一、D-S證據(jù)理論在氣固流化床流態(tài)判別中的應(yīng)用（論文文獻(xiàn)綜述）
王建斌[1]（2020）在《氣固流化床流型的表征與識別》文中研究說明氣固流化床廣泛應(yīng)用于能源、化工和環(huán)保等領(lǐng)域。流化床的流型主導(dǎo)了床內(nèi)的熱質(zhì)傳遞和化學(xué)反應(yīng)過程,故準(zhǔn)確表征和識別流型是流化床安全高效運行的關(guān)鍵。目前基于壓力脈動的流型表征和識別是工業(yè)應(yīng)用中最為可行的方法,也是學(xué)術(shù)研究的熱點前沿問題。一方面,為了挖掘壓力脈動信號隱含的氣固流動信息,研究者提出了大量分析方法試圖建立壓力脈動特征參數(shù)和氣固流動現(xiàn)象間的準(zhǔn)確聯(lián)系,從而實現(xiàn)流型表征。但由于壓力脈動和氣固流動的復(fù)雜性,對于哪些方法能夠和氣固流動現(xiàn)象建立準(zhǔn)確聯(lián)系尚缺乏統(tǒng)一意見;另一方面,由于氣固流動的非平穩(wěn)性,從壓力脈動中提取的特征參數(shù)面臨可靠性問題,分析方法能否有效地表征流型主要依賴于主觀性判斷;最后,研究者也在試圖構(gòu)建壓力脈動形成的機理模型,從而加深對于流化床氣固流動過程的認(rèn)識。但由于氣固兩相流動現(xiàn)象的復(fù)雜性和測量手段的局限性,這些方面的認(rèn)識還遠(yuǎn)遠(yuǎn)不足。本文采用實驗方法,對氣固流化床流型的表征識別、表征方法的可靠性與有效性評價,以及壓力脈動的形成機理等問題進(jìn)行了深入研究。構(gòu)建了高速攝像和高精度多點壓力信號同步采集的軟硬件系統(tǒng),實現(xiàn)了壓力與圖像信號的同步測量,發(fā)展了信號形態(tài)和流動圖像的數(shù)據(jù)聯(lián)合處理與分析方法,建立了壓力脈動和氣固流動現(xiàn)象間的時空聯(lián)系,為本文的后續(xù)研究提供了有力的分析工具。對壓力脈動的時域、頻域和狀態(tài)空間特征進(jìn)行了系統(tǒng)研究,并基于前述的測量方法探索了以上三方面特征背后的深層氣固流動機制,最終闡明了基于上述三類特征的流型表征方法的相似性和優(yōu)缺點;引入了S變換方法分析壓力脈動,實現(xiàn)了氣固相運動頻率及運動非平穩(wěn)性的準(zhǔn)確辨識和評價。進(jìn)一步發(fā)現(xiàn)S變換的時-頻平面能夠更清楚地反映鼓泡床和湍動床氣固運動復(fù)雜性上的差異,并基于此差異提出一個表征流型的新特征參數(shù)。聯(lián)合壓力信號形態(tài)、氣固流動圖像的分析,研究了鼓泡床和湍動床中的壓力脈動形成機理和流型轉(zhuǎn)變機理。明確了壓力脈動的六個來源,建立了壓力的上升、下降、局部峰值、局部谷值、峰值傳播等特征和壓力脈動來源現(xiàn)象的簡單聯(lián)系,研究在不同流型中壓力脈動形成機理上的差異。運用雷諾輸運定理建立了風(fēng)室內(nèi)壓力脈動數(shù)學(xué)模型,分析了壓力脈動和風(fēng)室內(nèi)凈流量的關(guān)系,解釋了風(fēng)室內(nèi)壓力和床表面高度呈負(fù)相關(guān)關(guān)系的現(xiàn)象。發(fā)現(xiàn)了從鼓泡床到湍動床轉(zhuǎn)變過程中的差壓信號變化規(guī)律并闡明了其深層機理,并基于此設(shè)計了能夠反映流型轉(zhuǎn)變機理的特征參數(shù)。提出了三個可靠性的定量指標(biāo)（即三個敏感指數(shù)Sl、Sn和Sp）,研究了23種方法流型表征的可靠性及測量位置、顆粒粒徑和靜床高對表征方法可靠性的影響,研究發(fā)現(xiàn)差壓信號可以提升一些方法的可靠性?；谌齻€可靠性指標(biāo)構(gòu)建了評價框架,遴選出了較為可靠的方法集。定義了流型表征的有效性,提出了基于輪廓指數(shù)計算有效性,研究了測量位置、顆粒粒徑、靜床高對表征方法有效性的影響。研究發(fā)現(xiàn)使用差壓信號可以提升流型表征的有效性?；诒碚鞣椒ǖ目煽啃院陀行?構(gòu)建了正確率較高和外延性較好的流型識別系統(tǒng)。
劉超冉[2]（2020）在《自調(diào)式狹縫型分布板流化床的設(shè)計與試驗研究》文中指出流態(tài)化技術(shù)由于其有效的傳質(zhì)傳熱特點廣泛應(yīng)用于化工、冶金、能源、材料、環(huán)境等領(lǐng)域,采用流態(tài)化技術(shù)制成的流化床設(shè)備多應(yīng)用于干燥、燃燒等過程中。對于流化床來說,氣固流化床應(yīng)用則更為普遍,而氣體分布板,是氣固流化床中的關(guān)鍵部件,既起到支撐物料的作用,又實現(xiàn)了均勻分布?xì)怏w等多方面的功能。在目前現(xiàn)有的研究中,大多對于不同結(jié)構(gòu)、不同功能的氣體分布板進(jìn)行研究,鮮有實現(xiàn)動態(tài)變化的分布板形式出現(xiàn)。為了使氣體分布板更好地均勻布風(fēng),并可以根據(jù)實際流化需要,在流化過程中實現(xiàn)自動調(diào)節(jié),適應(yīng)更廣的流化介質(zhì),本研究自主設(shè)計了新型的氣體分布板—可變開孔率狹縫型分布板。該分布板采用雙層結(jié)構(gòu),通過導(dǎo)軌結(jié)構(gòu)使下層分布板實現(xiàn)對上層板的相對運動,從而改變分布板的開孔率,到達(dá)動態(tài)變化的效果。測量氣體通過空床的壓降,發(fā)現(xiàn):分布板的壓降隨著風(fēng)速的增大而增大。當(dāng)分布板的開孔率2.9%時,氣體通過分布板時產(chǎn)生的壓降較大。當(dāng)分布板的開孔率從2.9%逐漸增大到11.4%時,在不同的風(fēng)速下,分布板的壓降隨著分布板開孔率增大而減小?；诳勺冮_孔率狹縫型分布板,利用流化床研究其對GeldartD類顆粒（核桃砂）的流化效果,發(fā)現(xiàn):在不同開孔率下,顆粒進(jìn)入流化床階段的最小流化速度略有不同,在固定床階段,分布板開孔率為8.6%時,床層壓降最大且臨界流化速度最小,約為0.9m/s。當(dāng)開孔率為2.9%時,床層壓降最低且臨界流化速度最大,約為1.1m/s。通過對試驗數(shù)據(jù)的回歸分析,不僅定性地分析了不同分布板開孔率下壓力降與氣速的變化關(guān)系,還定量地得出Ergun公式的修正方程,并設(shè)計出自調(diào)節(jié)控制系統(tǒng)。
張威揚[3]（2018）在《用于氣液固三相流化床檢測的電學(xué)層析成像方法研究》文中進(jìn)行了進(jìn)一步梳理流化床中的多相介質(zhì)之間的相互作用、流動結(jié)構(gòu)和機制異常復(fù)雜,由于缺乏有效的在線檢測手段,流化床的優(yōu)化設(shè)計、操作和控制都受到很大限制。目前,針對流化床的傳統(tǒng)檢測方法/手段,難以通過在線、非侵入的方式獲取各相介質(zhì)的分布情況,無法適應(yīng)氣液固三相流化床實時測量和監(jiān)控的需求。電學(xué)層析成像方法具有響應(yīng)迅速、長期使用成本低廉、非侵入、無核素輻射等特點,為流化床的在線檢測提供了一種可行的解決方案。在氣液固三相流化過程中,液相作為熱載體并對固相催化劑起到懸浮作用,使反應(yīng)和傳遞性能有很大的改進(jìn)。本文針對氣液固三相流化床檢測的需求,研究利用電學(xué)層析成像方法對各相介質(zhì)的分布參數(shù)進(jìn)行在線監(jiān)測,主要研究內(nèi)容如下:（1）為提高電容層析成像（Electrical Capacitance Tomography,ECT）對大口徑流化床裝置的檢測能力,提高電容傳感器的靈敏度,設(shè)計了差分式ECT傳感器及測量系統(tǒng)。實驗結(jié)果表明,各測量通道的平均信噪比從52 dB提高到68 dB,系統(tǒng)的綜合性能得到顯著改善。（2）為評估固相催化劑顆粒/粉末與氣相/液相混合物的電導(dǎo)率及磁導(dǎo)率的變化,設(shè)計可進(jìn)行復(fù)磁導(dǎo)率測量的螺線管線圈傳感器,并結(jié)合數(shù)值仿真及實驗結(jié)果對其性能進(jìn)行了驗證;對Al2O3與鐵粉不同體積比例混合物的磁導(dǎo)率進(jìn)行了測量,實測結(jié)果與Maxwell模型對比最大相對誤差為5.35%。此方法不需要對顆粒/粉末預(yù)加工處理,可方便地測量各種液/固、氣/固混合物的有效磁導(dǎo)率,對于后續(xù)電磁層析成像（Electromagnetic Induction Tomography,EMT）傳感器及測量系統(tǒng)的設(shè)計有重要的指導(dǎo)意義。（3）研究以小體積、高靈敏度的隧道磁阻（Tunnel Magnetoresistive,TMR）傳感器陣列構(gòu)建EMT傳感器,對不同的TMR陣列結(jié)構(gòu)進(jìn)行了仿真研究。結(jié)果表明,更多數(shù)量的TMR傳感器對提高圖像重建質(zhì)量有益。同時,如果可接受侵入方式在管道內(nèi)布置TMR傳感器,其對圖像的改善作用較外圍布置的TMR傳感器也更為顯著。（4）此外,設(shè)計了基于FPGA的ECT/EMT雙模態(tài)測量系統(tǒng),并完成大部分模塊的調(diào)試工作。通過對A/D及信號源的初步測試表明,系統(tǒng)結(jié)構(gòu)設(shè)計合理,可以確保ECT/EMT系統(tǒng)的正常工作。最后,總結(jié)了本文的研究工作,并對ECT/EMT系統(tǒng)及方法可改進(jìn)之處提出建議。
