基于小波和混沌理論的氣液兩相流流型智能識別方法.pdf

1、　 本文在大量實(shí)驗(yàn)數(shù)據(jù)基礎(chǔ)上，將小波變換、混沌理論、神經(jīng)網(wǎng)絡(luò)和數(shù)據(jù)融合技術(shù)應(yīng)用到流型識別中，從理論和實(shí)驗(yàn)兩個方面，系統(tǒng)地探討了流型的神經(jīng)網(wǎng)絡(luò)智能識別方法。針對識別率不高的問題，將D-S(Dempster-Shafer)證據(jù)理論應(yīng)用到流型識別中，提出了基于神經(jīng)網(wǎng)絡(luò)的多特征融合的流型識別方法。　　 首先利用小波包變換對壓差波動信號進(jìn)行分解，根據(jù)相關(guān)性原理對信號中的噪聲進(jìn)行了辨識，得到頻率大于64Hz的壓差波動信號為噪聲信號?！　?/p>

2、 其次，利用Wigner譜對不同流型的壓差波動信號進(jìn)行時頻二維分析，證實(shí)其強(qiáng)非平穩(wěn)性后，將統(tǒng)計理論、小波變換和混沌分形理論應(yīng)用到流型的特征提取中。利用統(tǒng)計理論對去噪后的壓差波動信號進(jìn)行分析，計算了信號的均值、標(biāo)準(zhǔn)差、偏斜度、功率譜能量份額四個統(tǒng)計參數(shù)，分析了不同流型的變化規(guī)律?！　?最后針對單一特征識別率不高的問題，利用D-S證據(jù)理論，提出了多特征融合的流型識別方法。此方法將上述三個局部神經(jīng)網(wǎng)絡(luò)的輸出結(jié)果作為D-S證據(jù)理論