摘要:
气液两相流的流型影响着两相流的流动特性和传热特性,同时也影响着流动参数的准确测量以及两相流系统的运行特性。针对压差信号的非平稳和非线性特点,尝试利用Hilbert-Huang变换(HHT)和小波包分解对差压波动信号进行信号处理,进而建立流型的子波能量(IMF能量和小波包能量)特征,并以此特征向量作为Elman神经网络的输入量,从而实现对流型的智能识别。实验结果表明:这两种特征向量与Elman神经网络结合都能够较准确地识别出4种流型,并且各自都有不同的优缺点。另外与BP神经网络相比,采用Elman神经网络进行流型识别可以获得更高的识别率。
周云龙, 王强, 杨志行, 孙斌, 陈晓波, 王丽媛. 基于子波能量特征的气液两相流流型辨识方法 [J]. 化工学报, 2007, 58(8): 1948-1954.
ZHOU Yunlong, WANG Qiang, YANG Zhihang, SUN Bin, CHEN Xiaobo, WANG Liyuan. Identification of gas-liquid two-phase flow pattern based on wavelet energy feature[J]. CIESC Journal, 2007, 58(8): 1948-1954.