沈瑩[4]（2018）在《基于聲電多傳感器信息融合的兩相流流型識別》文中研究說明兩相流動現(xiàn)象廣泛存在于工業(yè)生產(chǎn)過程和相關(guān)科學(xué)研究中,其涉及到的過程參數(shù)眾多,且流動狀態(tài)十分復(fù)雜。準(zhǔn)確識別兩相流流型有助于揭示其流動機理進(jìn)而提升參數(shù)測量的準(zhǔn)確性。傳統(tǒng)的流型識別方法多通過單一類型的傳感器測量信息,難以全面描述流動特征,若利用不同原理的多傳感器可獲得更加豐富的信息。課題研究工作以水平氣水兩相流和油水兩相流為研究對象,利用電阻層析成像（Electrical Resistance Tomography,簡稱ERT）系統(tǒng)測量兩相流相分布信息和連續(xù)波超聲多普勒系統(tǒng)測量流速信息,分別對兩種傳感器測量數(shù)據(jù)進(jìn)行特征提取,通過特征融合提高流型識別準(zhǔn)確率。課題研究取得的主要研究成果包括:（1）研究ERT數(shù)據(jù)的靜態(tài)連接與動態(tài)連接特性。將ERT系統(tǒng)的測試數(shù)據(jù)降維,得到反應(yīng)不同位置相含率信息的16維時間序列。采用圖變量分析方法研究局部相含率波動的關(guān)聯(lián)性,獲得靜態(tài)連接指標(biāo)（相關(guān)系數(shù)、相干性和相位滯后指數(shù)）,確定靜態(tài)鄰接矩陣中高度相關(guān)性的分布區(qū)域,以區(qū)分不同氣水兩相流。構(gòu)建ERT數(shù)據(jù)的動態(tài)連接性,揭示氣塞、氣彈等流型周期性變化特性。（2）研究ERT數(shù)據(jù)的模塊化能量分布。在圖變量信號分析的基礎(chǔ)上,結(jié)合水平兩相流體分布特點,將電阻層析成像系統(tǒng)的電極進(jìn)行模塊劃分和模塊化狄利克雷能量計算。提取模塊間的能量比為特征刻畫不同流型的相含率分布差異。（3）聲電融合識別流型。針對超聲多普勒系統(tǒng)獲得的測試數(shù)據(jù),提出超聲多普勒信號時頻分析方法,獲得了不同流型能量分布的帶寬特征。為進(jìn)一步實現(xiàn)流型的準(zhǔn)確識別,提出了聲電多傳感器信息融合方法,用模塊間能量比和帶寬特征構(gòu)成三維特征空間,可有效區(qū)分氣水兩相流、油水兩相流各種流型。將以上三個特征輸入到支持向量機中,獲得了較高的識別率。
史帥[5]（2018）在《基于多傳感器聲紋特征提取的氣固流化床結(jié)塊監(jiān)測》文中認(rèn)為隨著乙烯/聚乙烯行業(yè)的持續(xù)發(fā)展,氣固流化床以其眾多優(yōu)勢已成為工業(yè)聚乙烯的主流生產(chǎn)裝置。然而在實際生產(chǎn)過程中,由于傳熱效率較低、靜電累積等原因容易導(dǎo)致聚合物顆粒熔融、聚集形成結(jié)塊,若發(fā)現(xiàn)及操作再不及時,結(jié)塊會繼續(xù)向更大結(jié)塊狀態(tài)發(fā)展,進(jìn)而可能引發(fā)“熔床”現(xiàn)象,致使緊急的停車處理,最終裝置無法安全且平穩(wěn)生產(chǎn)運行。故研究流化床內(nèi)聚合物結(jié)塊故障的在線監(jiān)測及預(yù)警技術(shù)具有重大意義,但同時也相當(dāng)富有挑戰(zhàn)性。至今已存在一些結(jié)塊監(jiān)測方法研究,而聲發(fā)射法以無損設(shè)備裝置、安裝便捷、實時可靠的優(yōu)勢越來越備受關(guān)注。本文應(yīng)用聲發(fā)射檢測技術(shù),建立基于流化床冷模裝置的實驗平臺及基于多傳感器聲紋特征提取的流化床結(jié)塊監(jiān)測系統(tǒng)。利用聲發(fā)射檢測技術(shù)采集流化床內(nèi)部流化物料顆粒作用于床壁而產(chǎn)生的聲波振動信號,并提取和分析不同物料（正常、微結(jié)塊、結(jié)塊）狀態(tài)下聲波振動信號的LP-MFCCs聲紋特征參數(shù);之后結(jié)合極限學(xué)習(xí)機建立相應(yīng)結(jié)塊監(jiān)測模型,并對識別結(jié)果進(jìn)行柔化處理使其以概率化形式輸出,得到ELM網(wǎng)絡(luò)柔化輸出模型;最后運用模糊積分方法在決策層將三個傳感器的識別結(jié)果進(jìn)行融合,以建立多傳感器結(jié)塊監(jiān)測模型,實現(xiàn)流化床內(nèi)結(jié)塊狀態(tài)全面監(jiān)測及識別。實驗結(jié)果表明:不同聚乙烯物料（正常、微結(jié)塊、結(jié)塊）狀態(tài)下的聲波振動信號存在一定的差異性,能夠較好的反映出物料粒徑變化信息,且提取的信號LP-MFCCs聲紋特征參數(shù)具有一定的穩(wěn)定性及可區(qū)分性;ELM監(jiān)測系統(tǒng)模型能夠?qū)ο到y(tǒng)不同狀態(tài)進(jìn)行有效及準(zhǔn)確識別,且相應(yīng)狀態(tài)具有較高的識別率;通過融合多傳感器的識別信息,在一定程度上有效降低了單傳感器的不確定性與不可靠性,提高了狀態(tài)識別的準(zhǔn)確性及狀態(tài)監(jiān)測的全局性。
李鵬飛[6]（2017）在《兩相流多傳感器數(shù)據(jù)卡爾曼濾波融合方法》文中研究說明兩相流是一種廣泛存在于自然界和工業(yè)生產(chǎn)過程中的流動現(xiàn)象,科學(xué)研究和工業(yè)生產(chǎn)水平的提高對兩相流檢測的需求不斷增加。兩相流流動過程復(fù)雜,流動參數(shù)多,使得測量其參數(shù)十分困難。單一傳感器往往只適用于某一類流態(tài)且可測參數(shù)較少,無法獲得對兩相流的準(zhǔn)確全面描述。數(shù)據(jù)融合技術(shù)對從多源傳感器獲取的測試信息進(jìn)行綜合、分析和利用,可獲得對被測對象更全面、準(zhǔn)確的描述。將多傳感器數(shù)據(jù)融合技術(shù)引入兩相流測量中,可提高兩相流參數(shù)檢測的準(zhǔn)確性,擴展測量的范圍。本研究針對油水兩相流的含水率和流速參數(shù),采用了電容、電導(dǎo)和超聲傳感器聯(lián)合測量的方式,運用了數(shù)據(jù)融合方法對測量數(shù)據(jù)進(jìn)行融合建模,獲得了了含水率和流速的準(zhǔn)確估計。論文具體的研究工作為:（1）油水兩相流參數(shù)檢測整體融合框架。針對油水兩相流參數(shù)檢測問題,從多傳感器數(shù)據(jù)融合理論的角度出發(fā),歸納總結(jié)了電容、電導(dǎo)和超聲傳感器的特點和工作原理,并在此基礎(chǔ)上分析含水率檢測與流速檢測的區(qū)別,建立含水率-流速雙層融合模型,完成總體融合結(jié)構(gòu)的設(shè)計。（2）含水率融合測量建模。針對油水兩相流含水率檢測問題,使用電容電導(dǎo)傳感器獲取含水率特征信息,利用卡爾曼集中式融合和分布式融合的特點,引入上下文信息理論判斷傳感器的工作狀態(tài),并據(jù)此設(shè)計電容、電導(dǎo)傳感器數(shù)據(jù)融合測量模型,提升了測量精度、擴展了測量范圍。（3）流速融合測量建模。針對油水兩相流流速檢測問題,利用超聲多普勒流速確定互相關(guān)流速的有效范圍,并利用互相關(guān)流速修正多普勒流速模型的線性工作點,避免了較大誤差的出現(xiàn)。采用卡爾曼分布式融合方法,運用線性化思想處理多普勒測速模型,實現(xiàn)兩種傳感器的進(jìn)一步融合,達(dá)到提升準(zhǔn)確度的目的。
