[發(fā)明專利]一種基于時頻分析算法結(jié)合深度學習理論的氣液兩相流流型的方法在審
| 申請?zhí)枺?/td> | 201711360206.5 | 申請日： | 2017-12-18 |
| 公開（公告）號： | CN108304770A | 公開（公告）日： | 2018-07-20 |
| 發(fā)明（設(shè)計）人： | 翁潤瀅;孫斌;趙玉曉 | 申請（專利權(quán)）人： | 中國計量大學 |
| 主分類號： | G06K9/00 | 分類號： | G06K9/00;G06K9/46;G06K9/62 |
| 代理公司： | 暫無信息 | 代理人： | 暫無信息 |
| 地址： | 310018 浙*** | 國省代碼： | 浙江;33 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 氣液兩相流流型 時頻分析 流型 支持向量機分類器 卷積神經(jīng)網(wǎng)絡(luò) 氣液兩相流 二維圖像 方法識別 描述信號 時頻譜圖 算法計算 算法結(jié)合 圖像特征 信號轉(zhuǎn)換 一維動態(tài) 自動提取 彈狀流 基本流 兩相流 泡狀流 塞狀流 識別率 自適應 兩相 學習 流動 | ||
1.一種基于時頻分析算法結(jié)合深度學習理論的氣液兩相流流型的方法，其特征在于：通過傳統(tǒng)節(jié)流裝置及高頻響差壓傳感器獲取管道內(nèi)氣液兩相流動態(tài)信號，通過時頻分析算法把一維時域信號轉(zhuǎn)化為二維圖像，通過卷積神經(jīng)網(wǎng)絡(luò)來自動提取圖像特征，根據(jù)特征識別氣液兩相流常見流型。
2.根據(jù)權(quán)利1所述的一種基于時頻分析算法結(jié)合深度學習理的氣液兩相流流型的方法，其特征在于：對來至傳感器的氣液兩相流差壓信號，采用逐次截取信號長度，使用時頻分析算法把時域的差壓信號轉(zhuǎn)換為二維的時頻譜圖，進一步將時頻譜圖轉(zhuǎn)化為一定尺寸的灰度圖片。
3.根據(jù)權(quán)利1所述的一種基于時頻分析算法結(jié)合深度學習理的氣液兩相流流型的方法，其特征在于：把經(jīng)過灰度化的時頻圖當作卷積神經(jīng)網(wǎng)絡(luò)的輸入，訓練該深度學習網(wǎng)絡(luò)自動提取圖像特征，已知的流型標識當做網(wǎng)絡(luò)標準輸出來訓練該網(wǎng)絡(luò)。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于中國計量大學，未經(jīng)中國計量大學許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201711360206.5/1.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 同類專利
- 專利分類
