基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
本文提出一种基于复杂网络的气液两相流流态识别方法.在通过空气-水两相流模拟系统采集流态演化的压差时间序列的基础上,以不同流动条件下的压差时间序列为节点,以基于节点间的相似性程度为边,构建流态复杂网络,然后利用复杂网络社团单元的探寻进行气液两相流的流态识别.通过与模拟实验结果对比,该方法的有效性得到了验证.
推荐文章
基于改进型BP网络的气液两相流流型识别
流型识别
BP网络
概率密度函数
基于自适应最优核和卷积神经网络的气液两相流流型识别方法
气液两相流
流型识别
算法
时频分析
神经网络
基于图像小波包信息熵和遗传神经网络的气-液两相流流型识别
流型识别
图像处理
小波包
遗传神经网络
基于灰度共生矩阵和支持向量机的气液两相流流型识别
流型识别
图像处理
灰度共生矩阵
支持向量机
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于复杂网络的气液两相流流态识别
来源期刊 化工时刊 学科
关键词 气液两相流 流型 复杂网络 社团结构
年,卷(期) 2020,(11) 所属期刊栏目 工艺试验
研究方向 页码范围 12-14
页数 3页 分类号
字数 语种 中文
DOI 10.16597/j.cnki.issn.1002-154x.2020.11.003
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (4)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
气液两相流
流型
复杂网络
社团结构
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
化工时刊
月刊
1002-154X
32-1320/TQ
大16开
南京四牌楼东南大学五五楼四楼
28-256
1987
chi
出版文献量(篇)
5007
总下载数(次)
19
论文1v1指导