龍軍[7]（2013）在《基于傳感器數(shù)據(jù)融合的小通道氣液兩相流參數(shù)測量新方法研究》文中研究說明隨著微加工技術(shù)和新材料技術(shù)的迅速發(fā)展,工業(yè)設(shè)備微型化、小型化的趨勢日益明顯,小通道尺度下的氣液兩相流參數(shù)測量已成為當(dāng)前兩相流研究領(lǐng)域的熱點,相關(guān)參數(shù)檢測方法的研究對小通道氣液兩相流參數(shù)測量有著十分重要的意義。本文以小通道中的氣液兩相流為研究對象,基于光學(xué)位置傳感器和電容耦合式非接觸電導(dǎo)測量（Capacitively Coupled Contactless Conductivity Detection, C4D）傳感器,結(jié)合信息處理技術(shù)、傳感器數(shù)據(jù)融合技術(shù)對小通道氣液兩相流流型、相含率的在線測量方法進(jìn)行了研究。本學(xué)位論文的主要工作和創(chuàng)新點如下：1.研發(fā)了新型光學(xué)位置傳感器和新型C4D傳感器,并建立了一套基于光學(xué)位置傳感器和C4D傳感器的小通道氣液兩相流參數(shù)在線測量系統(tǒng)。研究結(jié)果表明,所研發(fā)的新型光學(xué)位置傳感器和新型C4D傳感器是成功的,均可有效用于小通道氣液兩相流參數(shù)測量。2.基于光學(xué)位置傳感器,研究了小通道氣液兩相流流型辨識和相含率測量問題。首先,利用所獲得的光學(xué)信號,對比研究了三種不同特征提取方法：1)采用統(tǒng)計分析進(jìn)行特征提??；2)采用統(tǒng)計分析和小波分解進(jìn)行特征提??；3)采用統(tǒng)計分析和經(jīng)驗?zāi)B(tài)分解（EMD）進(jìn)行特征提取,并利用流型辨識實驗對三種特征提取方法進(jìn)行了驗證。實驗結(jié)果表明,三種特征提取方法用于流型辨識均是有效的。其中,采用統(tǒng)計分析的特征提取方法具有更好的實時性,且流型辨識結(jié)果也令人滿意。在內(nèi)徑為4.0mm,3.0mm和1.8mm水平小通道下,典型流型的辨識準(zhǔn)確率分別高于85.0%、75.0%和83.0%。其次,利用所獲得的光學(xué)信號,分別結(jié)合物理模型分析和LS-SVM回歸方法,建立了兩種段塞流的相含率測量模型,并利用動態(tài)實驗對所建立的模型進(jìn)行了驗證。實驗結(jié)果表明,所建立的兩種段塞流相含率測量模型均是有效的。其中,基于LS-SVM建立的段塞流相含率測量模型具有更高的測量準(zhǔn)確率（基于LS-SVM模型的測量最大絕對誤差為5.0%,基于物理模型的測量最大絕對誤差為10.0%）。3、基于C4D傳感器,研究了小通道氣液兩相流流型辨識和相含率測量問題。首先,利用C4D傳感器獲得的信號,并結(jié)合統(tǒng)計分析的特征提取方法,對不同管徑下的氣液兩相流進(jìn)行了流型辨識。然后,利用C4D傳感器獲得的信號,并結(jié)合LS-SVM回歸方法,針對不同流型建立了典型流型下的相含率測量模型,并利用動態(tài)實驗對所建立模型進(jìn)行了驗證。研究結(jié)果表明,所研發(fā)的C4D傳感器用于流型辨識和相含率測量均為有效的。在內(nèi)徑為4.0mm,3.0mm和1.8mm水平小通道下的典型流型辨識準(zhǔn)確率分別高于78.0%、88.0%和83.0%。在內(nèi)徑為3.0mm的水平小通道中,段塞流,泡狀流,層狀流和環(huán)狀流下的相含率測量最大絕對誤差分別為10.0%、3.5%、3.0%和5.0%。4.基于傳感器數(shù)據(jù)融合技術(shù),并結(jié)合光學(xué)位置傳感器和C4D傳感器測量信號,提出了小通道氣液兩相流的流型辨識和相含率測量新方法。所提出的流型辨識新方法為：首先分別利用光學(xué)位置傳感器和C4D傳感器的測量信號進(jìn)行流型辨識,然后運用D-S證據(jù)理論對兩種傳感器的辨識結(jié)果進(jìn)行融合進(jìn)而獲得流型。所提出的相含率測量新方法為：先判斷當(dāng)前流型,再根據(jù)流型選擇相應(yīng)的相含率測量模型（若為段塞流,則選擇基于光學(xué)位置傳感器的LS-SVM相含率測量模型,若為其他幾種流型,則選擇基于C4D傳感器的LS-SVM相含率測量模型）進(jìn)行相含率計算。研究結(jié)果表明,所提出的流型辨識新方法和相含率測量新方法均是有效的?；趥鞲衅魅诤霞夹g(shù),三種管徑下的流型辨識的準(zhǔn)確率和相含率測量精度均有所提高,在內(nèi)徑為4.0mm,3.0mm和1.8mm水平小通道下的流型辨識準(zhǔn)確率分別高于85.0%、97.0%和88.0%。在內(nèi)徑為3.0mm的水平小通道中,段塞流,泡狀流,層狀流和環(huán)狀流下的相含率測量最大絕對誤差分別為5.0%、3.5%、3.0%和5.0%。所提出的流型辨識新方法和相含率測量新方法充分利用了兩種傳感器在不同流型下測量信息的互補性,提高了流型辨識的準(zhǔn)確率和相含率測量精度。
叢星亮[8]（2013）在《粉煤密相氣力輸送的流型與管線內(nèi)壓力信號關(guān)系的研究》文中指出粉煤密相氣力輸送廣泛應(yīng)用于干煤粉加壓氣流床氣化技術(shù)中,但低氣速容易引起管路中粉煤不穩(wěn)定流動,甚至堵塞管道,會嚴(yán)重影響氣化爐運行的效率和安全性。粉煤密相氣力輸送屬于非線性復(fù)雜系統(tǒng),目前還沒有比較完善的理論模型進(jìn)行預(yù)測和操作優(yōu)化。氣力輸送的管線壓力信號包含豐富的粉煤流動信息,能夠展示管中粉煤流型,反映輸送穩(wěn)定程度。利用各種信號處理方法分析壓力信號,客觀的識別出管中流型,對粉煤氣力輸送的機理研究以及預(yù)測、控制粉煤穩(wěn)定流動都具有非常重要的意義。本文的主要研究工作如下：1.以管線壓力的波動幅度表征粉煤流動穩(wěn)定程度,展示不同補氣方式對粉煤輸送穩(wěn)定性的影響。結(jié)果表明調(diào)節(jié)氣和流化氣有利于粉煤穩(wěn)定流動,而加壓氣會降低粉煤流動的穩(wěn)定性；粉煤輸送穩(wěn)定性與流型密切相關(guān)。氣栓流,沙丘流和栓塞流是不穩(wěn)定流型,而柱塞流,環(huán)狀流和分層流是穩(wěn)定流型。實驗表明影響粉煤流動不穩(wěn)定的主要因素是給料罐壓力的波動,給料罐內(nèi)粉煤流化狀態(tài)不良以及管中氣速較低。在給料罐壓力相對穩(wěn)定和通氣良好的條件下,通過無量綱參數(shù)Fr建立粉煤流動穩(wěn)定性判據(jù),揭示管中氣速與流動穩(wěn)定性的關(guān)系。在實驗過程中,還發(fā)現(xiàn)三類堵塞現(xiàn)象,并給出這三類堵塞形成的機理,提出簡化模型預(yù)測粉煤流動的臨界堵塞速度。2.通過實驗手段研究不同載氣（C02,N2）對粉煤密相氣力輸送特性（相圖、壓降模型、壓力波動特性和流型）的影響。實驗表明給料罐壓力較高時,CO2和N2載氣的輸送特性差異不明顯；而給料罐壓力較低時,CO2和N2載氣的輸送特性差異顯著。這是因為不同載氣（CO2,N2）在粉煤中滲透氣性與輸送壓力（給料罐壓力）有關(guān)。引入滲透性系數(shù)表征不同載氣與粉煤相互作用的影響,導(dǎo)出預(yù)測不同載氣輸送粉煤的經(jīng)濟(jì)氣速和管線壓降的公式。管線壓力波動特性表明CO2載氣輸送粉煤的穩(wěn)定性低于N2載氣輸送粉煤的穩(wěn)定性,但是差異不顯著。ECT檢測結(jié)果也表明CO2載氣的粉煤流型與N2載氣的粉煤流型相類似。3.在粉煤密相氣力輸送的實驗中,借助電容層析成像（ECT）系統(tǒng)檢測管徑20mm與50mm的水平管流型以及管徑20mm的豎直上升管流型。結(jié)果發(fā)現(xiàn)水平管流型有氣栓流,柱塞流,栓塞流,沙丘流和分層流；豎直上升管流型有氣栓流,柱塞流,栓塞流,環(huán)狀流。管徑越大,水平管的分層流動特征越明顯。通過兩個無量綱參數(shù)雷諾數(shù)和阿基米德數(shù)的關(guān)系建立預(yù)測流型及其相互過渡的經(jīng)驗公式。4.利用各種信號處理方法（標(biāo)準(zhǔn)差、平均循環(huán)頻率、功率譜密度函數(shù)、小波和混沌）提取壓力信號的特征值,建立壓力信號的特征值與流型之間關(guān)聯(lián)。結(jié)果表明標(biāo)準(zhǔn)差和功率譜函數(shù)這兩種方法簡單,能夠較好的展示流型的波動特性；而小波和混沌分析,方法復(fù)雜,但分別揭示了不同尺度的粉煤流動特性以及粉煤流動的混沌特性。
