摘要5-6
ABSTRACT6-8
目录8-10
图表清单10-13
縮略语列表13-14
第一章 绪论14-30
1.1 填料塔的进展与工业运用14-18
1.1.1 填料的进展及分类15-17
1.1.2 填料塔在工业上的运用概况17-18
1.2 填料塔泛点气速模型探讨18-25
1.2.1 液泛现象概述18-20
1.2.2 传统液泛水力学模型探讨概况20-23
1.2.3 软测量策略预测液泛气速的探讨23-25
1.3 填料塔的液泛实时监测探讨25-27
1.3.1 传统的液泛实时监测策略25-26
1.3.2 基于声学的液泛实时监测策略探讨26-27
1.4 本论文的探讨内容及框架27-30
第二章 基于RBF的液泛气速模型30-55
2.1 传统的液泛气速关联式30-34
2.1.1 两类主要的液泛气速计算策略30-32
2.1.2 传统公式的优缺点32-34
2.2 基于神经网络的液泛气速模型34-46
2.2.1 建模用填料数据库一览36-39
2.2.2 RBF神经网络建模策略39-42
2.2.3 基于RBF的液泛气速模型42-46
2.3 基于RBF的液泛气速模型的性能浅析46-53
2.3.1 模型的性能浅析46-52
2.3.2 一致性浅析52-53
2.4 本章小结53-55
第三章 基于SVM的液泛气速模型55-77
3.1 基于统计学习论述的SVM策略55-64
3.1.1 RBF模型尚未解决的主要不足55-57
3.1.2 SLT论述及SVM策略57-61
3.1.3 SVM回归算法61-63
3.1.4 RBF神经网络和SVM回归策略特点比较63-64
3.2 基于SVM的液泛气速模型的设计64-68
3.2.1 SVM回归算法设计64-65
3.2.2 基于SVM的液泛气速模型65-68
3.3 基于SVM液泛气速模型的性能浅析68-74
3.3.1 SVM模型的综合性能68-69
3.3.2 SVM与RBF模型性能比较69-72
3.3.3 模型的一致性浅析72-74
3.4 液泛气速预测软件的设计74-75
3.5 本章小结75-77
第四章 液泛气速模型的实验验证77-83
4.1 探讨对象及实验装置77-79
4.2 预计算液泛气速79-80
4.2.1 采取RBF模型计算液泛气速79
4.2.2 采取SVM模型计算液泛气速79-80
4.3 实验策略与数据处理80-81
4.3.1 实验策略80
4.3.2 数据处理80-81
4.4 实验结果与模型预测结果比较81-82
4.5 本章小结82-83
第五章 填料塔的液泛实时监测探讨83-100
5.1 液泛实时监测策略83-89
5.1.1 传统的液泛实时监测策略83-84
5.1.2 基于声波的液泛实时监测策略84-89
5.2 基于传统声学的实时监测策来源中国法律思想略探讨89-99
5.2.1 声学测量基本原理及分类89-90
5.2.2 单只麦克风实验装置和策略90-94
5.2.3 实验结果与浅析94-99
5.3 本章小结99-100
第六章 基于NAH的填料塔的液泛实时监测探讨100-113
6.1 基于NAH的声源识别策略100-108
6.1.1 近场声全息NAH测量原理100-102
6.1.2 基于NAH的声压快照及声源识别模拟102-108
6.2 基于NAH的液泛实时监测实验108-112
6.2.1 麦克风阵列实验装置108-109
6.2.2 实验策略109-110
6.2.3 实验结果与浅析110-112
6.3 本章小结112-113
第七章 总结与展望113-116
7.1 工作总结113-114
7.2 本论文的主要革新点114
7.3 后续探讨工作的方向及思路114-116