依据重构图像和灰度共生矩阵，获得油水两相流的多个纹理特征；对每个纹理特征进行加权优化处理；将经过加权优化处理的各个纹理特征，输入预先设置的高斯型朴素贝叶斯分类器中进行处理，以确定油水两相流所属的流型。应用本发明提供的方法，通过对油水两相流图像的识别处理，获得多个纹理特征，将纹理特征输入分类器中，即可确定油水两相流的流型，识别更加精准，降低了识别错误率。

摘要： 本发明公开了一种多孔介质内气液两相流流型智能识别方法，步骤如下：1、获取压差信号数据；2、对测量得到的压差信号进行特征提取，并生成特征参数；3、构建特征向量；4、利用SVM智能识别模块，根据输入的特征向量，以及预设好的识别模型，判断此时对应的流型；5、输出流型；本发明方法成本低、易实现、准确性高、实时性好；实现对于多孔介质气液两相流流型的快速识别，对完善气液两相流流型识别理论以及促进气液两相流检测具有积极作用。

摘要： 本发明公开了一种气液两相流流型识别和表征方法、检测装置及应用，涉及多相流测量技术以及流型识别技术领域。其采用超声波检测装置对管道进行检测，采集回波信号，获取判别参数；然后结合所述的判别参数进行流型识别，流型识别的种类分别为段塞流、环状流及层流；根据所述的流型识别得到的结果进行界面形状打印，最后将流型识别和界面形状打印后的结果输出。本发明除段塞流、环状流、平板状层流外，还可以识别其余三种不同界面形状的层流流型，同时，精确刻画了不同流型的两相界面形状，解决了现有技术流型识别不全面和界面形状刻画不全面、精确度低的问题。本发明弥补了不同界面形状层流流型识别和界面形状刻画领域的空白，具有广阔的应用前景。