何強勇[9]（2010）在《流化床壓力信號的混沌特性分析及流型識別方法》文中提出氣固流化床是化工、電力、石油等生產(chǎn)過程中的重要裝置,獲取流化床的流型和流型轉(zhuǎn)換的信息對提高流化床的性能和傳熱、傳質(zhì)效率至關(guān)重要,不同的流型,傳熱性能和流動機理是不相同的。因此,準(zhǔn)確的識別流型是氣固兩相流參數(shù)檢測的一項重要內(nèi)容。但同時由于氣固流化床內(nèi)氣泡運動行為是一個非常復(fù)雜且動態(tài)非線性,對研究流化床壓力脈動信號的特征和流型識別帶來了很大的困難。本文在大量數(shù)據(jù)的基礎(chǔ)上,將二代小波、混沌理論、多重分形技術(shù)、人工魚群優(yōu)化算法、神經(jīng)網(wǎng)絡(luò)等理論運用到信號分析和流型識別中,無論是從理論還是實驗兩方面都系統(tǒng)的探討了信號的特征和流型的識別。首先,在氣固流化床實驗系統(tǒng)臺上,獲取各流型的壓力波動信號。其次,采用二代小波對獲取的壓力脈動信號進(jìn)行除噪,消除實驗過程中由于風(fēng)機的振動、實驗裝置不穩(wěn)定等造成的噪聲信號。接著用混沌理論和多重分形技術(shù)對各流型進(jìn)行混沌特性分析,并計算其各流型的特征參數(shù),包括Hurst指數(shù)、李亞普諾夫指數(shù)、關(guān)聯(lián)維數(shù)、D2熵,以及多重分形的參數(shù)。比較在不同流型下表現(xiàn)出的混沌特征和不同的流型機理。最后,采用人工魚群算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò),并把混沌參數(shù)作為識別的特征量,計算識別效率,并與BP和Elman神經(jīng)網(wǎng)絡(luò)作了比較,得出最優(yōu)識別結(jié)果。本文是首次采用混沌理論與人工魚群算法相結(jié)合對流化床的壓力脈動信號進(jìn)行混沌特性分析與識別,為更好的描述流化床流型轉(zhuǎn)換機理和定量的識別流型提供了一種新的有效的在線輔助診斷工具,從理論上和技術(shù)上為流化床流型識別提供了新的方法,也為后續(xù)研究工作與實際應(yīng)用打下了基礎(chǔ)。
張福生[10]（2008）在《應(yīng)用截面檢測技術(shù)和V型內(nèi)錐式流量計的兩相流測量》文中研究表明在自然界和生產(chǎn)過程當(dāng)中廣泛存在著兩相流動現(xiàn)象,氣液兩相流是其中的重要組成部分,在生產(chǎn)生活中有著十分重要的作用。兩相流各相之間存在界面效應(yīng)和相對速度,流動特性復(fù)雜多變,對其參數(shù)的測量一直是國內(nèi)外科研工作者研究的重點和難點。課題研究采用截面信息檢測系統(tǒng)、V型內(nèi)錐式流量計、壓力傳感器以及溫度傳感器構(gòu)建了一個多傳感器融合系統(tǒng),把傳感器融合技術(shù)應(yīng)用到了多相流測量領(lǐng)域。多傳感器融合技術(shù)在軍事以及機器人領(lǐng)域應(yīng)經(jīng)有了相當(dāng)?shù)膽?yīng)用,但是在多相流領(lǐng)域的應(yīng)用尚屬于起步階段。多傳感器融合技術(shù)的應(yīng)用可以實現(xiàn)時間上和空間上多角度觀測對象,提供反映對象特征的多維數(shù)據(jù),從而獲得更高的測量精度。基于電阻信息測量的截面信息檢測技術(shù)通過測得敏感場內(nèi)電導(dǎo)率的變化,獲得流體信息,具有無擾、無輻射等特點。V型內(nèi)錐式流量計作為一種新型的差壓式流量計有著量程比寬、線性度好、壓損小等諸多優(yōu)點,越來越受到人們的關(guān)注。課題中主要完成了以下工作:1.利用截面信息測量技術(shù)和V型內(nèi)錐式流量計等傳感器構(gòu)成的多傳感器融合系統(tǒng)在天津大學(xué)電氣工程與自動化學(xué)院的油/氣/水三相流實驗裝置上進(jìn)行了水平管氣液兩相流實驗。2.利用截面測量數(shù)據(jù),應(yīng)用D-S證據(jù)理論對氣液兩相流的流行進(jìn)行了識別。根據(jù)截面測量數(shù)據(jù)的特點,對測得的邊界電壓信號進(jìn)行預(yù)處理,從幅值域內(nèi)提取邊界電壓的均值、標(biāo)準(zhǔn)差和偏斜度作為特征信息。特征信息通過相應(yīng)的規(guī)則分別對流型進(jìn)行判斷形成證據(jù),再根據(jù)D-S證據(jù)理論的組合規(guī)則對流型進(jìn)行最終的判斷。這種基于融合算法的流行識別方法流型總識別率為90%。3.由于在不同流型下,對于V內(nèi)錐,不同的測量模型所取得結(jié)果精度差異較大。在正確識別流型的基礎(chǔ)上,進(jìn)行了測量模型誤差比較,在各個流型下應(yīng)用誤差最小的V錐測量模型進(jìn)行了流量計算,實驗誤差小于10%。4.在塞狀流測量當(dāng)中,提出了把截面信息測量數(shù)據(jù)與V內(nèi)錐測量數(shù)據(jù)進(jìn)行時間融合,通過分辨截面信息測量數(shù)據(jù)對V錐測量信號進(jìn)行分類,分別帶入不同的測量模型進(jìn)行計算,最后得到總質(zhì)量流量,平均誤差為4%,優(yōu)于直接應(yīng)用測量模型所得的結(jié)果。
二、D-S證據(jù)理論在氣固流化床流態(tài)判別中的應(yīng)用（論文開題報告）
（1）論文研究背景及目的
此處內(nèi)容要求：
首先簡單簡介論文所研究問題的基本概念和背景，再而簡單明了地指出論文所要研究解決的具體問題，并提出你的論文準(zhǔn)備的觀點或解決方法。
寫法范例：
本文主要提出一款精簡64位RISC處理器存儲管理單元結(jié)構(gòu)并詳細(xì)分析其設(shè)計過程。在該MMU結(jié)構(gòu)中,TLB采用叁個分離的TLB,TLB采用基于內(nèi)容查找的相聯(lián)存儲器并行查找,支持粗粒度為64KB和細(xì)粒度為4KB兩種頁面大小,采用多級分層頁表結(jié)構(gòu)映射地址空間,并詳細(xì)論述了四級頁表轉(zhuǎn)換過程,TLB結(jié)構(gòu)組織等。該MMU結(jié)構(gòu)將作為該處理器存儲系統(tǒng)實現(xiàn)的一個重要組成部分。
（2）本文研究方法
調(diào)查法：該方法是有目的、有系統(tǒng)的搜集有關(guān)研究對象的具體信息。
觀察法：用自己的感官和輔助工具直接觀察研究對象從而得到有關(guān)信息。
實驗法：通過主支變革、控制研究對象來發(fā)現(xiàn)與確認(rèn)事物間的因果關(guān)系。
文獻(xiàn)研究法：通過調(diào)查文獻(xiàn)來獲得資料，從而全面的、正確的了解掌握研究方法。
實證研究法：依據(jù)現(xiàn)有的科學(xué)理論和實踐的需要提出設(shè)計。
定性分析法：對研究對象進(jìn)行“質(zhì)”的方面的研究，這個方法需要計算的數(shù)據(jù)較少。
定量分析法：通過具體的數(shù)字，使人們對研究對象的認(rèn)識進(jìn)一步精確化。
跨學(xué)科研究法：運用多學(xué)科的理論、方法和成果從整體上對某一課題進(jìn)行研究。
功能分析法：這是社會科學(xué)用來分析社會現(xiàn)象的一種方法，從某一功能出發(fā)研究多個方面的影響。
模擬法：通過創(chuàng)設(shè)一個與原型相似的模型來間接研究原型某種特性的一種形容方法。
三、D-S證據(jù)理論在氣固流化床流態(tài)判別中的應(yīng)用（論文提綱范文）
（1）氣固流化床流型的表征與識別（論文提綱范文）
| 摘要 |
| Abstract |
| 主要符號表 |
| 第一章 緒論 |
| 1.1 研究背景及意義 |
| 1.2 國內(nèi)外研究現(xiàn)狀 |
| 1.2.1 流型的劃分 |
| 1.2.2 流型表征的時域方法 |
| 1.2.3 流型表征的頻域方法 |
| 1.2.4 流型表征的狀態(tài)空間方法 |
| 1.2.5 流型表征方法的比較研究 |
| 1.2.6 流型識別的研究 |
| 1.2.7 壓力脈動機理的研究 |
| 1.2.8 研究現(xiàn)狀的綜合評述 |
| 1.3 研究內(nèi)容、研究思路及研究目標(biāo) |
| 1.3.1 研究內(nèi)容 |
| 1.3.2 研究思路 |
| 1.3.3 研究目標(biāo) |
| 1.4 本章小結(jié) |
| 第二章 氣固流化床流型的時域表征—基于壓力脈動與氣固流動圖像的同步測量和分析 |
| 2.1 氣固兩相流態(tài)化實驗 |
| 2.1.1 實驗裝置 |
| 2.1.2 壓力脈動與氣固流動圖像的同步測量 |
| 2.1.3 實驗顆粒與操作參數(shù) |
| 2.2 流型的視覺分析 |
| 2.3 流型的時域表征 |
| 2.3.1 標(biāo)準(zhǔn)差–STD |
| 2.3.2 偏度–SKEW |
| 2.3.3 峰度–KURT |
| 2.3.4 平均絕對偏差–AAD |
| 2.3.5 香農(nóng)熵–IE |
| 2.3.6 脈動區(qū)間–CDFFI |
| 2.3.7 Hurst指數(shù)–HURST |
| 2.3.8 平均循環(huán)時間–ACT |
| 2.3.9 Renyi熵 –RE |
| 2.3.10 Tsallis熵 –TE |
| 2.4 時域表征方法的概述 |
| 2.5 本章小結(jié) |
| 第三章 氣固流化床流型的頻域表征 |
