文献

J-GLOBAL ID：202202215009334151   整理番号：22A0565824

TFA-CNN結合法に基づく狭い矩形チャネル内の沸騰流パターンの同定【JST・京大機械翻訳】

Identification of boiling flow pattern in narrow rectangular channel based on TFA-CNN combined method

著者 (5件)： Chu A. Wenjun (Institute of Nuclear and New Energy Technology, Collaborative Innovation Center of Advanced Nuclear Energy Technology, Key Laboratory of Advanced Nuclear Reactor Engineering and Safety of Ministry of Education, Tsinghua University, Beijing, 100084, China) ,  Liu B. Yang (Institute of Nuclear and New Energy Technology, Collaborative Innovation Center of Advanced Nuclear Energy Technology, Key Laboratory of Advanced Nuclear Reactor Engineering and Safety of Ministry of Education, Tsinghua University, Beijing, 100084, China) ,  Pan C. Liqiang (Institute of Nuclear and New Energy Technology, Collaborative Innovation Center of Advanced Nuclear Energy Technology, Key Laboratory of Advanced Nuclear Reactor Engineering and Safety of Ministry of Education, Tsinghua University, Beijing, 100084, China) ,  Zhu D. Hongye (Institute of Nuclear and New Energy Technology, Collaborative Innovation Center of Advanced Nuclear Energy Technology, Key Laboratory of Advanced Nuclear Reactor Engineering and Safety of Ministry of Education, Tsinghua University, Beijing, 100084, China) ,  Yang E. Xingtuan (Institute of Nuclear and New Energy Technology, Collaborative Innovation Center of Advanced Nuclear Energy Technology, Key Laboratory of Advanced Nuclear Reactor Engineering and Safety of Ministry of Education, Tsinghua University, Beijing, 100084, China)
資料名： Flow Measurement and Instrumentation  (Flow Measurement and Instrumentation)
巻： 83  ページ： Null  発行年： 2022年 
JST資料番号： T0986A  ISSN： 0955-5986  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本論文では,時間周波数解析とニューラルネットワークに基づく間接流パターン認識法を提案し,加熱と非慣性条件下の狭い長方形チャネルにおける流れパターンを調べた。最初に,適応最適カーネルアルゴリズムを利用して,典型的圧力信号を解析し,それを時間周波数スペクトログラムに変換した。次に,移動学習戦略の概念に基づいて,畳込みニューラルネットワークを特徴抽出器として適用して,スペクトログラム画像によってフローパターンを分類した。提案方法を可視化流動沸騰実験データによって検証する。結果は,適応時間周波数アルゴリズムが種々のフローパターン信号の特性を効果的に反映することができ,いくつかの選ばれたニューラルネットワークモデルが訓練後に高い認識精度を示す。それらの中で,小さな畳込みカーネルと強い伝達性を有するVGG-16ネットワークは,最も高い認識率を有した。さらに,静的条件のデータに基づくネットワークは,圧延条件の75%以上のスペクトログラムを同定し,異なる流れ条件下での方法の一般化能力を示した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  畳込み ,  パターン認識 ,  *沸騰 ,  ネットワーク ,  慣性 ,  ニューラルネットワーク ,  特徴抽出 ,  可視化 ,  流れ分布 ,  周波数解析
準シソーラス用語： 神経回路網モデル ,  スペクトログラム ,  時間周波数 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： キーワード1 フローパターン同定 ,  キーワード 2 狭いチャネル ,  キーワード3 時間-周波数解析 ,  キーワード4 畳込みニューラルネットワーク ,  キーワード5 圧延条件

分類 (1件)： 流体の実験・試験・測定方法及び装置  (BC01020K)

タイトルに関連する用語 (5件)： TFA ,  CNN ,  矩形チャネル ,  沸騰 ,  同定