- 1、本文档共11页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于粗神经网络和特征提取ECT流型辨识.doc
基于粗神经网络和特征提取的ECT流型辨识
刘延东1,李惠强2,何在刚2,刘浩仟2,陈玲2,郑静娜2,郑斯文3
(110179)Flow pattern identification based on feature extraction and Rough Neural Network for Electrical Capacitance Tomography
LIU Yan-dong1,LI HUI-qiang2, HE Zai-gang2,LIU Hao-qian2, CHEN Ling2,
ZHENG Jing-na2,ZHENG Si-wen3
(1.Light Industry College,Liaoning University, Shenyang Liaoning 110036, China;
2.College of Physics, Liaoning University, Shenyang Liaoning 110036, China;
3.Shenyang Metrology Testing Institution, Shenyang Liaoning 110179, China)
Abstract:In response to the inaccuracy of flow pattern identification by Electrical Capacitance Tomography, a new method is put forward that combines rough neural network with feature extraction, to identify the two-phase flow patterns. his method according to the Electrical Capacitance Tomography system and the characteristics of flow pattern to handle capacitance measurements, thus complete the features of various flow pattern extraction; Secondly, the structure of rough neural network to carry on the design, and use the features parameters of typical flow pattern to train the rough neural network,?and then using this rough neural network to identify flow pattern;?Finally, the simulation experiment. The simulation experimental results indicate that this method compared with the traditional BP neural network has high identification accuracy, this also for the research of ECT flow pattern identification provides new ways and means.
Key words: Electrical capacitance tomography; Rough Neural Network; feature extraction; flow pattern identification;
1、引言
电容层析成像技术[1-2]是近年发展起来的一项新的检测技术。电容层析成像技术(ECT)因其结构简单、、等优点而具有广阔前景RNN)神经网络和特征值提取的流型辨识方法。
2 流型辨识的基本原理
典型的ECT系统由电容传感器系统、数据采集系统、成像计算机三个基本部分组成[2]。如图1所示。ECT系统的工作原理是:电容传感器阵列由管道周围排列的若干电容极板(通常为8极板或12极板)组成,每两个极板组成一个二端子电容,当管道内的介质分布发生变化时会引起极板组成的电容随之发生变化。根据电容值的变化可以实现管道内部介质分布的重建,从而实现多相流参数的检测。
图1 ECT系统结构图
对于气固两相流体来说,当其经充分发展而形成稳定流态后,管道截面上的介质分布也就随之固定了。典型的两相流流型有层流、环流、核心流、均匀流、满管和空管等,不同的流型在管道截面上均对应不同的介质分布。在ECT系统中,通过电容传感器阵列采集到的电容
您可能关注的文档
最近下载
- 人民网总网招聘笔试真题2023.docx VIP
- Unit1 The Best Medicine课件 25张--2021-2022学年外研社高中英语选择性必修第一册.ppt
- 2015-052 《列车运行监控装置(LKJ)控制模式设定规范(2015版)》.pdf VIP
- 学校数学教师个人述职报告5篇.docx VIP
- 公路项目工程施工成品及半成品管理制度.doc VIP
- 同等学力英语申硕考试词汇(第六版大纲)电子版.docx VIP
- 临检中心-2021.6-关注心血管疾病的残余风险,重识非传统危险因子 30min.pptx
- 带状疱疹后遗神经痛的中医护理研究进展.doc VIP
- 2025年贵州专业技术继续教育考试试题及答案公需科目 .pdf VIP
- 经济思想史课后习题答案 .pdf VIP
文档评论(0)