| 3.1 氣固兩相流態(tài)化實驗 |
| 3.2 頻域分析的基礎(chǔ)理論 |
| 3.2.1 離散傅里葉變換–Discrete Fourier Transform |
| 3.2.2 功率譜密度–Power Spectrum Density |
| 3.2.3 小波變換–Wavelet Transform |
| 3.3 流型的頻域表征 |
| 3.3.1 PSD主頻–MF |
| 3.3.2 PSD最大功率–MP |
| 3.3.3 PSD平均頻率–AF |
| 3.3.4 PSD平均功率–AP |
| 3.3.5 DFT熵 –DFTE |
| 3.3.6 小波熵–WE |
| 3.3.7 小波包熵–WPE |
| 3.3.8 均勻指數(shù)–HI |
| 3.4 頻域表征方法的概述 |
| 3.5 S變換和TFCI指數(shù) |
| 3.6 本章小結(jié) |
| 第四章 氣固流化床流型的狀態(tài)空間表征 |
| 4.1 氣固兩相流態(tài)化實驗 |
| 4.2 狀態(tài)空間分析的理論基礎(chǔ) |
| 4.2.1 嵌入維數(shù)參數(shù)m的確定 |
| 4.2.2 滯后時間參數(shù)τ的確定 |
| 4.3 流型的狀態(tài)空間表征 |
| 4.3.1 關(guān)聯(lián)維數(shù)–CD |
| 4.3.2 柯爾莫哥洛夫熵–KE |
| 4.3.3 最大李雅普諾夫指數(shù)–LY |
| 4.3.4 遞歸率–RR |
| 4.3.5 確定性–DET |
| 4.3.6 層次性–LAM |
| 4.3.7 樣本熵–SE |
| 4.4 狀態(tài)空間表征方法的概述 |
| 4.5 遞歸率方法的改進(jìn) |
| 4.6 本章小結(jié) |
| 第五章 流型表征通用評價方法的研究 |
| 5.1 氣固兩相流態(tài)化實驗 |
| 5.2 壓力脈動機理與流型轉(zhuǎn)變機理的研究 |
| 5.2.1 鼓泡床中的壓力脈動起源 |
| 5.2.2 湍動床中的壓力脈動起源 |
| 5.2.3 壓力脈動機理與模型 |
| 5.2.4 從鼓泡床到湍動床的流型轉(zhuǎn)變機理 |
| 5.3 流型表征方法通用評價框架的構(gòu)建 |
| 5.3.1 流型表征可靠性的定量指標(biāo) |
| 5.3.2 實驗條件、信號類型對表征方法可靠性的影響 |
| 5.3.3 流型表征方法可靠性評價框架的構(gòu)建 |
| 5.3.4 流型表征有效性評價方法的構(gòu)建 |
| 5.4 本章小結(jié) |
| 第六章 基于特征評價框架的流型識別及系統(tǒng)實現(xiàn) |
| 6.1 模式識別分類器的理論分析 |
| 6.1.1 神經(jīng)網(wǎng)絡(luò)模型 |
| 6.1.2 支持向量機 |
| 6.2 基于特征評價框架的流型識別 |
| 6.2.1 流型識別系統(tǒng)的改進(jìn) |
| 6.2.2 流型識別系統(tǒng)的性能及外延性分析 |
| 6.3 流型表征和識別軟件系統(tǒng)的實現(xiàn) |
| 6.3.1 系統(tǒng)軟件功能設(shè)計 |
| 6.3.2 數(shù)據(jù)采集模塊 |
| 6.3.3 流型表征功能模塊 |
| 6.3.4 流型識別功能模塊 |
| 6.3.5 機理分析模塊 |
| 6.4 本章小結(jié) |
| 第七章 結(jié)論與展望 |
| 7.1 主要研究成果及創(chuàng)新 |
| 7.2 進(jìn)一步研究的展望 |
| 致謝 |
| 參考文獻(xiàn) |
| 附錄 |
| 附錄 A 方法的可靠性和有效性指標(biāo) |
| 附錄 B 一些命題 |
| 附錄 C 源代碼 |
| C.1 一些流型表征方法 |
| C.2 方法的可靠性算法 |
| C.3 方法的有效性算法 |
| 攻讀博士期間發(fā)表的論文 |
| 鳴謝 |
（2）自調(diào)式狹縫型分布板流化床的設(shè)計與試驗研究（論文提綱范文）
| 摘要 |
| ABSTRACT |
| 1 前言 |
| 1.1 研究背景及意義 |
| 1.1.1 流態(tài)化概述 |
| 1.1.2 流態(tài)化技術(shù)的應(yīng)用 |
| 1.2 流化床簡介 |
| 1.2.1 常見流化床分布板的類型與應(yīng)用 |
| 1.2.2 現(xiàn)有流化床分布板的優(yōu)缺點 |
| 1.3 本文研究的內(nèi)容 |
| 2 自調(diào)式狹縫型分布板流化床及控制系統(tǒng)設(shè)計 |
| 2.1 實驗裝置與流程 |
| 2.1.1 床體 |
| 2.1.2 氣體預(yù)分布室 |
| 2.1.3 氣體分布板 |
| 2.1.4 附屬設(shè)備 |
| 2.2 自調(diào)節(jié)控制系統(tǒng)設(shè)計 |
| 2.2.1 可編程邏輯控制模塊 |
| 2.2.2 數(shù)據(jù)采集模塊 |
| 2.2.3 運動控制模塊 |
| 2.2.4 控制系統(tǒng)編程環(huán)境 |
| 2.3 實驗物料與方法 |
| 2.3.1 實驗物料 |
| 2.3.2 實驗方法 |
| 3 結(jié)果與討論 |
| 3.1 Geldart D類顆粒的冷態(tài)流化特性 |
| 3.1.1 空床時分布板壓力降 |
| 3.1.2 核桃砂顆粒物料的冷態(tài)流化特性 |
| 3.1.3 床層膨脹比 |
| 3.1.4 床層壓降關(guān)系式的修正 |
| 3.2 系統(tǒng)功能分析 |
| 3.2.1 固定床階段最小流化速度的識別 |
| 3.2.2 流化床階段床層流型的識別 |
| 3.2.3 自調(diào)節(jié)控制流程圖 |
| 4 結(jié)論 |
| 4.1 全文總結(jié) |
| 4.2 論文的創(chuàng)新點 |
| 4.3 論文的不足之處 |
| 5 展望 |
| 6 參考文獻(xiàn) |
| 7 攻讀碩士學(xué)位期間論文發(fā)表情況 |
| 8 致謝 |
| 附錄 |
（3）用于氣液固三相流化床檢測的電學(xué)層析成像方法研究（論文提綱范文）
| 中文摘要 |
| ABSTRACT |
| 第一章 緒論 |
| 1.1 流化床檢測的研究背景 |
| 1.2 電學(xué)層析成像技術(shù)的發(fā)展概況 |
| 1.3 本文研究內(nèi)容 |
| 第二章 ET技術(shù)的數(shù)學(xué)原理 |
| 2.1 電學(xué)層析成像的正問題 |
| 2.1.1 ECT數(shù)學(xué)模型 |
| 2.1.2 EMT數(shù)學(xué)模型 |
| 2.1.3 邊界條件 |
| 2.2 電學(xué)層析成像的逆問題 |
| 2.2.1 靈敏度理論 |
| 2.2.2 非迭代算法 |
| 2.2.3 迭代求解算法 |
| 2.3 本章小結(jié) |
| 第三章 差分式電容層析成像系統(tǒng)設(shè)計 |
| 3.1 引言 |
| 3.2 差分ECT傳感器設(shè)計 |
| 3.3 差分ECT測量電路設(shè)計 |
| 3.4 數(shù)值仿真 |
| 3.4.1 電場計算 |
| 3.4.2 電極極板間的電容 |
| 3.4.3 圖像重建 |
| 3.5 實驗結(jié)果 |
| 3.5.1 差分ECT測量系統(tǒng) |
| 3.6 性能評估 |
| 3.7 討論 |
| 3.8 本章小結(jié) |
| 第四章 高磁導(dǎo)率粉末的EMT測量方法 |
| 4.1 引言 |
| 4.1.1 磁導(dǎo)率測量方法 |
| 4.1.2 EMT技術(shù) |
| 4.2 粉末狀材料的磁導(dǎo)率測量方法 |
| 4.2.1 傳感器設(shè)計 |
| 4.2.2 等效電路模型 |
| 4.2.3 修正因數(shù) |
| 4.3 EMT測量 |
| 4.3.1 EMT傳感器 |
| 4.3.2 靈敏度矩陣 |
| 4.3.3 二維EMT模型仿真 |
| 4.4 粉末狀材料的磁導(dǎo)率測量結(jié)果和討論 |
| 4.4.1 電感法數(shù)值仿真 |
| 4.4.2電感法實驗 |
| 4.4.3 重復(fù)性指標(biāo) |
| 4.5 EMT仿真結(jié)果 |
| 4.5.1 TMR數(shù)量和位置的影響 |
| 4.6 本章小結(jié) |
| 第五章 ECT/EMT雙模態(tài)系統(tǒng)設(shè)計 |
| 5.1 引言 |
| 5.2 國內(nèi)外研究工作進(jìn)展 |
| 5.3 面臨的主要問題 |
| 5.4 ECT/EMT雙模態(tài)系統(tǒng)設(shè)計 |
| 5.4.1 主板設(shè)計 |
| 5.4.1.1 激勵信號源 |
| 5.4.1.2 UART模塊 |
| 5.4.1.3 USB模塊 |
