021] 优选的，技术方案步骤2)中统计参数计算方法具体为：先计算标准化后压力信号 的概率密度函数分布和功率谱密度，再计算出的统计参数为压力信号的绝对值的平均值、 绝对值的方差、偏度系数、峭度系数、功率谱发展到25 %、50 %、70 %、90 %、95 %总功率时的 频率与功率谱发展到99 %总功率时的频率的比值、功率谱的0阶、1阶、2阶矩共12个参数。
[0022] 优选的，技术方案步骤2)中统计参数的融合采用的是主成分分析法，利用主成分 分量对统计参数的累积贡献率阈值（ACR)来确定表征流型的特征参数向量；所述的累积贡 献率阈值为85 %，所述的特征参数向量为一个三元素的向量，分别为统计参数主成分分析 后第一、第二和第三主成分分量。
[0023] 优选的，技术方案步骤3)中所述的最小二乘支持向量机两类分类器的函数表达 式为：
【主权项】
1. 一种集输一立管系统内气液两相流流型的在线识别方法，其特征在于，包括以下步 骤： 对待识别的集输一立管系统的立管顶部压力信号P19进行预处理，包括10阶Haar小 波去噪和均值一方差标准化，得到待处理的标准化信号P19%通过统计参数计算和主成分分 析，提取出P19#标准信号中一个包含前三个主成分分量的特征参数向量，随后将这个特征 参数向量输入预先训练好的一个多类分类器中，从而识别出待识别的集输一立管系统的的 立管顶部信号在第一类严重段塞流、第二类严重段塞流、向严重段塞流的过渡流型、振荡型 严重段塞流和稳定流动的混合类流型这四个大类中的归属；当立管顶部压力信号P19属于 振荡型严重段塞流和稳定流动的混合类流型时，将P19#标准信号中频域下的两个特征参数 {F5，F6}输入一个两类分类器中来决定最终的流型归属。
2. 根据权利要求1所述的一种集输一立管系统内气液两相流流型的在线识别方法，其 特征在于，所述的一个两类分类器的构造函数为： 即等价于，
在最小二乘支持向量机求解过程中，待求变量《T，b的方法在于求解下述最优化问题，
利用拉格朗日求极值的方法，求解《T，b，并得到下述分类器的最终表达形式，
上述各公式中，xkeRn表示k维输入向量，yke{-1，1}表示k维类别输出向量，sgn(_) 表示符号函数，J( ?)表示待优化的目标函数，步（?）为径向基核函数，#?)表示将输入空 间映射入高维空间的函数，ak为拉格朗日算子，ek为附加松弛变量，y为惩罚因子，N为流 型样本数。
3. 根据权利要求1所述的一种集输一立管系统内气液两相流流型的在线识别方法，其 特征在于，所述的一个多类分类器的构造采用"一对一"的方法，即若存在m个类别，则构 造出m(m-l)/2个权利2中所述的两类分类器，每次判别时选一个类的样本做正类样本，而 负类样本也只选一个类，让对应的两类分类器对未知样本进行判别，即"投票"过程，以此类 推，直到每个分类器对类别都做出"投票"后，统计出"得票"最多的类别，则待判别的特征 为此类别。
4. 根据权利要求3所述的一种集输一立管系统内气液两相流流型的在线识别方法，其 特征在于，分类器通过以下步骤获得：1)气液两相流压力信号的选择和采集；2)基于概率 密度函数分布和功率谱密度的压力信号统计参数的选择和分析；3)基于主成分分析法的 多参数的提取和融合以形成新的指示流型的特征参数向量；4)利用最小二乘支持向量机 对由3)中提取和融合后的特征参数向量形成的流型样本进行训练，利用权利要求2和权利 要求3中的计算方法确定不同流型类别的最小二乘支持向量机高维超平面分离函数，建立 流型识别分类器函数。
5. 根据权利要求4所述的一种集输一立管系统内气液两相流流型的在线识别方法，其 特征在于，所述步骤1)的气液两相流压力信号为立管顶部压力信号，其采样频率为200Hz， 采样时间为20min;所述的信号预处理方法，包括10阶Haar小波去噪方法和均值一方差标 准化方法。
6. 根据权利要求4所述一种集输一立管系统内气液两相流流型的在线识别方法，其特 征在于，所述步骤2)的统计参数为标准化信号的绝对值的平均值、绝对值的方差、偏度系 数、峭度系数、功率谱发展到25 %，50 %，70 %，90 %及95 %的频率比值、功率谱的无量纲0 阶、1阶、2阶矩，共12个参数。
7. 根据权利要求4所述的一种集输一立管系统内气液两相流流型的在线识别方法，其 特征在于，所述步骤3)中统计参数的融合采用的是主成分分析法，利用主成分分量对统计 参数的累积贡献率阈值来确定表征流型的特征参数向量；所述的累积贡献率阈值为85%， 所述的特征参数向量为一 3元素的向量，分别为第一、第二和第三主成分分量。
8. 根据权利要求4所述的一种集输一立管系统内气液两相流流型的在线识别方法，其 特征在于，所述流型分类器分为两个部分：1)在第一、第二和第三主成分分量构成的三维 特征空间内构建非线性分类函数用于识别出第一类严重段塞流（SSI)、第二类严重段塞流 (SSII)、向严重段塞流的过渡流型（SST)以及振荡型严重段塞流（OSC)和稳定流动（ST)的 混合类；2)在功率谱发展到25%和50%总功率时的频率与功率谱发展到99%总功率时的 频率的比值&、^构成的二维特征空间内构建非线性分类函数用于识别出振荡型严重段塞 流（OSC)和稳定流动（ST)。
9. 根据权利要求1所述的一种集输一立管系统内气液两相流流型的在线识别方法，其 特征在于，所述的两个频域内的特征参数{F5，F6}分别为：
fx%表示功率谱发展到x%总功率时的频率，表达式为：
式中，x表示功率百分比值，S(f)为使用快速傅立叶变换（FFT)得到的归一化功率谱密 度（PSD)函数。
10. 根据权利要求8所述的一种集输一立管系统内气液两相流流型的在线识别方法， 其特征在于，非线性分类函数构建方法采用最小二乘支持向量机的机器学习方法，所述的 最小二乘支持向量机训练样本为在某集输一立管系统中试验获取的300组压力信号计算
【专利摘要】本发明公开了一种集输－立管系统内气液两相流流型在线识别方法，对待识别集输－立管系统的立管顶部压力信号进行预处理；通过统计参数计算和主成分分析，提取出一个包含三个主成分分量的特征参数向量，随后将这个特征参数向量输入预先训练好的最小二乘支持向量机多类分类器中，从而识别出立管顶部信号在第一类严重段塞流、第二类严重段塞流、向严重段塞流过渡的流型、振荡型严重段塞流和稳定流动的混合类流型这四个基本类别中的归属；当属于振荡型严重段塞流和稳定流动的混合类流型时，将待处理信号的两个频域内特征参数输入训练好的两类分类器来决定最终归属。本发明识别率高，可移植性强，现场适用性良好，能够有效满足在线识别要求。
【IPC分类】G01L11-00, G06K9-46, G06K9-62
【公开号】CN104807589
【申请号】CN201510184600
【发明人】郭烈锦, 叶晶, 周宏亮, 李文升, 谢晨
【申请人】西安交通大学
【公开日】2015年7月29日
【申请日】2015年4月17日