基于神经网络和D-S证据理论的气液两相流流型识别方法
周云龙;孙斌
东北电力学院动力系,吉林省 吉林市 132012
Identification method of gas-liquid two-phase flow patterns based on neural network and D-S evidential theory
ZHOU Yunlong;SUN Bin
摘要: 提出一种运用神经网络和D-S(Dempster-Shafer)证据理论的多特征信息融合的气液两相流流型识别方法.对压差波动信号进行4层小波包分解,提取各频带信号的小波包能量和信息熵构造两个特征向量,再利用统计和分形理论提取压差波动信号的3个统计参数和4个分形参数作为另一个特征向量,然后将这些特征向量送入改进的BP神经网络进行训练,从而实现对流型的识别.以初始识别结果作为彼此独立的证据,根据D-S证据融合规则进行融合处理,得到最终的识别结果.以水平管内空气-水两相流流型识别为例,说明了该方法的具体实现过程.结果表明,多特征信息融合比单一特征的识别方法具有更高的识别率.