| 5.4.1.4 FLASH模塊 |
| 5.4.2 從板設(shè)計 |
| 5.4.2.1 電極/線圈選通模塊 |
| 5.4.2.2 A/D模塊 |
| 5.5 測試結(jié)果 |
| 5.5.1 激勵信號源測試結(jié)果 |
| 5.5.2 A/D模塊測試結(jié)果 |
| 5.5.3 系統(tǒng)測量值測試結(jié)果 |
| 5.6 本章小結(jié) |
| 第六章 總結(jié) |
| 參考文獻(xiàn) |
| 發(fā)表論文和參加科研情況說明 |
| 致謝 |
（4）基于聲電多傳感器信息融合的兩相流流型識別（論文提綱范文）
| 中文摘要 |
| ABSTRACT |
| 符號對照表 |
| 符號定義 |
| 第1章 緒論 |
| 1.1 研究背景和意義 |
| 1.2 流型識別方法 |
| 1.2.1 流型圖 |
| 1.2.2 流型識別方法的發(fā)展與現(xiàn)狀 |
| 1.2.3 流型識別信息處理技術(shù) |
| 1.3 多傳感器信息融合 |
| 1.4 課題的主要研究工作 |
| 1.5 論文的組織安排 |
| 第2章 電阻層析成像與超聲多普勒檢測原理 |
| 2.1 電阻層析成像 |
| 2.1.1 電阻層析成像原理 |
| 2.1.2 電阻層析成像系統(tǒng)構(gòu)成 |
| 2.2 連續(xù)波超聲多普勒系統(tǒng) |
| 2.2.1 超聲多普勒測流速原理 |
| 2.2.2 連續(xù)波超聲多普勒系統(tǒng)構(gòu)成 |
| 2.3 小結(jié) |
| 第3章 實驗設(shè)計與數(shù)據(jù)預(yù)處理 |
| 3.1 實驗裝置 |
| 3.1.1 氣水兩相流實驗 |
| 3.1.2 油水兩相流實驗 |
| 3.2 數(shù)據(jù)預(yù)處理 |
| 3.2.1 電阻層析成像數(shù)據(jù)預(yù)處理 |
| 3.2.2 超聲多普勒回波信號預(yù)處理 |
| 3.3 小結(jié) |
| 第4章 兩相流局部含率波動關(guān)聯(lián)性分析 |
| 4.1 圖變量動態(tài)連接性與GVD指標(biāo) |
| 4.1.1 圖變量動態(tài)連接性 |
| 4.1.2 GVD指標(biāo) |
| 4.2 圖變量動態(tài)連接性分析 |
| 4.2.1 ERT數(shù)據(jù)靜態(tài)連通性連接矩陣分析 |
| 4.2.2 ERT數(shù)據(jù)GVD指標(biāo)隨含氣率變化分析 |
| 4.2.3 ERT數(shù)據(jù)動態(tài)連接性分析 |
| 4.2.4 節(jié)點GVD分析 |
| 4.3 模塊化狄利克雷能量 |
| 4.3.1 氣水兩相流的模塊化能量結(jié)果與分析 |
| 4.3.2 油水兩相流的模塊化能量結(jié)果與分析 |
| 4.4 小結(jié) |
| 第5章 聲電多傳感器信息融合 |
| 5.1 連續(xù)波超聲多普勒特征提取 |
| 5.1.1 氣水兩相流超聲回波信號時頻分析 |
| 5.1.2 油水兩相流超聲回波信號時頻分析 |
| 5.2 多傳感器信息融合的流型特征分析 |
| 5.2.1 氣水兩相流的聲電融合結(jié)果與分析 |
| 5.2.2 油水兩相流的聲電融合結(jié)果與分析 |
| 5.3 基于支持向量機的流型識別 |
| 5.4 小節(jié) |
| 第6章 結(jié)論和展望 |
| 6.1 課題工作總結(jié) |
| 6.2 展望及未來工作計劃 |
| 參考文獻(xiàn) |
| 發(fā)表論文和參加科研情況說明 |
| 發(fā)表學(xué)術(shù)論文 |
| 申請發(fā)明專利 |
| 參與科研項目 |
| 致謝 |
（5）基于多傳感器聲紋特征提取的氣固流化床結(jié)塊監(jiān)測（論文提綱范文）
| 摘要 |
| ABSTRACT |
| 第一章 緒論 |
| 1.1 研究目的和意義 |
| 1.1.1 聚乙烯流化床技術(shù)簡介 |
| 1.1.2 流化床技術(shù)中存在的問題 |
| 1.2 國內(nèi)外研究現(xiàn)狀及發(fā)展趨勢 |
| 1.3 多傳感器信息融合的發(fā)展概述 |
| 1.4 本文主要內(nèi)容及結(jié)構(gòu)安排 |
| 第二章 流化床實驗裝置及結(jié)塊監(jiān)測系統(tǒng)設(shè)計 |
| 2.1 氣相PE流化床裝置簡介 |
| 2.1.1 氣相PE流化床生產(chǎn)裝置 |
| 2.1.2 流化床冷模實驗裝置介紹 |
| 2.2 基于聲發(fā)射檢測技術(shù)的流化床結(jié)塊監(jiān)測系統(tǒng)設(shè)計 |
| 2.2.1 流化床內(nèi)聲信號來源分析 |
| 2.2.2 實驗平臺設(shè)計與實現(xiàn) |
| 2.2.3 監(jiān)測系統(tǒng)軟件部分設(shè)計與開發(fā) |
| 2.3 冷模實驗方案設(shè)計 |
| 2.4 本章小結(jié) |
| 第三章 流化床內(nèi)聲波振動信號的聲紋特征提取 |
| 3.1 引言 |
| 3.2 聲波振動信號分析 |
| 3.2.1 信號的時域分析 |
| 3.2.2 信號的頻域分析 |
| 3.3 傳統(tǒng)聲紋特征提取技術(shù)及分析 |
| 3.3.1 原始信號的預(yù)處理 |
| 3.3.2 信號的LPCC特征參數(shù)提取 |
| 3.3.3 信號的MFCC特征參數(shù)提取 |
| 3.4 LP-MFCCs特征參數(shù)提取 |
| 3.4.1 LP-MFCCs特征參數(shù) |
| 3.4.2 聲紋特征參數(shù)穩(wěn)定性與可分性分析 |
| 3.5 本章小結(jié) |
| 第四章 基于極限學(xué)習(xí)機的流化床結(jié)塊監(jiān)測模型 |
| 4.1 引言 |
| 4.2 極限學(xué)習(xí)機簡介 |
| 4.2.1 傳統(tǒng)神經(jīng)網(wǎng)絡(luò) |
| 4.2.2 極限學(xué)習(xí)機 |
| 4.3 極限學(xué)習(xí)機算法 |
| 4.4 ELM柔化輸出模型 |
| 4.5 基于ELM的流化床結(jié)塊監(jiān)測 |
| 4.5.1 基于ELM的結(jié)塊監(jiān)測算法 |
| 4.5.2 激活函數(shù)的選取 |
| 4.5.3 節(jié)點數(shù)目分析 |
| 4.5.4 實驗結(jié)果及分析 |
| 4.6 本章小結(jié) |
| 第五章 基于多傳感器信息融合的流化床結(jié)塊監(jiān)測系統(tǒng) |
| 5.1 引言 |
| 5.2 多傳感器信息融合的基礎(chǔ)理論 |
| 5.2.1 信息融合技術(shù)的概念 |
| 5.2.2 信息融合技術(shù)的層級結(jié)構(gòu) |
| 5.2.3 信息融合技術(shù)的融合算法 |
| 5.3 流化床結(jié)塊監(jiān)測系統(tǒng)的多傳感器應(yīng)用分析 |
| 5.4 基于模糊積分融合技術(shù)的流化床結(jié)塊監(jiān)測 |
| 5.4.1 模糊積分融合算法 |
| 5.4.2 基于模糊積分融合技術(shù)的結(jié)塊監(jiān)測結(jié)構(gòu)框架 |
| 5.4.3 實驗結(jié)果及分析 |
| 5.5 本章小結(jié) |
| 第六章 流化床結(jié)塊故障監(jiān)測軟件 |
| 6.1 監(jiān)測軟件簡介 |
| 6.2 功能及操作 |
| 6.3 本章小結(jié) |
| 第七章 總結(jié)與展望 |
| 7.1 總結(jié) |
| 7.2 展望 |
| 參考文獻(xiàn) |
| 致謝 |
| 研究成果及發(fā)表的學(xué)術(shù)論文 |
| 作者和導(dǎo)師簡介 |
| 附件 |
（6）兩相流多傳感器數(shù)據(jù)卡爾曼濾波融合方法（論文提綱范文）
| 中文摘要 |
| ABSTRACT |
| 第1章 緒論 |
| 1.1 多相流概述 |
| 1.1.1 多相流的主要待測參數(shù) |
| 1.1.2 油水兩相流流型 |
| 1.2 多相流檢測技術(shù) |
| 1.2.1 流量和流速檢測方法 |
| 1.2.2 相含率檢測方法 |
| 1.3 數(shù)據(jù)融合 |
| 1.3.1 數(shù)據(jù)融合的定義和發(fā)展 |
| 1.3.2 數(shù)據(jù)融合的層次和結(jié)構(gòu) |
| 1.3.3 數(shù)據(jù)融合方法 |
| 1.3.4 數(shù)據(jù)融合的優(yōu)勢 |
| 1.3.5 數(shù)據(jù)融合在多相流檢測中的應(yīng)用 |
| 1.4 課題的主要研究工作 |
