基于主成分分析和神经元网络的两相流相浓度测量方法<%=id%>

分类号： G01N35/00;G01N27/22
颁证日：
优先权：
申请(专利权)人：清华大学
地址： 100084北京市100084-82信箱
发明 (设计)人：彭黎辉;姚丹亚;张宝芬
国际申请：
国际公布：
进入国家日期：
专利代理机构：
代理人：
摘要
　基于主成分分析和神经元网络的两相流相浓度测量方法属于两相流的过程层析成像技术领域，其特征在于：在一个由电容阵列传感器、电子测量电路和成像计算机构成的电容层析成像系统中，引入主成分分析方法分析归一化后的电容测量值，从所有主成分中除去贡献率小于μ的那些成分，把贡献率大于μ的主成分数据作为一个前向神经元网络的输入，该神经元网络的输出即为要得到的相浓度；主成分分析的实质在于把归一化后的电容测量值样本矩阵变换为其相关矩阵，再从其中求出各个特征值及其相应的主成。这种方法可以降低流型变化对敏感场分布的影响，同时也避免了传统图象重建算法带来的误差，它的误差在±5％以内。
主权项
　权利要求书 1.基于主成分分析和神经元网络的两相流相浓度测量方法，它含有两相流相浓度的电容层析成像方法，其特征在于：它是在一个由电容阵列传感器、电子测量电路和成像计算机构成的电容层析成像系统中，引入主成分分析和神经元网络方法实现两相流相浓度的测量方法，即使用主成分分析方法分析归一化后的电容测量值，发现占系统信息约为50％的第一主成分和相浓度具有较好的对应关系，进一步利用主成分分析方法对数据进行降维处理，除去贡献率小于μ的主成分，把贡献率大于μ的主成分数据作为一个前向神经元网络的输入，神经元网络的输出即为要得到的相浓度，它依次含有以下步骤： (1).选取与不同流型相对应的N组电容测量值作为样本集； (2).对样本集数据归一化，得到样本集矩阵X； (3).把样本集矩阵X用下式变换为相关矩阵，即主成分矩阵R，并计算出相关矩阵R的N 个特征值及其特征向量，从最大的特征值为λ1以及和其相对应的特征向量L1，求出系统的第一主成分y1： y1＝L1*x，x为任一组电容测量值； (4).除去贡献率小于μ的主成分，把贡献率大于μ的主成分数据作为前向神经元网络的输入，在训练时，给出设定相浓度、训练步长、最大训练步数和均方差最小值、隐层节点数、网络输入节点数为L，输出结点数1，在训练过程中每一步随机设定各层连接权及阈值，一旦在最大训练步数的范围内均方差达到规定值时便结束训练； (5).用非训练样本集的数据测试神经网络，判断测试相浓度□和设定相浓度之差是否满足规定的误差要求，若满足，则终止训练；若不满足，再增加样本数据对网络进行训练，然后再重复以上各步，一直到满足规定的误差要求为止。

设为首页 | 加入收藏 | 广告服务 | 友情链接 | 版权申明