摘要: 采用统计理论与分形理论相结合的方法对水平管内空气-水两相流的压差波动信号进行分析,得到了压差均值、标准差、偏斜度、能量份额、盒维数、关联维数和Hurst指数7个参数,并将上述参数作为流型的特征向量输入自适应学习率的改进BP神经网络,通过对训练样本的学习,网络可以实现对未知流型的客观识别.仿真结果表明:统计参数与分形参数相结合得到的流型特征向量可以很好地反映各流型之间的差异,网络识别率高达93%,并且改进后的BP网络具有收敛速度快、不易陷入局部极小的优点.
周云龙, 孙斌, 陆军. 改进BP神经网络在气液两相流流型识别中的应用 [J]. 化工学报, 2005, 56(1): 110-115.
ZHOU Yunlong, SUN Bin, LU Jun. Application of improved BP neural network in identification of air-water two-phase flow patterns[J]. CIESC Journal, 2005, 56(1): 110-115.