原油含水率红外光谱测量的超稀疏表示方法

原油含水率红外光谱测量的超稀疏表示方法

论文摘要

油水混合物的光谱分析方法已经成为当前油水两相流测量的研究热点。然而,传统的油水混合物光谱分析中,一般是通过主成分分析、连续投影算法等降维技术实现其光谱特征提取,所提取光谱数大多在10条以上,这使得油水两相测量光纤式传感器的制造成本很高且工程实现难度很大。为提高基于光谱分析的油水两相测量光纤式传感器的实用性,需要实现油水两相红外光谱的超稀疏表示。为此提出了油水混合物光谱自-互相关联合(self-cross correlation,SCC)的光谱超稀疏表示方法。为了验证方法的有效性,搭建了油水混合物红外光谱含水率测量实验装置,从SCC算法筛选出的6个波段中,根据实际生产工艺选择了1 050 nm和1 650 nm波段进行动态实验,实验结果表明,1 050 nm和1 650 nm波段对油和水的混合流型响应良好,且两者呈现出了显著的互相关性。显然,本文研究有助于提升工业光纤式传感器的使用性能。

论文目录

  • 0 引言
  • 1 原理与方法
  •   1.1 Lambert-Beer吸收定律
  •   1.2 自-互相关联合方法
  • 2 实验设计
  • 3 实验结果与分析
  •   3.1 光谱预处理
  •   3.2 SCC光谱特征提取
  •   3.3 方法比较
  • 4 波段选取的实验及结果
  • 5 结论
  • 文章来源

    类型: 期刊论文

    作者: 韩建,李雨昭,曹志民,刘强,牟海维

    关键词: 近红外光谱学,原油含水率,油水二相流,稀疏表示

    来源: 仪器仪表学报 2019年06期

    年度: 2019

    分类: 工程科技Ⅱ辑,工程科技Ⅰ辑

    专业: 化学,燃料化工,石油天然气工业

    单位: 东北石油大学电子科学学院

    基金: 国家自然科学基金(51574087)项目资助

    分类号: O657.33;TE622

    DOI: 10.19650/j.cnki.cjsi.J1905019

    页码: 78-85

    总页数: 8

    文件大小: 482K

    下载量: 69

    相关论文文献

    • [1].基于稀疏表示的拉普拉斯稀疏字典图像分类(英文)[J]. Frontiers of Information Technology & Electronic Engineering 2017(11)
    • [2].改进稀疏表示的人脸识别在高校管理中的应用[J]. 计算机与数字工程 2018(11)
    • [3].基于稀疏表示的联合多通道肌电信号手势识别[J]. 微型机与应用 2017(17)
    • [4].基于类内稀疏表示的人脸识别[J]. 科技展望 2015(32)
    • [5].一种基于复合稀疏表示的阿尔茨海默病的诊断方法[J]. 生物医学工程研究 2016(01)
    • [6].基于局部敏感核稀疏表示的视频跟踪[J]. 电子与信息学报 2016(04)
    • [7].稀疏表示下的超声信号处理研究及应用[J]. 新型工业化 2020(06)
    • [8].信号稀疏表示下的空域-极化域参数估计[J]. 吉林大学学报(工学版) 2020(03)
    • [9].基于卷积稀疏表示的图像融合方法[J]. 导航与控制 2020(02)
    • [10].基于对称正定流形潜在稀疏表示分类算法[J]. 软件学报 2020(08)
    • [11].高光谱遥感影像稀疏表示与字典学习分类研究[J]. 地理与地理信息科学 2019(01)
    • [12].基于稀疏表示理论的优化算法综述[J]. 测绘地理信息 2019(04)
    • [13].改进稀疏表示算法在人脸识别中的应用[J]. 计算机工程与应用 2019(14)
    • [14].基于字典学习和局部约束的稀疏表示人脸识别[J]. 电脑知识与技术 2018(05)
    • [15].基于典型相关性分析的稀疏表示目标追踪[J]. 电子与信息学报 2018(07)
    • [16].非负谱稀疏表示的高光谱成像中的异常检测[J]. 红外与激光工程 2016(S2)
    • [17].基于分类冗余字典稀疏表示的图像压缩方法[J]. 计算机工程 2017(09)
    • [18].基于自步学习的加权稀疏表示人脸识别方法[J]. 计算机应用 2017(11)
    • [19].改进的两阶段协作稀疏表示分类器[J]. 南阳理工学院学报 2016(02)
    • [20].基于低秩分解的联合动态稀疏表示多观测样本分类算法[J]. 电子学报 2015(03)
    • [21].复杂场景下声频传感器网络核稀疏表示车辆识别[J]. 西安电子科技大学学报 2015(04)
    • [22].基于非负稀疏表示的遮挡人耳识别[J]. 计算机辅助设计与图形学学报 2014(08)
    • [23].一种局部敏感的核稀疏表示分类算法[J]. 光电子.激光 2014(09)
    • [24].基于多重核的稀疏表示分类[J]. 电子学报 2014(09)
    • [25].基于信号稀疏表示的形态成分分析:进展和展望[J]. 电子学报 2009(01)
    • [26].卷积稀疏表示图像融合与超分辨率联合实现[J]. 光学技术 2020(02)
    • [27].高光谱图像分类的融合分层深度网络联合稀疏表示算法[J]. 模式识别与人工智能 2020(04)
    • [28].基于稀疏表示的球面梯度下降算法[J]. 浙江理工大学学报(自然科学版) 2020(05)
    • [29].基于核稀疏表示的多模身份识别算法[J]. 电子设计工程 2019(01)
    • [30].基于混合基的稀疏表示响应面构建方法[J]. 电脑知识与技术 2019(15)

    标签:;  ;  ;  ;  

    原油含水率红外光谱测量的超稀疏表示方法
    下载Doc文档

    猜你喜欢