買(mǎi)專(zhuān)利賣(mài)專(zhuān)利找龍圖騰，真高效！ 查專(zhuān)利查商標(biāo)用IPTOP,全免費(fèi)！專(zhuān)利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉西安交通大學(xué)申請(qǐng)的專(zhuān)利基于主成分分析和支持向量機(jī)的兩相流型智能識(shí)別方法獲國(guó)家發(fā)明授權(quán)專(zhuān)利權(quán)，本發(fā)明授權(quán)專(zhuān)利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN116340823B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-08-12發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專(zhuān)利申請(qǐng)?zhí)?專(zhuān)利號(hào)為：202310306889.5，技術(shù)領(lǐng)域涉及：G06F18/24；該發(fā)明授權(quán)基于主成分分析和支持向量機(jī)的兩相流型智能識(shí)別方法是由李良星;王聞婕;向祖濤;許向陽(yáng)設(shè)計(jì)研發(fā)完成，并于2023-03-27向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專(zhuān)利申請(qǐng)。

本基于主成分分析和支持向量機(jī)的兩相流型智能識(shí)別方法在說(shuō)明書(shū)摘要公布了：本發(fā)明公開(kāi)了一種基于主成分分析和支持向量機(jī)的兩相流型智能識(shí)別方法，利用壓差變送器和數(shù)據(jù)采集系統(tǒng)在線采集多孔介質(zhì)通道內(nèi)氣?液兩相差壓原始信號(hào)；分別利用時(shí)域分析中的概率密度函數(shù)和頻域分析中的功率譜密度技術(shù)，統(tǒng)計(jì)和提取兩相差壓信號(hào)的時(shí)域和頻域特征參數(shù)，并融合氣、液兩相流動(dòng)雷諾數(shù)等物理參數(shù)，構(gòu)建能夠全面反映兩相流型的信息的耦合特征向量，進(jìn)而利用主成分分析和支持向量機(jī)技術(shù)，提出并建立了多孔介質(zhì)內(nèi)兩相流型智能識(shí)別系統(tǒng)及方法，實(shí)現(xiàn)了多孔介質(zhì)氣液兩相流流型的快速識(shí)別。本發(fā)明提出的主成分分析?支持向量機(jī)融合方法精度高、解釋性強(qiáng)，對(duì)完善多孔介質(zhì)氣液兩相流型識(shí)別技術(shù)，識(shí)別氣液兩相流型有重要意義。