| 第2章 雙模態(tài)測試系統(tǒng)與實驗條件 |
| 2.1 聲電雙模態(tài)測試系統(tǒng)總體結(jié)構(gòu) |
| 2.2 電導(dǎo)傳感器 |
| 2.3 電容傳感器 |
| 2.4 超聲多普勒傳感器 |
| 2.5 實驗條件 |
| 第3章 聲電傳感器數(shù)據(jù)融合方法 |
| 3.1 融合層級與結(jié)構(gòu) |
| 3.2 卡爾曼濾波 |
| 3.3 多傳感器卡爾曼融合 |
| 3.3.1 卡爾曼集中式融合 |
| 3.3.2 卡爾曼分布式融合 |
| 3.4 上下文變量 |
| 第4章 油水兩相流含水率融合測量 |
| 4.1 數(shù)據(jù)預(yù)處理 |
| 4.2 單傳感器含水率測量與估計 |
| 4.3 電學(xué)傳感器融合測量 |
| 4.3.1 卡爾曼集中式融合測量 |
| 4.3.2 卡爾曼分布式融合測量 |
| 第5章 油水兩相流流速融合測量 |
| 5.1 測量數(shù)據(jù)預(yù)處理 |
| 5.2 多普勒流速測量模型 |
| 5.3 流速融合測量模型 |
| 5.3.1 兩相流流速測量的系統(tǒng)模型 |
| 5.3.2 多普勒測速模型的線性化 |
| 5.4 卡爾曼融合的流速測量結(jié)果 |
| 第六章 總結(jié)和展望 |
| 6.1 總結(jié) |
| 6.2 展望 |
| 參考文獻(xiàn) |
| 發(fā)表論文和參加科研情況說明 |
| 發(fā)表學(xué)術(shù)論文 |
| 參與科研項目 |
| 致謝 |
（7）基于傳感器數(shù)據(jù)融合的小通道氣液兩相流參數(shù)測量新方法研究（論文提綱范文）
| 致謝 |
| 摘要 |
| Abstract |
| 目次 |
| 第1章 緒論 |
| 摘要 |
| 本章主要內(nèi)容 |
| 1.1 氣液兩相流概述 |
| 1.1.1 氣液兩相流概念與分類 |
| 1.1.2 氣液兩相流主要參數(shù) |
| 1.2 小通道氣液兩相流系統(tǒng)簡介 |
| 1.3 小通道氣液兩相流參數(shù)檢測的重要意義 |
| 1.4 小通道氣液兩相流參數(shù)測量技術(shù)研究現(xiàn)狀 |
| 1.5 本文主要研究工作 |
| 第2章 文獻(xiàn)綜述 |
| 摘要 |
| 本章主要內(nèi)容 |
| 2.1 小通道氣液兩相流流型辨識 |
| 2.2 小通道氣液兩相流相含率測量 |
| 2.3 兩相流光學(xué)檢測技術(shù) |
| 2.3.1 光散射法 |
| 2.3.2 光纖探針法 |
| 2.3.3 激光多普勒技術(shù) |
| 2.4 電容耦合非接觸電導(dǎo)檢測(C~4D)技術(shù) |
| 2.4.1 C~4D測量原理 |
| 2.4.2 C~4D技術(shù)研究現(xiàn)狀 |
| 2.4.3 C~4D技術(shù)的應(yīng)用 |
| 2.5 信息處理技術(shù) |
| 2.5.1 統(tǒng)計分析 |
| 2.5.2 小波分析 |
| 2.5.3 希爾伯特黃變換 |
| 2.5.4 機器學(xué)習(xí)(支持向量機) |
| 2.6 傳感器數(shù)據(jù)融合技術(shù) |
| 2.6.1 傳感器數(shù)據(jù)融合的基本原理 |
| 2.6.2 傳感器數(shù)據(jù)融合方法介紹 |
| 2.6.3 傳感器數(shù)據(jù)融合技術(shù)的應(yīng)用 |
| 2.7 小結(jié) |
| 第3章 小通道氣液兩相流參數(shù)測量系統(tǒng)與測量方案 |
| 摘要 |
| 本章主要內(nèi)容 |
| 3.1 參數(shù)測量總體方案 |
| 3.2 小通道氣液兩相流參數(shù)檢測系統(tǒng) |
| 3.3 實驗方案和實驗條件 |
| 3.4 實驗中的典型流型 |
| 3.5 小結(jié) |
| 第4章 基于光學(xué)位置傳感器的小通道氣液兩相流參數(shù)測量 |
| 摘要 |
| 本章主要內(nèi)容 |
| 4.1 引言 |
| 4.2 光學(xué)位置傳感器測量原理 |
| 4.3 小通道氣液兩相流光學(xué)位置傳感器信號分析 |
| 4.3.1 典型流型下的光學(xué)位置傳感器信號 |
| 4.3.2 統(tǒng)計特征分析 |
| 4.3.3 小波分析 |
| 4.3.4 希爾伯特黃變換 |
| 4.4 基于光學(xué)位置傳感器的小通道氣液兩相流流型辨識 |
| 4.4.1 信號特征提取 |
| 4.4.2 流型分類器設(shè)計 |
| 4.4.3 流型辨識結(jié)果 |
| 4.5 基于光學(xué)位置傳感器的小通道段塞流相含率測量 |
| 4.5.1 基于物理模型的相含率測量 |
| 4.5.2 基于LS-SVM回歸模型的相含率測量 |
| 4.6 小結(jié) |
| 第5章 基于C~4D傳感器的小通道氣液兩相流參數(shù)測量 |
| 摘要 |
| 本章主要內(nèi)容 |
| 5.1 引言 |
| 5.2 基于相敏解調(diào)技術(shù)和串聯(lián)諧振的C~4D傳感器測量原理 |
| 5.3 小通道氣液兩相流C~4D傳感器信號分析 |
| 5.4 基于C~4D傳感器的小通道氣液兩相流流型辨識 |
| 5.5 基于C~4D傳感器的小通道氣液兩相流相含率測量 |
| 5.6 小結(jié) |
| 第6章 基于傳感器數(shù)據(jù)融合的小通道氣液兩相流參數(shù)測量 |
| 摘要 |
| 本章主要內(nèi)容 |
| 6.1 引言 |
| 6.2 小通道氣液兩相流流型辨識 |
| 6.2.1 小通道氣液兩相流流型辨識技術(shù)路線 |
| 6.2.2 基于D-S證據(jù)理論的流型辨識 |
| 6.2.3 流型辨識實驗結(jié)果比較與分析 |
| 6.3 小通道氣液兩相流相含率測量 |
| 6.3.1 相含率測量技術(shù)路線 |
| 6.3.2 相含率測量實驗結(jié)果 |
| 6.4 小結(jié) |
| 第7章 結(jié)論與建議 |
| 參考文獻(xiàn) |
| 作者簡介 |
| 攻讀博士學(xué)位期間所取得的科研成果 |
（8）粉煤密相氣力輸送的流型與管線內(nèi)壓力信號關(guān)系的研究（論文提綱范文）
| 摘要 |
| Abstract |
| 第1章 前言 |
| 1.1 課題的研究背景及意義 |
| 1.2 文獻(xiàn)綜述 |
| 1.2.1 氣力輸送的水平管和豎直管流型 |
| 1.2.2 新測量手段與流型 |
| 1.2.3 相圖與流型預(yù)測 |
| 1.2.4 流型的數(shù)值模擬研究 |
| 1.2.5 物料物性與流型 |
| 1.2.6 壓力信號處理方法 |
| 1.2.7 氣力輸送的壓力波動機理 |
| 1.2.8 壓力信號的特性與流型 |
| 1.2.9 壓力信號的特性與動力學(xué)機理 |
| 1.3 本文的主要研究內(nèi)容 |
| 1.4 創(chuàng)新點 |
| 第2章 實驗裝置與物料物性 |
| 2.1 實驗室的實驗裝置和物料物性 |
| 2.1.1 不同管徑的水平管實驗裝置 |
| 2.1.2 豎直上升管實驗裝置 |
| 2.1.3 測量系統(tǒng) |
| 2.1.4 輸送物料的物性 |
| 2.1.5 操作手段與流型 |
| 2.2 中試試驗裝置和物料物性 |
| 2.3 Shell粉煤輸送的工業(yè)裝置和物料物性 |
| 第3章 操作參數(shù)對輸送穩(wěn)定性的影響 |
| 3.1 給料罐壓力波動的影響 |
| 3.2 補氣方式對輸送穩(wěn)定的影響 |
| 3.2.1 調(diào)節(jié)氣的影響 |
| 3.2.2 流化氣的影響 |
| 3.2.3 加壓氣的影響 |
| 3.3 宏觀特性參數(shù)與穩(wěn)定性 |
| 3.3.1 顆粒速度的影響 |
| 3.3.2 顆粒濃度的影響 |
| 3.4 相圖流型與穩(wěn)定性 |
| 3.5 穩(wěn)定性判據(jù)與改善措施 |
| 3.6 中試及工業(yè)裝置系統(tǒng)穩(wěn)定性分析 |
| 3.7 堵塞現(xiàn)象 |
| 3.7.1 不同的堵塞類型 |
| 3.7.2 臨界氣速 |
| 3.8 臨界速度與流動穩(wěn)定性 |
| 3.9 小結(jié) |
| 第4章 不同載氣對輸送穩(wěn)定性的影響 |
| 4.1 不同載氣粉煤氣力輸送的宏觀規(guī)律 |
| 4.2 不同載氣的粉煤氣力輸送相圖 |
| 4.3 不同載氣粉煤氣力輸送的管道壓降模型 |
| 4.4 不同載氣對壓力波動特征的影響 |
| 4.5 不同載氣對粉煤流型的影響 |
| 4.6 小結(jié) |
| 第5章 流型劃分及其過渡的預(yù)測 |
| 5.1 引言 |
| 5.2 流型的定義 |
