小通道气液两相流流型辨识与LSTM短期预测研究

发布时间：2021-08-05 15:30

　　以空气与水为工质,运用压差传感器与光学位置传感器和高速摄像机对水力直径3.0 mm的小通道水平圆管内气液两相流进行实验研究。根据压差波动信号图、光电传感器模拟信号图及高速摄像机拍摄所得流型图对小通道内气液两相流进行流型辨识,辨识结果表明:存在环状流、层状流、间歇流、以及段塞流四种流型;对四种流型所对应压差波动信号进行LSTM循环神经网络的分析预测,结果表明:LSTM循环神经网络预测模型可实现小通道气液两相流压差信号的在线预测,且预测结果精确,四种流型的均方误差分别为0.004、0.0099、0.0075、0.0156。 

【文章来源】：真空科学与技术学报. 2020,40(06)北大核心CSCD

【文章页数】：7 页

【文章目录】：
1 实验系统
2 传感器的流型辨识
    2.1 光电传感器原理介绍
    2.2 流型辨识分析
3 基于压差波动信号的LSTM循环神经网络短期预测
    3.1 LSTM循环神经网络理论基础
    3.2 噪声平滑
    3.3 LSTM循环神经网络预测结果
4 结论


【参考文献】：
期刊论文
[1]基于LSTM循环神经网络的储层物性参数预测方法研究[J]. 安鹏,曹丹平,赵宝银,杨晓利,张明.  地球物理学进展. 2019(05)
[2]基于LSTM神经网络的复合变量电动汽车充电负荷预测方法技术研究[J]. 王琨,高敬更,张勇红,魏立兵,李鹏,杨春光,董智颖.  工业仪表与自动化装置. 2019(01)
[3]一种基于LSTM的燃气管道施工破坏风险预测模型[J]. 陈毓飞,金跃辉,杨谈.  网络新媒体技术. 2019(01)
[4]基于LSTM循环神经网络的PM2.5预测[J]. 白盛楠,申晓留.  计算机应用与软件. 2019(01)
[5]改进粒子群算法优化LSTM神经网络的铁路客运量预测[J]. 李万,冯芬玲,蒋琦玮.  铁道科学与工程学报. 2018(12)
[6]基于遗传算法改进的一阶滞后滤波和长短期记忆网络的蓝藻水华预测方法[J]. 于家斌,尚方方,王小艺,许继平,王立,张慧妍,郑蕾.  计算机应用. 2018(07)
[7]基于相空间重构与数据缩减分频段小波的小通道气液两相流动力学特性分析（英文）[J]. 李洪伟,刘君鹏,李涛,周云龙,孙斌.  Chinese Journal of Chemical Engineering. 2015(06)
[8]竖直窄矩形通道气液两相流流型识别研究[J]. 李常伟,曹夏昕,孙立成,阎昌琪.  原子能科学技术. 2012(09)
[9]水平矩形小通道内气—液两相流流动特性的研究[J]. 李卓,俞坚,夏国栋,马重芳.  流体机械. 2006(08)
[10]基于小波变换的混沌信号相空间重构研究[J]. 游荣义,陈忠,徐慎初,吴伯僖.  物理学报. 2004(09)

博士论文
[1]基于传感器数据融合的小通道气液两相流参数测量新方法研究[D]. 龙军.浙江大学 2013

硕士论文
[1]基于多视觉的小管道气液两相流参数测量研究[D]. 郑小虎.浙江大学 2016
[2]小通道套管换热器内流体流动与传热性能研究[D]. 石国庆.东南大学 2015
[3]圆形小通道内气液两相流动特性研究[D]. 肖飞.东北电力大学 2015



本文编号：3324004