本發(fā)明授權(quán)基于主成分分析和支持向量機(jī)的兩相流型智能識(shí)別方法在權(quán)利要求書(shū)中公布了：1.基于主成分分析和支持向量機(jī)的兩相流型智能識(shí)別方法，其特征在于，通過(guò)在線測(cè)量的多孔介質(zhì)通道內(nèi)的氣液兩相流原始?jí)翰钚盘?hào)，利用主成分分析技術(shù)與支持向量機(jī)技術(shù)，實(shí)現(xiàn)對(duì)多孔介質(zhì)結(jié)構(gòu)內(nèi)的氣液兩相流流型進(jìn)行智能在線識(shí)別，包括如下步驟： 步驟1：采集壓差信號(hào)數(shù)據(jù)； 利用壓差傳感器和數(shù)據(jù)測(cè)量系統(tǒng)，在線采集多孔介質(zhì)結(jié)構(gòu)內(nèi)的氣液兩相流原始?jí)翰钚盘?hào)； 步驟2：分別利用時(shí)域分析中的概率密度函數(shù)、頻域分析中的功率譜密度技術(shù)和兩相流動(dòng)物理特征量，對(duì)采集的壓差信號(hào)進(jìn)行時(shí)域和頻域統(tǒng)計(jì)分析，基于特征提取技術(shù)提取特征；具體特征提取步驟如下： 步驟2.1：對(duì)原始差壓信號(hào)進(jìn)行時(shí)域統(tǒng)計(jì)分析，按公式1計(jì)算壓差信號(hào)均值A(chǔ)n： 式中：An為壓差信號(hào)均值；xi為原始?jí)翰钚盘?hào)值；N為項(xiàng)數(shù)； 步驟2.2：對(duì)原始差壓信號(hào)進(jìn)行概率密度函數(shù)統(tǒng)計(jì)分析，按公式2計(jì)算壓差信號(hào)的概率密度函數(shù)偏度S： 式中：S為概率密度函數(shù)偏度；E為xj為原始?jí)翰钚盘?hào)值的概率密度計(jì)算值；μ為xj的均值；σ為xj的標(biāo)準(zhǔn)差； 步驟2.3：對(duì)原始差壓信號(hào)進(jìn)行功率譜密度統(tǒng)計(jì)分析，按公式3計(jì)算壓差信號(hào)的功率譜密度峭度K： 式中：K為功率譜密度峭度；xk為經(jīng)過(guò)功率譜密度計(jì)算的差壓信號(hào)值； 步驟2.4：對(duì)兩相流動(dòng)物理特征量進(jìn)行計(jì)算，按公式4計(jì)算液相雷諾數(shù)Rel： 式中：ρl為液體密度；Jl為折算液速；dp為顆粒直徑；μl為液體動(dòng)力粘度；ε為孔隙率； 步驟2.5：按公式5計(jì)算氣相雷諾數(shù)Reg： 式中：ρg為氣體密度；Jg為折算氣速；μg為氣體動(dòng)力粘度； 步驟3：構(gòu)造特征向量；具體特征向量構(gòu)造步驟如下： 步驟3.1：通過(guò)步驟2計(jì)算得到了壓差信號(hào)的多個(gè)時(shí)域和頻域參數(shù)；利用壓差信號(hào)分別計(jì)算上述5個(gè)特征參數(shù)后得到數(shù)組，將數(shù)組標(biāo)準(zhǔn)化后通過(guò)主成分分析方法進(jìn)行降維； 步驟3.2：建立特征參數(shù)矩陣，其中Xmn表示各種工況下特征參數(shù)的對(duì)應(yīng)值； 步驟3.3：計(jì)算相關(guān)性系數(shù)矩陣； 其中rmn是相關(guān)性系數(shù)，計(jì)算公式如下所示： 其中i,j＝1,2,…,n,和為第i和j列中數(shù)據(jù)平均值，xki和xkj分別為第i列和第j列的所有數(shù)據(jù)； 步驟3.4：根據(jù)特征方程|λI-R|＝0，其中λ為每個(gè)特征方程的解即其特征值，I為單位方陣；特征值通過(guò)雅可比方法求解，并且排序如下： λ1≥λ2≥…≥λn≥09 其中λ1,λ2,…λn按降序排列； 步驟3.5：構(gòu)造對(duì)應(yīng)于主成分方差λi的特征向量ei，其中i＝1,2...n，并確保||ei||＝1； 其中eij表示向量ei的第J個(gè)分量； 步驟3.6：根據(jù)計(jì)算出的特征值得到貢獻(xiàn)率： 其中Ci是對(duì)應(yīng)于主成分方差λi的貢獻(xiàn)率； 并且得到累積貢獻(xiàn)率： 其中C1i表示從λ1到λi的累積方差貢獻(xiàn)率； 步驟3.7：主分量載荷根據(jù)以下公式進(jìn)一步計(jì)算： 式中j＝1，2，…，n，lij表示各工況特征參數(shù)對(duì)應(yīng)的主成分載荷； 步驟3.8：變量Xm1，Xm2，…，Xmn為式6中各種工況下特征參數(shù)的對(duì)應(yīng)值，與lij相結(jié)合，得到主成分降維后的表達(dá)式Z1，Z2，Z3，…，Zn如下： 式中，Zn表示根據(jù)各工作條件下各主成分的表達(dá)式得出的計(jì)算值； 步驟3.9：最后基于主成分構(gòu)建獲得各工況下特征方程值： 其中Z是基于主成分分析的最終特征方程矩陣，Ci計(jì)算公式如式11所示； 步驟3.10：根據(jù)特征方程值實(shí)現(xiàn)流型自動(dòng)識(shí)別； 步驟4：利用支持向量機(jī)自動(dòng)識(shí)別，根據(jù)輸入的壓差信號(hào)值，以及預(yù)設(shè)好的采用高斯核函數(shù)的非線性支持向量機(jī)模型，判斷各工況下對(duì)應(yīng)的流型； 步驟4.1：其中對(duì)于作為訓(xùn)練樣本的特征向量，還需要在數(shù)組最后再增加一個(gè)元素，該元素作為標(biāo)簽來(lái)表明該特征向量的屬性； 步驟4.2：對(duì)訓(xùn)練樣本引入高斯核函數(shù)，將訓(xùn)練樣本從低維空間映射到高維空間，即 其中Kxp，xq為選擇的核函數(shù)，xp為第p工況下的特征方程值，xq為第q工況下的特征方程值，δ為決策邊界寬度； 步驟4.3：在訓(xùn)練樣本映射到高維空間后，利用拉格朗日對(duì)偶性，將最優(yōu)超平面的目標(biāo)函數(shù)轉(zhuǎn)化為： 其中αp,αq為所求的最優(yōu)向量，yp為第p工況下的流型標(biāo)簽，yq為第q工況下的流型標(biāo)簽，C為人為設(shè)定參數(shù)； 步驟4.4：依據(jù)下式求得b*： 其中αp *為人為設(shè)定分量且滿足0＜αp *＜C，b*為超平面偏移量；最終求得的超平面表示為： 其中sign為符號(hào)函數(shù)； 步驟4.5：基于所求超平面能夠?qū)崿F(xiàn)對(duì)訓(xùn)練樣本的分類(lèi)進(jìn)而實(shí)現(xiàn)對(duì)流型進(jìn)行在線識(shí)別的目標(biāo)； 步驟5：輸出流型：主成分分析與支持向量機(jī)兩者流型識(shí)別結(jié)果一致時(shí)直接輸出判斷流型，不一致時(shí)先通過(guò)主成分分析構(gòu)建特征向量，再將該特征向量作為支持向量機(jī)的輸入樣本，應(yīng)用支持向量機(jī)完成從特征空間到流型空間的映射，最終實(shí)現(xiàn)流型識(shí)別。

如需購(gòu)買(mǎi)、轉(zhuǎn)讓、實(shí)施、許可或投資類(lèi)似專(zhuān)利技術(shù)，可聯(lián)系本專(zhuān)利的申請(qǐng)人或?qū)＠麢?quán)人西安交通大學(xué)，其通訊地址為：710049 陜西省西安市碑林區(qū)咸寧西路28號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。