| 本书力求理论与实际密切结合，对于流型的压差波动信号，从非线性理论的研究热点如混沌与分形、小波变换、Hilbert变换等，来研究不同流型的非线性特征；对于流型的图像信号，从流型图像的纹理和形状等方面，来提取不同流型的图像特征；从统计模式识别的新方法如神经网络和支持向量机等来研究分类器模型。此外还完成了在线识别系统的开发，这对指导两相流相关工业设备的设计及优化运行具有实际意义。 |
| 前言 第1章 绪论 1.1 两相流的定义和分类 1.2 两相流的特点 1.3 两相流参数检测 1.4 气流两相流流型识别的研究 参考文献 第2章 气液两相流型的划分和判别 2.1 常见流型的划分方法 2.2 水平管道中的气液两相流型划分 2.3 水平管道中气液两相流型判别 2.4 气液两相流型的测量方法 2.5 本章小结 参考文献 第3章 气液两相流型压差波动信号的测量 3.1 实验系统及步骤 3.2 实验信号与传感器的选择 3.3 两相流压差信号的获取 3.4 振动对实验装置的影响 3.5 实验装置中的噪声分析 . 3.6 实验测得的压差波动信号及分析 3.7 本章小结 参考文献 第4章 基于小波分析的压差波动信号去噪处理 4.1 小波基本理论 4.2 压差波动信号中噪声的辨识 4.3 小波去噪理论 4.4 本章小结 参考文献 第5章 基于小波分析的流型压差信号特征提取 5.1 压差波动信号的wigner谱分析 5.2 基于连续小波变换的压差波动信号特征 5.3 奇异性特征提取 5.4 流型特征提取的小波包方法 5.5 本章小结 参考文献 第6章 基于混沌理论的流型压差信号特征提取 第7章 基于hilbert-huang变换的流型特征提取 第8章 气液两相流动的图像信号测量 第9章 气液两相流动的图像信号特征提取 第10章 流型的神经网络识别模型 第11章 流型的支持向量机模型 第12章 神经网络和证据理论融合的识别方法 第13章 气液两相流流型在线识别系统 |
内容加载中，请稍后...
商品评论（0条）