ARMA模型在兩相流檢測中的應(yīng)用研究.pdf

1、該文基于ARMA(Autoregressive Moving Average)模型,對氣固流化床和氣液兩相流系統(tǒng)進行了分析并進一步對其流型進行了辨識,得到了一些有益的結(jié)論.該文的主要工作和創(chuàng)新點如下:●提出了一種針對WLS(Wavelet-generalized least squares)的AR模型法的改進算法.引入R/S分析法對WLS法進行改進,以提高Hurst指數(shù)估計精度及濾波效果.基于小波技術(shù)的WLS法是具有1/f噪聲的系統(tǒng)回歸

2、模型參數(shù)的最佳線性無偏估計.該文對WLS法進行了仿真研究,研究結(jié)果表明WLS法對H>0.5的1/f噪聲的濾除作用明顯優(yōu)于傳統(tǒng)的AR模型,但同時發(fā)現(xiàn)WLS法對Hurst指數(shù)的估計誤差較大.針對Hurst指數(shù)的估計誤差較大的問題,該文引入R/S分析法,仿真研究表明該方法在提高Hurst指數(shù)估計精度的同時提高了WLS法的濾波效果.●將改進的基于WLS的AR模型法應(yīng)用于氣固流化床的流型辨識,提出了一種氣固流化床過程監(jiān)控的新方法.利用壓力波動信號

3、建立了AR模型,對氣固流化床的流型進行了分析研究,發(fā)現(xiàn)在不同流型下,AR模型階數(shù)有明顯不同.在此基礎(chǔ)上,利用模型階數(shù)進行流型的判別,初步實驗結(jié)果表明,所采用流型辨識方法是有效的,氣固流化床中鼓泡床和湍動床的辨識成功率分別為94.3％和80.0％.●應(yīng)用ARMA時序模型對不同管徑的水平管氣水兩相流進行了建模分析.對不同管徑不同流型下的差壓波動信號進行了建模,在此基礎(chǔ)上分析得出:彈狀流流型下ARMA模型的階數(shù)n最小,泡狀流和環(huán)狀流流型下的A