[发明专利]一种基于时频分析算法结合深度学习理论的气液两相流流型的方法在审
| 申请号： | 201711360206.5 | 申请日： | 2017-12-18 |
| 公开（公告）号： | CN108304770A | 公开（公告）日： | 2018-07-20 |
| 发明（设计）人： | 翁润滢;孙斌;赵玉晓 | 申请（专利权）人： | 中国计量大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/46;G06K9/62 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 310018 浙*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 气液两相流流型 时频分析 流型 支持向量机分类器 卷积神经网络 气液两相流 二维图像 方法识别 描述信号 时频谱图 算法计算 算法结合 图像特征 信号转换 一维动态 自动提取 弹状流 基本流 两相流 泡状流 塞状流 识别率 自适应 两相 学习 流动 | ||
【权利要求书】：
1.一种基于时频分析算法结合深度学习理论的气液两相流流型的方法，其特征在于：通过传统节流装置及高频响差压传感器获取管道内气液两相流动态信号，通过时频分析算法把一维时域信号转化为二维图像，通过卷积神经网络来自动提取图像特征，根据特征识别气液两相流常见流型。
2.根据权利1所述的一种基于时频分析算法结合深度学习理的气液两相流流型的方法，其特征在于：对来至传感器的气液两相流差压信号，采用逐次截取信号长度，使用时频分析算法把时域的差压信号转换为二维的时频谱图，进一步将时频谱图转化为一定尺寸的灰度图片。
3.根据权利1所述的一种基于时频分析算法结合深度学习理的气液两相流流型的方法，其特征在于：把经过灰度化的时频图当作卷积神经网络的输入，训练该深度学习网络自动提取图像特征，已知的流型标识当做网络标准输出来训练该网络。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国计量大学，未经中国计量大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201711360206.5/1.html，转载请声明来源钻瓜专利网。