| 5.2.1 水平管流型 |
| 5.2.2 豎直管流型 |
| 5.3 ECT信號與流型 |
| 5.3.1 水平管 |
| 5.3.2 豎直管 |
| 5.4 相圖與流型 |
| 5.4.1 水平管 |
| 5.4.2 豎直管 |
| 5.5 流型過渡的預(yù)測 |
| 5.5.1 水平管 |
| 5.5.2 豎直管 |
| 5.6 流型預(yù)測模型的適用性 |
| 5.7 小結(jié) |
| 第6章 粉煤氣力輸送的壓力信號特征與流型的關(guān)系 |
| 6.1 壓力信號的數(shù)據(jù)采集系統(tǒng) |
| 6.2 采樣頻率與采樣點數(shù) |
| 6.3 壓力信號中噪音的辨識 |
| 6.4 小波的去噪處理 |
| 6.5 壓力信號的特征量提取 |
| 6.5.1 壓力信號的波形 |
| 6.5.2 標(biāo)準(zhǔn)差 |
| 6.5.3 平均循環(huán)頻率 |
| 6.5.4 功率譜分析 |
| 6.5.5 小波分析 |
| 6.5.6 混沌分析 |
| 6.6 小結(jié) |
| 第7章 結(jié)論與展望 |
| 7.1 研究結(jié)論 |
| 7.2 研究展望 |
| 參考文獻(xiàn) |
| 致謝 |
| 附錄 博士期間發(fā)表的論文 |
（9）流化床壓力信號的混沌特性分析及流型識別方法（論文提綱范文）
| 摘要 |
| Abstract |
| 第1章 緒論 |
| 1.1 課題的背景及意義 |
| 1.2 國內(nèi)外對氣固流化床研究的狀況 |
| 1.2.1 氣固流化床參數(shù)檢測技術(shù) |
| 1.2.2 流化床信號分析處理方法綜述 |
| 1.2.3 流化床的流型識別技術(shù) |
| 1.3 流型識別中擬解決關(guān)鍵問題 |
| 1.4 本文的主要研究內(nèi)容 |
| 第2章 實驗裝置與實驗過程 |
| 2.1 實驗裝置簡介 |
| 2.2 實驗步驟 |
| 2.3 試驗材料 |
| 2.4 實驗參數(shù)的測量 |
| 2.4.1 實驗參數(shù)范圍 |
| 2.4.2 實驗參數(shù)的測量 |
| 2.5 信號的采集與傳感器的選擇 |
| 2.5.1 信號的采集 |
| 2.5.2 壓力傳感器的選擇 |
| 2.6 實驗所觀察到的流型 |
| 2.7 本章小結(jié) |
| 第3章 壓力脈動信號的去噪處理 |
| 3.1 幾種一代小波去噪基本原理 |
| 3.1.1 分解重構(gòu)法 |
| 3.1.2 小波閾值去噪法 |
| 3.1.3 平移不變量法 |
| 3.1.4 模極大值去噪法 |
| 3.2 第二代小波原理 |
| 3.2.1 二代小波理論 |
| 3.2.2 二代小波去噪過程 |
| 3.3 一代小波與二代小波除噪比較 |
| 3.4 本章小結(jié) |
| 第4章 壓力脈動信號的混沌特性和多重分形分析 |
| 4.1 混沌特性分析 |
| 4.1.1 延遲時間 |
| 4.1.2 關(guān)聯(lián)維數(shù) |
| 4.1.3 Hurst 指數(shù) |
| 4.1.4 吸引子 |
| 4.1.5 李亞普諾夫指數(shù)(Ly: Lyapunov exponent） |
| 4.1.6 Kolmogorov 熵 |
| 4.2 多重分形分析 |
| 4.2.1 多重分形譜 |
| 4.2.2 參數(shù)意義 |
| 4.2.3 數(shù)據(jù)結(jié)果與分析 |
| 4.3 本章小結(jié) |
| 第5章 流型識別模式的分析與選取 |
| 5.1 人工魚群基本理論 |
| 5.1.1 符號定義 |
| 5.1.2 人工魚群算法 |
| 5.2 BP 神經(jīng)網(wǎng)絡(luò) |
| 5.3 Elman 神經(jīng)網(wǎng)絡(luò) |
| 5.4 人工魚群算法優(yōu)化BP 神經(jīng)網(wǎng)絡(luò)的過程 |
| 5.4.1 統(tǒng)計特征參數(shù) |
| 5.4.2 實驗結(jié)果與分析 |
| 5.5 本章小結(jié) |
| 結(jié)論 |
| 參考文獻(xiàn) |
| 攻讀學(xué)位期間取得的研究成果及發(fā)表的學(xué)術(shù)論文 |
| 致謝 |
（10）應(yīng)用截面檢測技術(shù)和V型內(nèi)錐式流量計的兩相流測量（論文提綱范文）
| 摘要 |
| ABSTRACT |
| 第一章 緒論 |
| 1.1 兩相流及其研究現(xiàn)狀 |
| 1.2 多傳感器融合技術(shù)的產(chǎn)生及現(xiàn)狀 |
| 1.3 截面信息檢測技術(shù) |
| 1.4 差壓式流量計 |
| 1.5 課題的主要研究問題 |
| 1.6 論文的組織安排 |
| 第二章 多傳感器融合系統(tǒng)的構(gòu)成 |
| 2.1 多傳感器系統(tǒng)的空間結(jié)構(gòu) |
| 2.2 系統(tǒng)測量框架 |
| 2.3 截面信息檢測系統(tǒng)的原理和構(gòu)成 |
| 2.3.1 電阻式截面信息檢測系統(tǒng)的原理 |
| 2.3.2 截面系統(tǒng)的硬件結(jié)構(gòu) |
| 2.4 V 內(nèi)錐的結(jié)構(gòu)及特性 |
| 2.5 水平管氣液兩相流實驗裝置 |
| 第三章 基于 D-S 證據(jù)理論的流型識別方法 |
| 3.1 流型及其識別方法 |
| 3.2 水平管氣液兩相流介紹 |
| 3.3 截面測量信息的特征提取 |
| 3.3.1 邊界電壓預(yù)處理 |
| 3.3.2 邊界電壓特征提取 |
| 3.4 D-S 證據(jù)理論 |
| 3.4.1 證據(jù)理論基礎(chǔ) |
| 3.4.2 證據(jù)組合規(guī)則 |
| 3.5 基于 D-S 證據(jù)理論的流型識別方法 |
| 3.5.1 基本概率分配函數(shù)的獲取 |
| 3.5.2 流型判別過程 |
| 3.6 實驗結(jié)果及分析 |
| 3.7 小結(jié) |
| 第四章 基于流型識別的流量測量 |
| 4.1 節(jié)流裝置測量模型 |
| 4.2 V 內(nèi)錐流出系數(shù) |
| 4.3 氣體可膨脹系數(shù) |
| 4.4 實驗條件下測量模型誤差比較 |
| 4.5 小結(jié) |
| 第五章 基于時間融合的塞狀流流量測量 |
| 5.1 基本原理 |
| 5.2 截面測量信息與V 內(nèi)錐測量數(shù)據(jù)的時間融合方法 |
| 5.2.1 相關(guān)技術(shù)原理 |
| 5.2.2 時間融合方法 |
| 5.3 基于時間融合的流量測量 |
| 5.3.1 V 內(nèi)錐差壓信號的時序分類 |
| 5.3.2 等效干度計算 |
| 5.3.3 質(zhì)量流量計算 |
| 5.4 實驗結(jié)果分析 |
| 5.5 小結(jié) |
| 第六章 總結(jié)與展望 |
| 參考文獻(xiàn) |
| 發(fā)表論文與科研情況說明 |
| 致謝 |
四、D-S證據(jù)理論在氣固流化床流態(tài)判別中的應(yīng)用（論文參考文獻(xiàn)）
- [1]氣固流化床流型的表征與識別[D]. 王建斌. 東南大學(xué), 2020
- [2]自調(diào)式狹縫型分布板流化床的設(shè)計與試驗研究[D]. 劉超冉. 天津科技大學(xué), 2020(08)
- [3]用于氣液固三相流化床檢測的電學(xué)層析成像方法研究[D]. 張威揚. 天津大學(xué), 2018(06)
- [4]基于聲電多傳感器信息融合的兩相流流型識別[D]. 沈瑩. 天津大學(xué), 2018(06)
- [5]基于多傳感器聲紋特征提取的氣固流化床結(jié)塊監(jiān)測[D]. 史帥. 北京化工大學(xué), 2018(02)
- [6]兩相流多傳感器數(shù)據(jù)卡爾曼濾波融合方法[D]. 李鵬飛. 天津大學(xué), 2017(06)
- [7]基于傳感器數(shù)據(jù)融合的小通道氣液兩相流參數(shù)測量新方法研究[D]. 龍軍. 浙江大學(xué), 2013(08)
- [8]粉煤密相氣力輸送的流型與管線內(nèi)壓力信號關(guān)系的研究[D]. 叢星亮. 華東理工大學(xué), 2013(06)
- [9]流化床壓力信號的混沌特性分析及流型識別方法[D]. 何強勇. 東北電力大學(xué), 2010(12)
- [10]應(yīng)用截面檢測技術(shù)和V型內(nèi)錐式流量計的兩相流測量[D]. 張福生. 天津大學(xué), 2008(02)
標(biāo)簽：流化床論文; 傳感器技術(shù)論文; 機器人傳感器論文; 系統(tǒng)辨識論文; 數(shù)據(jù)融合論文;